Ein Optimierungsalgorithmus sucht niemals im Leeren.
Er sucht in einem bereits unterteilten Raum. Variablen. Zwänge. Kodierung. Zielfunktion. Abbruchkriterium. Jeder Punkt entspricht einer möglichen Lösung. Jeder Wert zeigt eine Leistung nach dem gewählten Maß an. Der Algorithmus erschafft diesen Raum nicht. Er durchläuft ihn.
Holland gab dieser Anpassungslogik eine künstliche Form. Genetische Algorithmen rekombinieren, mutieren, selektieren. Sie können Konfigurationen produzieren, die niemand entworfen hatte. Aber sie produzieren nicht das Problem, das sie empfängt. Dieses existierte bereits in der Funktion, die entscheidet, was zu überleben verdient.
Die Mutation ist zufällig. Das Überleben ist es nicht.
Eine Fitness-Landschaft ist keine verborgene Natur. Sie ist eine Geometrie, die durch die Problemformulierung produziert wird. Die Darstellung ändern, die Zielfunktion ändern, die Zwänge ändern, die Strafen ändern, und das Relief ändert sich. Ein Peak ist kein absoluter Gipfel. Er ist ein Gipfel in einem konstruierten Raum.
Die Optimierung entdeckt also weniger eine Lösung als dass sie die Form des Rahmens offenbart, der sie auffindbar gemacht hat.
Die künstliche Selektion zeigt dieselbe Grenze auf. Der Züchter wählt ein Merkmal. Größe. Ertrag. Geschwindigkeit. Fügsamkeit. Farbe. Resistenz. Diese Wahl erschafft nicht alle möglichen Formen. Sie modifiziert den Druck, der auf eine verfügbare Variation ausgeübt wird. Die Selektion überschreitet nicht das, was Vererbung, Entwicklung, physiologische Kosten und Reproduktion stützen können.
Zu formulieren, was man sucht, bedeutet bereits zu konstruieren, was man als Fortschritt erkennen können wird.
Darum besitzt kein Algorithmus eine allgemeine Überlegenheit über alle Probleme. Eine performante Methode ist es, weil sie eine besondere Struktur ausnutzt: Kontinuität, Gradienten, nützliche Rekombinationen, Modularität, Regelmäßigkeiten, Nachbarschaften. Wo diese Strukturen fehlen, verschwindet ihr Vorteil. Der Algorithmus ist nicht an sich intelligent. Er ist an ein Relief angepasst.
Die Konvergenz beweist nicht, dass die Lösung wartete. Sie beweist, dass das Problem eine ausbeutbare Form hatte.
Der entscheidende Akt liegt also nicht nur in der Suche. Er liegt in der Formulierung. Die Fitness-Funktion geht der Entdeckung voraus, die sie möglich macht. Sie sagt nicht nur, welche Lösung gewinnt. Sie sagt, welche Welt einen Gewinner produzieren kann.
Doktrin
Die Optimierung offenbart nicht das Beste im Allgemeinen. Sie offenbart das Beste nach einer bereits formulierten Welt.
Die Lösung ist nicht unabhängig von dem Raum, der sie sichtbar macht. Die algorithmische Erfindung liegt nicht nur in der Suche. Sie liegt in der Wahl dessen, was als Verbesserung zählen wird. Was man Optimum nennt, ist eine Eigenschaft des Problems so sehr wie eine Eigenschaft der Lösung.
Offener Vektor
Ein auf einem Benchmark trainiertes Modell, eine auf Ertrag optimierte Fabrik, eine von einem Indikator gesteuerte Stadt, eine auf Engagement eingestellte Plattform: jedes System lernt das Relief, das man ihm gibt.
Wenn eine Maschine ihr Ziel perfekt erreicht, was weiß man dann noch über das Ziel selbst?
