Wirtschaft
anders denken.

Künstliche Intelligenz

Themen-Newsletter bestellen

Kleines Wörterbuch der KI-Forschung

12.03.2017
Zwei Roboter stehen nebeneinander.Foto: Bong Grit / flickr CC BY-NC-ND 2.0Künstliche Intelligenz muss autonom, »motiviert« und lernfähig sein.

Was ist künstliche Intelligenz (KI), was sind autonome Maschinen, was ist Deep Learning und kann KI schwach sein? Wie beeinflusst KI den Menschen? OXI hat die wichtigsten Begriffe zum Thema zusammengetragen.

Was bedeutet künstliche Intelligenz?

Eine künstliche Intelligenz ist kein Produkt der natürlichen, sondern der technischen Evolution. Wie eine KI »körperlich« aussieht, ist egal. Sie kann mobil, also ein rollender Roboter, oder stationär, also ein Rechner, oder »allgegenwärtig«, also ein Netzwerk von Rechnern und/oder Maschinen sein. Sie muss nur autonom, »motiviert« und lernfähig sein. Diese Eigenschaften bedingen einander. Zusammen machen sie die Intelligenz der KI aus. Intelligenz ist also – egal ob bei Menschen oder Maschinen – die Fähigkeit, flexibel in sehr unterschiedlichen Umgebungen im weitesten Sinne »klarzukommen«. Die Aufgaben, Ziele, Motivationen, Fähigkeiten können sehr unterschiedlich sein.

Diese Beschreibung entstammt der zweiten Welle der KI-Forschung, die in den 1980er-Jahren begann. Die Basis der neueren KI sind neuronale Netzwerke und damit verbundene Sensoren und Aktoren. Die KI-Entwickler haben dabei von der Neurowissenschaft gelernt, die erforscht, wie sich Lebewesen mit einem neuronalen Netzwerk, Wahrnehmung, Motorik und »Neigungen« in ihrer Umwelt orientieren. Grundlage für das Lernen einer KI sind Algorithmen, mit denen Muster in den Wahrnehmungen von Umwelt erkannt werden können. Das Vorbild ist das Lernen des Kleinkinds, das zwar einige »Grundprogrammierungen« der Wahrnehmung mitbringt, aber ansonsten sehend, fühlend, agierend seine Umwelt erforscht und dadurch ganzheitlich lernt.

Die Konsequenzen

  • Menschen werden sich in Arbeit und Alltag neu orientieren müssen. Sie werden lernen müssen, mit Maschinen sehr unterschiedlicher »Intelligenz« Das wird zu psychischen und sozialen Problemen führen.

Was ist schwache, was starke KI?

Forscher unterscheiden heute zwischen angewandter, »schwacher« und »starker« KI. Ein lernender Staubsaugerroboter ist ein Beispiel für angewandte KI – englisch AAI (Applied Artificial Intelligence). Das Lernfeld ist durch einen festen Rahmen von Möglichkeiten begrenzt. Das ist sinnvoll, da ein Staubsaugerroboter nur seine Kernaufgaben erledigen soll.

Eine starke KI kennt – theoretisch – keine Grenzen. Sie kann beliebig viel lernen und auf beliebig viele Ressourcen von Sensoren und Aktoren zugreifen. In der Science-Fiction ist das meist der böse Supercomputer, der im Laufe der Story das ganze Internet samt allen Rechnern und Robotern übernimmt. Starke KI wird von vielen Experten, wie auch dem Physiker Steven Hawking, als gefährlich angesehen. Von starker KI ist heutige Forschung allerdings weit entfernt. Es geht meist um bestimmte Fähigkeiten, wie Kommunikation mit Menschen, das Erkennen von Mustern (bei Bildern), das Lösen komplexer Probleme bei Spielen, in der Mathematik, der Technik, bei der Finanzanlage oder der Diagnose von Krankheiten. Schwache, also spezialisierte KI kann in ihrem Bereich sehr stark werden, wenn sie unbeschränkten Zugang zu Daten, sensorischem Input und anderen KIs bekommt und daraus lernt.

Die Konsequenzen

  • Lernende Maschinen werden sich permanent und beschleunigt weiterentwickeln. Die Prinzipien der natürlichen Evolution und der Technik sind hier effizient verknüpft. Menschen müssen daher durch die Eingrenzung von Einsatzbereichen ein »Ausufern« dieser Evolution verhindern.

Was hat Industrie 4.0 mit KI zu tun?

Mal mehr, mal weniger. Industrie 4.0 bedeutet zunächst, dass möglichst alle Maschinen, Rechner und Bauteile eines Produktionsprozesses vernetzt sind und alle Aktionen in diesem System aufeinander abgestimmt sind. Das kann ziemlich »dumm«, also abhängig von »sturen« Programmierungen sein. Es sind auch Zwischenstufen möglich, in denen autonome Roboter sich intelligent in einer ansonsten durchprogrammierten Umgebung bewegen. Künstliche Intelligenz ist allerdings das Mittel, um die Potenziale von Industrie 4.0 konsequent zu verwirklichen.

Die Konsequenzen

  • Alles, was von Industrie 4.0 erwartet wird, kann durch KI effizienter verwirklicht werden. KI wird also die vierte industrielle Evolution antreiben.

Was hat Robotisierung mit KI zu tun?

Roboter können dumm oder intelligent sein. Fest montierte ältere Industrieroboter in der Autoproduktion sind dumm, da sie vollständig programmiert sind. Sollen sie etwas anderes tun, müssen sie umprogrammiert werden. Mobile Industrieroboter, die ihren eigenen Weg durch eine Halle finden sollen, brauchen Orientierungsintelligenz und die passenden Sensoren. Ohne Sensoren keine Intelligenz: KI-Roboter müssen eigenständig den Input ihrer Sensoren, also ihre Wahrnehmung, bewerten und daraus Entscheidungen für ihre Bewegungen ableiten.

Selbst wenn es immer mehr KI-Roboter geben wird, wäre es unsinnig, alle Roboter intelligent zu machen. Selbst lernende Intelligenz rechnet sich nur, wenn selbstbestimmtes Agieren effizienter ist. In der gegenwärtigen industriellen Produktionswelt ist das (noch) selten der Fall.

Die Konsequenzen

  • Intelligente Roboter und »dumme« Roboter werden zunehmend zusammenarbeiten. Die KI-Roboter übernehmen dabei die Steuerung.

Sind Automaten auch autonome Maschinen?

Nein. Autonome Maschinen sind zwar Automaten; das Umgekehrte gilt nicht. Eine Ampelsteuerung funktioniert automatisch. Sie ist programmiert und macht »von selbst«, was sie tun soll: den Verkehr regeln. Selbst eine Ampelanlage mit Sensoren, die auf die Zahl von Fahrzeugen reagiert, ist noch ein Automat. Autonom wäre eine Ampelanlage, die den Verkehr beobachtet und sich selbst neue Steuerroutinen ausdenkt, um den Verkehr möglichst reibungslos laufen zu lassen. Autonome Ampelanlagen muss im Idealfall niemand mehr umprogrammieren; sie verändern selbstständig ihr Verhalten.

Autonome Maschinen brauchen also, wenn sie einmal richtig zu lernen begonnen haben, viel weniger menschliche Arbeit, um am Laufen zu bleiben. Und vernetzte autonome Maschinen werden noch unabhängiger. Weil sie sich zum Beispiel direkt mit einem autonomen Ersatzteillager verbinden können, wenn ihre Sensoren merken, dass ein Teil auszufallen droht. Wenn dann noch ein Roboter das Ersatzteil abholt und montiert, ist der Mensch nahezu ausgeschaltet.

Die Konsequenzen

  • Automaten, die durch KI autonom gemacht werden können, werden auch KI bekommen (es muss sich natürlich rechnen).
  • Autonome Maschinen werden zu autonomen Fertigungsanlagen vernetzt.

Was ist ein neuronales Netzwerk?

Neuronale Netzwerke simulieren biologische Gehirne. Sie sind also nicht fest programmiert wie bisherige Computer, obwohl sie (noch) auf der festen Verdrahtung klassischer Computer aufsetzen. Neuronale Netzwerke verändern ihre eigene Codierung. Dabei orientieren sie sich an der Beziehung zwischen einem Input und einem Output. Das Netzwerk versucht also immer besser in seiner Umgebung »klarzukommen«. Neuronale Netzwerke brauchen dazu vor allem hoch entwickelte Sensorik – analog zu biologischen Wahrnehmungsorganen – und motorische Aggregate – analog zu menschlichen Gliedmaßen –, die die Manipulation der Umgebung erlauben (und damit das Sammeln weiteren Inputs). Je besser ein neuronales Netzwerk in einer reichhaltigen Umgebung klarkommt, desto eher muss man von Intelligenz sprechen.

Konsequenzen

  • Neuronale Netzwerke werden Menschen immer mehr Entscheidungsprozesse abnehmen. Damit können sie mittelfristig auch einfachere Managementaufgaben von Menschen übernehmen.

Sich selbst verstärkendes Lernen?

Eine KI, also ein neuronales Netzwerk samt Sensoren und Aktoren, braucht Grundmuster, um lernen zu können. Bei einem Menschen wäre das sein genetisch angelegtes psychobiologisches »Grundraster«, mit dem er als lernfähiges und wahrnehmendes Wesen zur Welt kommt. Eine KI muss merken, wann sie etwas richtig gemacht hat. Das klappt zum Beispiel per Belohnung – also die Übertragung behavioristischer Regeln auf lernende Maschinen. Eine KI wäre dann »motiviert«, möglichst viel richtig zu machen, um Belohnungen zu bekommen. Derart arbeitende KI agieren explorativ und versuchend. Sie haben keine fest vorprogrammierten Strategien. Da sie aber sehr schnell sehr viele Versuche machen können, entwickeln KIs oft sehr überraschende und unterschiedliche Lösungen für Probleme.

Konsequenzen

  • Es wird sich eine Psychologie der KI-Maschinen entwickeln müssen; zugleich eine Soziologie der Interaktionen zwischen Menschen und Maschinen.

Was sind evolutionäre Algorithmen?

Neben dem sich selbst verstärkenden Lernen repräsentieren sich selbst weiterentwickelnde Algorithmen ein weiteres Prinzip des maschinellen Lernens. Dabei bekommt eine KI eine Aufgabe, die sie zunächst nicht lösen kann, weil sie nicht genug Informationen und Regeln kennt. Sie fängt also an, etwas auszuprobieren, sie variiert, versucht es »von einer anderen Seite«. Mit dieser Methode können bei schwierigen konstruktiven Problemen überraschende Ergebnisse herauskommen. Eine KI hat beispielsweise einen Teil eines Flugzeugrumpfs neu konstruiert. Er besteht aus einer filigranen Aluminiumstruktur, die eher biologisch als technisch wirkt. Wo menschliche Ingenieure mit bewährten Formeln gearbeitet hätten, probiert die KI gänzlich neue Wege.

Konsequenzen

  • KI-Maschinen können zu Schöpfern einer zweiten Technikevolution werden, die die Prinzipien der biologischen Evolution mit den Materialkenntnissen der ersten technischen Evolution verbindet. Dabei können Produkte entstehen, die nachhaltiger und leistungsfähiger sind als Produkte der durch Menschen in Gang gesetzten technischen Evolution. Menschliche Ingenieure könnten dabei arbeitslos werden.

Was ist Deep Learning?

Kurz gefasst ist es der kluge Umgang mit großen Datenmengen. Dabei werden einer KI beispielsweise Daten über Umweltereignisse (Temperaturen, Winde, das Wandern von Hoch- und Tiefdruckgebieten) gegeben. Die KI macht sich dann daran, diese zu ordnen, zu klassifizieren, Beziehungen zu unterstellen, zu prüfen, zu bestätigen, sichere von unsicheren Vermutungen zu unterscheiden. Und so kann eine KI zu einer Theorie des Wetters und des Klimas kommen. Versorgt man eine hinreichend schnelle KI ununterbrochen mit Wetter- und Klimadaten, verbessert sich die Theorie laufend; das System kann immer besser die Rolle des Wetterfrosches spielen.

Vor allem bei der Entwicklung autonomer Fahrzeuge ist Deep Learning vonnöten, denn eine KI muss Informationen über eine sehr große Zahl von Objekten in der Außenwelt verarbeiten. Dazu werden Trainingsprogramme installiert, die die KI immer entscheidungssicherer machen. Dass beim Lernen in Realumgebungen immer wieder Pannen passieren, ist unumgänglich. Dass dabei statistisch weniger Pannen als bei menschlichen Fahrern passieren, übergehen die Sensationsmeldungen über unsichere Fahrzeuge geflissentlich.

Konsequenzen

  • Deep Learning hilft KI beim Erlernen menschlicher Tätigkeiten (Autofahren). Ganz neue Erkenntnisse kann Deep Learning aber bei der Aufarbeitung von Daten liefern, bei denen Menschen absolut überfordert sind oder sehr lange Zeit brauchen (Umwelt, Klima, Biologie, Krankheiten, Verhaltensmuster). Tendenziell werden Wissenschaftler, die mit Datenanalyse beschäftigt sind, ebenfalls arbeitslos werden.

Wo bleibt der Mensch?

Die bisherigen drei Phasen der industriellen Revolution mit Dampfmaschine, Fließband und Computer als treibenden Erfindungen haben die Arbeit des Menschen an den Takt der Maschine gebunden. Eine fließbandgebundene oder durchprogrammierte Produktion lässt dem Menschen keinen Platz. Er wird zum Störfall in sturen Maschinenprozessen.

Je intelligenter aber die Maschinenumgebung wird, desto eher kann der Mensch wieder eine nichtautomatisierte Rolle übernehmen. Beispiel: Mobile KI-Roboter können einem Menschen flexibel ausweichen, indem sie beobachten, ob der Mensch auch Anstalten macht auszuweichen. KI-Maschinen und Menschen können auch sprachlich kommunizieren. Es wird bereits an industriellen Arbeitsumgebungen gearbeitet, in denen die flexibleren Maschinen Arbeitsgruppen von Menschen Freiräume schaffen, in denen sie nach eigenen Taktvorgaben Aufgaben erledigen.

Solche Umgebungen sind weit komplexer als die Arbeit am Fließband. KI-Aggregate sind damit besser geeignet, eine hochgradig vernetzte Produktion insgesamt zu steuern. Eine KI kennt alle internen und externen Zustände und weiß daher schneller und genauer, was als Nächstes zu tun ist, als jeder menschliche Arbeiter.

Die Konsequenzen

  • Flexible KI-Maschinen werden zunehmend mit flexibel, aber auch selbstbestimmter arbeitenden Menschen zusammenarbeiten. Zynisch könnte man sagen: Die KI gönnt dem Menschen noch Nischen.

Dieses Interview erschien in der Februarausgabe von OXI.

Geschrieben von:

Jo Wüllner

freier Journalist