Was ist Künstliche Intelligenz?

Mit Künstlicher Intelligenz bezeichnet man die Technik, Maschinen so zu programmieren, dass sie autonom Probleme lösen indem sie ihre Umgebung analysieren und mit einem gewissen Grad an Autonomie handeln. Diese Probleme und Aufgaben können sehr breit definiert sein: von der Sprachsteuerung durch „Alexa“ und automatischen Übersetzungen, über die genauere Vorhersage von Aktienkursen auf Basis bestehender Daten, bis zum automatisierten Verfassen von Texten und dem Erstellen von Bildern nach konkreten Vorgaben. Lies weiter...

Wie ist Künstliche Intelligenz entstanden?

Die Idee, Problemlösungsfähigkeiten des Menschen künstlich nachzubauen ist bereits Jahrtausende alt. Ihre Umsetzung begann mit mechanischen Automaten im Mittelalter und gewann durch die Erfindung des Computers im 20. Jahrhundert massiv an Fahrt. Der britische Mathematiker Alan Turing formulierte als erster die Vermutung, dass durch Computer jedes Problem lösbar ist, das durch einen Algorithmus - also ein Set an Anweisungen aus klar definierten Einzelschritten und Regeln - darstellbar ist. Diese Vermutung hat sich bis heute bewahrheitet. Und die Geschichte der Techniken, die der Mensch angewandt hat, diese Regeln zu finden und für Computer zu übersetzen beschreibt auch die Entwicklung der Künstlichen Intelligenz. Der Begriff wurde 1956 erstmals verwendet. In den ersten Jahrzehnten dominierten Techniken, bei denen Menschen manuell Regeln formulierten, um Computern das Lösen einfacher Probleme zu lernen - zB durch logisches Schließen. So konnten Computer in die Lage versetzt werden als frühe „Chatbots“ auf einfache und vordefinierte Sätze zu reagieren - unter Laborbedingungen und mit eng begrenztem Erfolg. Ab Mitte der 70er Jahre wurden erste kommerzielle Systeme entwickelt - vornehmlich indem das Wissen eines bestimmten Fachgebietes durch Experten händisch mittels Formeln, Regeln und einer Wissensdatenbank gebündelt wurde, um vordefinierte Probleme dieses Fachbereiches zu lösen. So sollten Entscheidungen von Experten in bestimmten Fachbereichen simuliert werden. Beispiel dafür waren medizinische Diagnoseprogramme, bei denen Symptome bestimmter Erkrankungen in einer Datenbank gespeichert waren und das Programm auf Basis regelbasierter Verknüpfung der wahrgenommenen Symptome eine Diagnose erstellte. Diese Systeme, die als „symbolische KI“ oder „Expertensysteme“ bezeichnet wurden, wurden auch im Bereich der Chemie oder Geologie eingesetzt. In den 90er Jahren feierte diese Technik eindrucksvolle Erfolge wie den Sieg von IBM DeepBlue über den damals amtierenden Schachweltmeister Gary Kasparov. Und wer schon einmal den „Akinator“ gespielt hat - bei dem der Computer durch bestimmte Fragen den Namen einer Person errät, an die der Spieler denkt - hat die regelbasierte Künstliche Intelligenz in seiner wohl unterhaltsamsten Form kennengelernt. Dahinter liegt technisch eine Datenbank mit Personen und ihren Eigenschaften (zB Mann/Frau, lebendig/gestorben, real/fiktiv) und eine Menge an Filterfragen, die in einem Entscheidungsbaum nach und nach Personen ausschließen bis nur mehr ein Ergebnis übrig bleibt. Zeitgleich entwickelten sich auch neue Methoden wie Maschinelles Lernen und Neuronale Netze auf ein Niveau, das die neue Qualität Künstlicher Intelligenz begründet hat, von der wir heute sprechen - und die Leistungen erbringen, die manche Experten vor 15 Jahren noch nicht für möglich gehalten haben wie teilautonomes Fahren, Sprachsteuerungen und das Meistern des asiatischen Brettspieles „Go“.

Welche Arten der Künstlichen Intelligenz gibt es?

Die Frage, was genau Intelligenz ist, ist schon in der Psychologie bezogen auf Menschen umstritten genug: welche Bereiche sie umfassen kann, wie man sie misst und welche Konsequenzen man aus den Messungen ziehen kann. Es überrascht daher wenig, dass der Begriff der Künstlichen „Intelligenz“ auch in der Informatik von Anfang an heiß umstritten war. Aber da er sich nun einmal durchgesetzt hat, werden wir ihn auch in diesem Buch ins Zentrum stellen. Um ein intuitives Verständnis zu geben, orientieren wir uns an der alltäglichen Verwendung des Begriffes und lassen akademische und technische Detaildiskussionen außen vor (die Techniker mögen mir verzeihen). Grob gesprochen kann man zwei Arten voneinander unterschieden: Künstliche Intelligenz, die auf Basis von Regeln programmiert wurde, die Menschen erstellt haben - sogenannte „regelbasierte“ oder „symbolische“ Künstliche Intelligenz, die bis in die 2000er Jahre die Szene dominiert hat. Dabei sage ich der Maschine über vorgegebene Regeln, Formeln und Anweisungen, wie sie etwas machen soll. „Programmieren“ ist ein Wort, dass wir im Alltag dafür verwenden würden. Alternativ dazu entwickelte sich die datengetriebene Art Künstlicher Intelligenz mit Hilfe maschinellen Lernens, die es ermöglicht, die Regeln zur Lösung von Aufgaben wie Vorhersagen von Aktienkursen oder die Erkennung von Objekten auf Bildern aus einer Menge von Daten selbst zu erlernen. Das hat den Vorteil, dass damit auch Aufgaben gelöst werden können, deren Regeln entweder zu komplex sind, um durch Menschen gesamtheitlich formuliert zu werden oder schlichtweg nicht bekannt sind. So ist es beispielsweise nie gelungen durch die Formulierung der grammatischen Sprachregeln einem Computer ein alltagstaugliches Sprachverständnis beizubringen. Und es wurde auch nie gelöst, wie einem Computer durch Formeln der Unterschied zwischen einem Hund und einem Haus vermittelt werden soll, um diese beiden Objekte auf Bildern selbstständig unterscheiden zu können. Wenn heute von Künstlicher Intelligenz die Rede ist, ist de facto nur mehr diese datengetriebene Art gemeint. Schlagworte wie Neuronale Netze oder Deep Learning entstammen allesamt diesem heute dominierenden Bereich. Die Arten, wie Computer lernen können, ist durchaus vergleichbar mit der Weise, wie Menschen lernen: Mathematik lernen wir, in dem wir vorgegebene Regeln anwenden (regelbasierte KI wäre das Pendant). Sprechen hingegen lernen wir, indem wir Erfahrungen reproduzieren und verallgemeinern (datengetriebenes Machine Learning ist hier ein vages Pendant). Und unsere Sozialisierung entwickeln wir oft dadurch, dass wir unser Verhalten an die Reaktion unserer Umwelt anpassen. Machine Learning kennt die Methode des bestärkenden Lernens, bei dem Computer mit ihrer Umwelt interagieren und auf Basis der Reaktionen Regeln für erfolgreicher Verhalten entwickeln - selbstfahrende Autos werden zB so trainiert.

Was bedeutet „schwache“, „starke“ oder „allgemeine“ Künstliche Intelligenz?

Oft wird von „starker“ oder „schwacher“ Künstlicher Intelligenz gesprochen, was einer theoretischen Debatte entspringt und ursprünglich bezeichnen wollte, wie spezifisch oder allgemein die Probleme sind, die eine KI lösen kann, und ob es dabei ein Verständnis von sich selbst hat - also ein Selbstbewusstsein. „Schwache“ KI wird oft auch als „enge KI“ bezeichnet, weil diese Programme nur eine einzelne, singuläre Aufgabe erledigen können. Das wäre beispielsweise ein Programm, das Objekte auf Fotos erkennen kann und dabei auf 1000 spezifische Gegenstände trainiert wurde, dessen Fotos es gesehen und aus den Datenmengen die Regeln gelernt hat diese 1000 unterschiedlichen Gegenstände voneinander zu unterscheiden. Dieses Programm kann weder Schachspielen noch Antwortentwürfe für E-Mails vorschlagen oder Vorhersagen über den morgigen Lagerstand machen. Diese Art der Künstlichen Intelligenz entwickelt weder inhaltliches Verständnis geschweige denn ein Selbstbewusstsein, sondern kennt lediglich die Regeln um menschliches Verhalten und Problemlösen in einem spezifischen, abgegrenzten Bereich erfolgreich zu imitieren. Und obwohl jüngste KI-Systeme insbesondere bei der Sprachverarbeitung mehrere Aufgaben imitieren können (zB Vervollständigung von Texten und Beantworten von inhaltlichen Fragen) fallen sie noch eindeutig unter die Definition schwacher KI. Bei „Starker“ KI (bzw. „weiter“ oder „allgemeiner“) KI geht man davon aus, dass sie allgemeine kognitive Fähigkeiten hat und dass ein Modell nicht nur eine breite Palette gänzlich unterschiedlicher Aufgaben lösen kann, sondern diese auch selbstständig weiter entwickeln kann und dabei ein Selbstbewusstsein hat - und damit die Natur und Fähigkeiten des Menschen nicht nur imitiert, sondern sie tatsächlich verkörpert.

Unter welche Kategorie fallen die Systeme Künstlicher Intelligenz, die heute existieren?

Sie fallen eindeutig unter die Kategorie der „schwachen“ KI, da sie in keinster Weise irgendeine Form des Selbstbewusstseins besitzen und sich nicht von alleine verbessern können. Daran ändert sich auch nichts wenn einzelne KIs komplexe Aufgaben besser lösen können als Menschen (beispielsweise das Brettspiel GO) oder KIs, die zur Sprachgenerierung gezielt auf das Führen menschlicher Dialoge trainiert wurden, beginnen über sich selbst zu sprechen. Das ist in diesem konkreten Fall schließlich das, was sie aus umfangreichen Datensätzen, die ihnen beim Training in Form unzähliger Dialoge zur Verfügung gestellt wurden, gelernt haben zu imitieren und somit kein Anzeichen eines Selbstbewusstseins. Wie das Entwickeln von selbstbewussten, allgemeinen Künstlichen Intelligenzen technisch funktionieren kann, ist heute gänzlich ungeklärt und kann daher für die nahe und mittlere Zukunft ausgeschlossen werden. Das wird auch aus dem folgenden Kapitel deutlich, das erklärt, wie Maschinelles Lernen als Basis der heutigen KI funktioniert.