/Science

Das Ende der Menschheit? Der WIRED-Guide zu Künstlicher Intelligenz

Tom Simonite 13.02.2018

Das Thema Künstliche Intelligenz (KI) ist überhyped. Dennoch extrem wichtig für die Zukunft. WIRED erklärt Machine Learning, Deep Learning, Neurale Netzwerke – und was Animoji damit zu tun haben.

Superintelligenzen werden weder alle Jobs, noch die Menschheit vernichten. Aber Algorithmen und Software sind entschieden schlauer geworden in den vergangenen Jahren. Das zeigen allein Tricks wie die Animoji auf dem iPhone X oder Assistenten, mit denen es möglich ist, durch Sprachbefehle neues Küchenpapier zu bestellen.

Die großen Konzerne aus dem Silicon Valley investieren viel Geld in KI und haben so das Leben vieler Menschen und deren Gadgets verändert. Google, Amazon, Facebook und andere legen derzeit den Grundstein einer Zukunft, in der KIs im Mittelpunkt stehen.

Auslöser für den Boom in der KI-Branche war Machine Learning: Dabei handelt es sich um eine Art Training für Computer, die sich einfach selbst etwas beibringen, anstatt jeden Schritt von einem Menschen einprogrammiert zu bekommen. Durch eine neue Technik namens Deep Learning ist diese Methode besonders effektiv geworden. Und das bekam schließlich Lee Sedol zu spüren. Als bester Go-Spieler der Welt hatte er insgesamt 18 internationale Meisterschaften gewonnen, verlor dann aber 2016 haushoch gegen die Software AlphaGo.

Im Alltag der meisten Menschen veränderte sich durch diesen Sprung in der KI-Entwicklung, dass neue Gadgets wie smarte Lautsprecher auf den Markt kamen. Oder es möglich geworden ist, das eigene Smartphone per FaceID zu entsperren. KI steht jedoch kurz davor, weitaus wichtigere Bereiche zu verändern: zum Beispiel das Gesundheitswesen. Krankenhäuser in Indien testen derzeit eine Software, die Fotos von Menschen darauf prüft, ob in der Retina des Auges Anzeichen für eine diabetesbedingte Erkrankung der Netzhaut zu erkennen sind. Meist werden solche Fälle erst zu spät erkannt. Machine Learning kann außerdem fürs autonome Fahren eingesetzt werden. Ein Auto kann selbst lernen, auf seine Umgebung zu reagieren.

Es gibt erste Anzeichen dafür, dass KIs uns glücklicher oder gesunder machen könnten. Dabei dürfen aber die Risiken nicht ausgeblendet werden. Das derzeit prominenteste Problem sind Algorithmen, die Vorurteile gegen Ausländer und Frauen beobachten und diese dann nachahmen. Eine Zukunft mit KI muss also nicht zwangsläufig eine bessere sein.

Der Anfang der KI

Die moderne KI fing mit einem Urlaubsprojekt an: John McCarthy, Professor am Dartmouth College, erfand den Begriff im Sommer 1956, als er eine kleine Gruppe Kollegen einlud, mit ihm für ein paar Wochen darüber nachzudenken, wie Maschinen komplexe Aufgaben meistern könnten. Er machte sich große Hoffnungen für Maschinen, die auf menschlichem Niveau denken. „Wir denken, dass große Fortschritte gemacht werden können, wenn eine Gruppe Wissenschaftler sich für einen Sommer zusammentut“, schrieben McCarthy und seine Kollegen damals.

McCarthys Hoffnungen erfüllten sich nicht – er selbst sagte später, zu optimistisch gewesen zu sein. Aber der Workshop half den Forschern, ihre Träume von Künstlicher Intelligenz als neues akademisches Fachgebiet zu etablieren.

Anfangs beschäftigten sich viele Forscher mit ziemlich abstrakten Mathe- oder Logik-Problemen. Es dauerte aber nicht lange, bis sie sich Aufgaben mit praktischem Nutzen widmeten. In den späten 1950ern schrieb Arthur Samuel eine Software, die lernte, Dame zu spielen. 1962 gelang es einem Computer dann, den damaligen Dame-Meister zu schlagen. 1967 schließlich lernte ein Programm namens Dendral, die Daten eines Massenspektrometers zu interpretieren und nahm so Chemikern die Arbeit ab.

Als die KI-Forschung sich weiterentwickelte, veränderte sich auch die Methode, um smarte Maschinen zu bauen. Einige Experten versuchten, Wissen in Code zu gießen oder Regeln für die menschliche Sprache zu schreiben. Andere ließen sich von der Art inspirieren, wie Tiere und Menschen lernen und bauten Systeme, die sich mit Beispieldaten selbst verbessern sollten. Mit jedem Schritt gab es eine Aufgabe weniger, die bis dahin nur Menschen erledigen konnten.

Deep Learning und Neurale Netzwerke

Der Treibstoff des KI-Booms ist Deep Learning – eigentlich eine der ältesten Ideen der Branche. Dabei werden Daten in ein Netz aus Mathematik gespeist. Ein System, das an eine vereinfachte Darstellung des Gehirns erinnert und künstliches Neurales Netzwerk genannt wird. Mithilfe von Daten wird dieses System solange trainiert, bis es die richtigen Entscheidungen eigenständig treffen kann.

Die Idee für das erste künstliche Neurale Netzwerk entstand bereits kurz nach dem Dartmouth-Workshop. Der Computer Mark 1 – der 1958 einen ganzen Raum füllte – lernte mit solch einem System, geometrische Formen zu unterscheiden. Die New York Times beschrieb ihn damals als einen „Embryo des Computerdesigns, der liest und schlauer wird“. 1969 kippte jedoch die gute Meinung von Neuralen Netzwerken, als MIT-Forscher Marvin Minsky in einem Buch darlegte, warum die Macht dieser Programme begrenzt sei.

Einige Forscher waren anderer Meinung und entwickelten diese Technik im Laufe der Jahrzehnte weiter. Die Offenbarung kam 2012 mit Experimenten, die zeigten, dass ein Neurales Netzwerk mit genug Daten und Rechenleistung lernen kann, zu sehen.

Mit dieser Innovation gewannen Forscher der University of Toronto bei einem Wettbewerb mit einer Software, die Bilder sortieren konnte. Mitarbeiter von IBM, Microsoft und Google schlossen sich im Nachgang zusammen, um zu zeigen, wie Deep Learning dabei helfen kann, die Genauigkeit von Spracherkennung zu verbessern. Kurz darauf waren KI-Experten die gefragtesten Mitarbeiter im Silicon Valley.

Die Zukunft der KI

Künstliche Intelligenz wird die Welt verändern – das steht außer Frage. Google, Microsoft und Amazon haben die wichtigsten Experten und leistungsstärksten Computer versammelt, um ihr Geschäftsmodell auszubauen: das passgenaue schalten von Werbung.

Diese Firmen verdienen zusätzlich Geld, indem sie ihre Netzwerke an andere Firmen für ihre eigenen KI-Projekte verleihen. Die wichtigsten Arbeitsbereiche sind dabei derzeit das Gesundheitswesen und die nationale Sicherheit. Da die Ausbildung für Machine Learning immer besser wird und es günstigere Hardware sowie bessere Open-Source-Tools gibt, wird Künstliche Intelligenz mehr und mehr in allen Bereichen der Industrie zum Einsatz kommen.

Verbraucher werden bald in vielen neuen Gadgets und Apps Funktionen finden, die erst durch KI möglich wurden. Vor allem Google und Amazon setzen darauf, dass der Fortschritt im Machine Learning Sprachassistenten und smarte Lautsprecher zum Erfolg führen wird. Der nächste Schritt dabei für Amazon: Kameras, die ihre Besitzer beobachten, um deren Alltag zu optimieren.

Es ist eine großartige Zeit für KI-Forscher. Es gibt zahllose Institute, die nach neuen Wegen suchen, um smarte Maschinen noch schlauer zu machen, und sie sind besser finanziert als jemals zuvor. Außerdem gibt es viel Arbeit: Trotz des schnellen Fortschritts bleiben noch viele Dinge, die Maschinen immer noch nicht verstehen. Zum Beispiel die Nuancen von Sprache oder einfach so aus Neugierde etwas Neues lernen, nur um ein paar Beispiele zu nennen. Erst wenn Maschinen solche Aufgaben gemeistert haben, können sie der menschlichen Intelligenz nahe kommen, mit all ihrer Komplexität, Anpassungsfähigkeit und Kreativität. Geoff Hinton, ein Deep-Learning-Pionier von Google, sagt, um hier Fortschritte zu machen, müsste KI noch einmal auf einer ganz neuen Basis gedacht werden.

Jetzt, da KI Systeme immer smarter werden, wird auch ihre Kontrolle wichtiger. Erste Regierungen nutzen bereits Software in der Strafverfolgung und bei der Kriminalitätsbekämpfung – mit äußerst problematischen Folgen für Minderheiten.

Auch Facebook wurde bereits mit den Nachteilen seines eigenen Algorithmus konfrontiert: Er förderte Hass und Fake-News. Noch mächtigere KIs könnten zu noch schlimmeren Problemen führen, darunter vor allem die Verstärkung von Vorurteilen oder Stereotypen gegen Schwarze und Frauen. Nicht nur Aktivisten, sondern auch die Tech-Industrie arbeiten deshalb an Richtlinien, um die Ethik von Algorithmen zu garantieren. Damit der Mensch also von den Vorteilen smarter Maschinen profitieren kann, muss er selbst smarter mit ihnen umgehen.

Dieser Artikel erschien zuerst bei WIRED.com
Das Original lest ihr hier.