Fünf Jahre lang arbeitet Jen-Hsun Huang bereits an seinem KI-Projekt: „Als wir anfingen, über Deep Learning zu sprechen, hielten die Leute für uns verrückt“, sagt der CEO und Mitgründer des Grafikkartenherstellers Nvidia. Die Manager der großen Automobilkonzerne seien zwar stets sehr höflich zu ihm gewesen, wenn er sein Konzept für selbstfahrende Autos vorstellte – zurückgerufen habe ihn jedoch niemand. Mittlerweile ist das anders: Die deutschen Autobauer wollen ihre eigenen autonomen Fahrsysteme entwickeln. Was ihnen aber bisher fehlt, ist die richtige KI.
Das sieht Nvidia als Chance. Auf der Fachkonferenz Bosch Connected World 2017 in Berlin kündigte das Unternehmen an, mit Bosch einen Autopiloten zu ermöglichen. Die Hardware von Nvidia soll dabei mit dem Onboard-System von Bosch verschmelzen. Das System soll sich mithilfe entsprechender Sensorik im Straßenverkehr zurechtfinden und zudem in der Lage sein, selbständig weiter zu lernen. Nvidia nimmt als Hersteller von Chips von Grafikkarten beim Entwickeln autonomen Fahrens eine wichtige Rolle ein: Diese Chips sind heute längst über das Generieren von 3D-Landschaften für Videospiele hinausgewachsen. Egal ob Bitcoin-Mining oder Datenanalyse, wenn es um viel Rechenleistung geht, wird oftmals die eigentlich für Gamer entwickelte Technologie eingesetzt; eben auch für künstliche Intelligenz.
Der Wunsch nach einer Entwicklung autonomer Fahrzeuge hat sich vergrößert, sagt Huang in Berlin: „Niemand hat damit gerechnet, dass reguläre Fahrzeuge in Kürze schon autonom werden könnten.“ Sein Unternehmen arbeite nun auch aufgrund des raschen Fortschritts bei KIs intensiver an der Umsetzung autonomer Fahrsysteme. Ein ähnliches wie das Leitsystem von Tesla-Chef Elon Musk für die Autobahn will er bereits Ende 2018 auf den Markt bringen. Kurz darauf soll dann bereits eine KI folgen, die so weit trainiert wurde, dass komplett autonomes Fahren möglich wird. Zumindest unter guten Wetterbedingungen und bester Straßenlage.
Als Huang anfing, sich mit diesem Thema zu beschäftigen, basierte autonomes Fahren auf Laserscanning. Das war eine Technologie, bei der es schwer fiel, den Preis für die Hardware zu senken. Durch neurale Netzwerke und Deep Learning können jetzt aber auch die Bilder normaler Kamerasensoren schnell ausgewertet werden. Der Computer lernt dabei selbst nach und nach die Welt zu interpretieren, anstatt von einem Ingenieur gesagt zu bekommen, wie er auf eine Situation reagieren soll.
„Egal ob selbstfahrendes Auto, selbstfliegende Drohne oder Roboter, plötzlich waren all diese Anwendungsgebiete möglich“, sagt Huang. Früher hätte es Monate gedauert, mit Algorithmen die Bilder von regulären Kameras zu analysieren. Mit immer schneller werdenden Grafikchips kann das jetzt in wenigen Tagen erledigt werden. Nach jeder Simulationen kann der Algorithmus dann verbessert werden, bis er tatsächlich lernt, ein zuverlässiger Fahrer zu sein.
Autofahren sei letztlich gar nicht so schwer zu lernen, wie man denken könnte, sagt Huang. Denn dabei gehe es um Kooperation nicht um Wettbewerb, jeder Teilnehmer verhalte sich in den meisten Fällen nach einem zu erwartenden Muster. Darauf könne sich eine KI einstellen. Anders ist das etwa bei Spielen. Deswegen fiel es Googles KI Alpha Go auch so schwer das Brettspiel Go zu lernen. „Wenn du auf der Straße fährst, versucht niemand dich anzugreifen“, sagt Huang. „Unter dieser Annahme, ist das Problem plötzlich viel leichter lösbar.“ Beim Autofahren gibt es eben keine geheimen Motivationen oder Strategien zu verstehen, jeder will einfach nur sicher ans Ziel.
Die Entwicklung von KI-Systemen fürs autonome Fahren ist für Nvidia keine Neuausrichtung, sondern nur eine Weiterentwicklung, sagt Huang: „Einen Computer zum Simulieren von Realität zu verwenden und einen Computer für das Verstehen der Realität zu verwenden, sind eigentlich zwei Seiten einer Medaille.“ Beides löse ähnliche Probleme.
