Künstliche Intelligenz : Denn wir wissen nicht, wie sie’s tun
- -Aktualisiert am
Berührungsängste? Bild: dpa
Künstliche Intelligenz verheißt unglaublichen Fortschritt. Doch ein kniffliges Problem stellt sich gerade: Wie bei uns Menschen kann nicht immer erklärt werden, wie die lernenden Algorithmen zu ihren Entscheidungen kommen. Darum geht es.
An der Künstlichen Intelligenz scheiden sich die Geister. Für die einen, prominent vertreten durch den Technologieunternehmer Elon Musk, stellen sie mindestens eine weitere, wenn nicht gar die entscheidende Bedrohung der Menschheit dar. Für die anderen, unter ihnen Facebook-Gründer Mark Zuckerberg, werden es im Gegenteil die lernenden Maschinen sein, die in Zukunft unser Leben auf vielen verschiedenen Ebenen besser und sicherer machen werden. Auf welche Seite man sich in diesem Grundsatzstreit zwischen Technikoptimisten und -pessimisten auch schlagen mag – unbestreitbar ist, dass lernenden Algorithmen in vielen Bereichen immer größere Verantwortung übertragen wird, sei es in der Medizin, beim autonomen Fahren oder wenn es um die automatische Auswertung gigantischer, von wissenschaftlichen Experimenten erzeugten Datenmengen geht.
Der Grund dafür ist simpel: Wir Menschen sind heute zunehmend überfordert. Zu viele Informationen, zu viele Daten, zu viele Medien, zu wenig Zeit. Computer versprechen hier Hilfe, maschinelles Lernen ist das Zauberwort, das uns heute die Lösung vielfältiger Probleme liefert, ob es die Durchsuchung der Bilddatenbank anhand von Suchbegriffen geht, um Übersetzungsprogramme oder Spracherkennung. Aufgaben, an denen sich Generationen von Programmierern die Zähne ausgebissen haben, werden heute handhabbar. Der Grund dafür: Während man lange überwiegend erfolgreich versuchte, den Computern die richtigen Programme aufzudrücken, lässt man sie heute die Algorithmen selbst anhand von Trainingsdaten entwickeln. Der Versuch, ein Übersetzungsprogramm explizit aufzuschreiben, scheitert an den Subtilitäten der Sprache. Wenn man aber einen Computer mit genügend Übersetzungsbeispielen füttert, kann er zugrundeliegende Muster erkennen und kontextuelle Informationen so einbeziehen, dass ein erfolgreicher Algorithmus generiert wird. Der Mensch funktioniert ganz ähnlich: Wir machen Erfahrungen, leiten Muster ab, und sobald Erwartungen an den Gegebenheiten scheitern, passen wir sie entsprechend an.
Lernen ohne menschliche Hilfe
Dass maschinelles Lernen eng mit dem Konzept der Künstlichen Intelligenz verbunden ist, scheint damit intuitiv klar. Intelligenz beruht auf Lernfähigkeit und darauf, sich an sich ändernde Bedingungen selbständig anpassen zu können. Besonders erfolgreich sind dabei künstliche tiefe neuronale Netzwerke. Sie bestehen nach biologischem Vorbild aus mehreren Schichten miteinander verbundener künstlicher Neuronen. Der Grad des Einflusses der künstlichen Neuronen aufeinander ist für jede Verknüpfung veränderlich und kann hemmend oder erregend sein. Ein künstliches Neuron wird aktiviert, wenn ein bestimmter Schwellenwert unter dem Einfluss der mit ihm vernetzten Neuronen überschritten ist. Dann feuert es gemäß dem Grad seiner Aktivierung. Künstliche Neuronen einer Schicht empfangen Signale aus ihrer jeweilig vorgelagerten Schicht.
Oft werden diese Netzwerke für Klassifikationsprobleme genutzt, bei denen die unterste Ebene Inputdaten empfängt, beispielsweise Bildpixel, die von Ebene zu Ebene mit Hilfe zunehmend abstrakterer Konzepte verarbeitet werden. In einer Bildanalyse könnten so zunächst verschieden ausgerichtete Striche und Kanten erkannt werden, die dann auf höheren Ebenen zu längeren Linien, Bögen und Ecken kombiniert werden, bevor sie schließlich abstrakten Formen zugeordnet werden.
