3D-Illustration von Gehirnzellen

2.2.2018 | Von:
Ulrich Eberl

Was ist Künstliche Intelligenz – was kann sie leisten?

Vertausendfachung der Leistungsstärke bis 2040

Diese Entwicklung ist noch lange nicht am Ende. So zeigt der Blick in die Labore von Halbleiterherstellern: Auch wenn die Verkleinerung der Strukturen bald an eine physikalische Grenze stoßen wird, gibt es dennoch viele Ideen – etwa das Übereinanderstapeln von Nanostrukturen und wesentlich energieeffizientere Bauteile –, die eine weitere Steigerung um den Faktor 1.000 bis zum Jahr 2040 erwarten lassen. Mikrochips könnten dann noch einmal um das Tausendfache schneller rechnen, tausendmal mehr Daten speichern und tausendmal mehr Daten pro Sekunde übertragen als heute – und das zum selben Preis. Oder anders ausgedrückt: Wenn heute ein Notebook 500 Euro kostet, werden wir 2040 dieselbe Leistung auf einem kleinen Chip für 50 Cent bekommen. Visionäre wie Ray Kurzweil sagen, dass wir heute für 1.000 Dollar etwa die Leistungsfähigkeit des Gehirns einer Maus mit rund 100 Millionen Nervenzellen kaufen können – bei einer Vertausendfachung wären wir 2040 dann beim Komplexitätsgrad des Gehirns eines Menschen angelangt.[7]

Und selbst das könnte noch übertroffen werden. Denn Forscher entwickeln derzeit sogenannte neuromorphe Chips, die das Verhalten von Nervenzellen nicht per Software, sondern elektronisch nachbilden: Deren Lernvorgänge sind bereits heute zehntausendfach schneller als beim menschlichen Gehirn und millionenfach schneller als bei Supercomputern.[8] Wollte man mit heutigen Superrechnern die neuronalen Prozesse eines einzigen biologischen Tages nachbilden, bräuchte man dafür Jahre – Neurochips schaffen das in zehn Sekunden, allerdings bisher nur in Netzwerken mit etwa einer Million Nervenzellen, noch nicht mit Milliarden. Doch die Forschung steht hier erst am Anfang.

Eine Einschränkung gibt es allerdings: den Energieverbrauch. Das menschliche Gehirn begnügt sich mit 20 Watt, ein vergleichbarer Supercomputer hingegen benötigt etwa die elektrische Leistung einer Stadt mit 20.000 Einwohnern. Die besten Neurochips liegen in der Mitte dazwischen, aber immer noch bei mindestens dem Tausendfachen des menschlichen Gehirns. Außerdem funktioniert die Lernfähigkeit des Gehirns ohne Software, ohne zentrale Steuerung und ohne Betriebssystem, und das System ist extrem fehlertolerant: Obwohl jeden Tag etwa 100.000 Neuronen verloren gehen, lassen seine kognitiven Fähigkeiten über Jahrzehnte hinweg kaum nach. Das Gehirn kann also mit verlorenen Ressourcen ebenso gut umgehen wie mit unpräzisen Informationen. Und sein geringer Energieverbrauch ist zu einem großen Teil darauf zurückzuführen, dass nicht wie im konventionellen Computer ständig Daten zwischen Speicher und Prozessor hin- und hergeschoben werden müssen – das spart nicht nur Zeit, sondern auch Energie.

Lernen wie kleine Kinder

Die Hardware wird den Forschern bei der Entwicklung smarter Maschinen eher wenige Beschränkungen auferlegen, doch wie sieht es mit der Software und der Effizienz und Effektivität der Informationsverarbeitung aus? Hier scheinen noch lange nicht die besten Lösungen gefunden worden zu sein: Während etwa Deep-Learning-Systeme Zigtausende bis Millionen von Katzen sehen müssen, um danach eine Katze zuverlässig zu erkennen, reichen kleinen Kindern ein paar Dutzend Lernbeispiele, um auch einen gestiefelten Kater oder den König der Löwen als Katze einzustufen. In diesem Sinne erreichen Kinder ihre Lernziele wesentlich wirkungsvoller und wirtschaftlicher als Computer. Zudem sind Deep-Learning-Systeme nur Meister im Vergleich von Mustern, nicht mehr. Wenn sie etwa auf Tierbilder trainiert wurden, finden sie überall Tiere, auch in Wolken oder dem Rauschen eines Bildschirms – was dann wie Halluzinationen von Computern wirkt. Ihnen fehlen völlig das Hintergrundwissen und das Verständnis für Zusammenhänge.

Mehr noch: Wenn man die Frage beantworten will, wie intelligent Maschinen werden können, muss man erst einmal klären, von welcher Intelligenz die Rede sein soll. Denn Fachleute sprechen von mathematischer, räumlicher, sprachlicher, logischer, emotionaler oder sozialer Intelligenz – unsere Intelligenz ist nicht nur das, was der IQ misst. So kann ein Neuronales Netz zwar Objekte aller Art erkennen, aber es weiß nichts über deren Bedeutung für den menschlichen Alltag. Außerdem gilt nach wie vor der alte Spruch "Computern fällt leicht, was Menschen schwerfällt – und umgekehrt" nicht nur für Computer, sondern auch für Roboter. Türen öffnen und Bälle fangen, laufen und Hindernissen ausweichen, das gehört alles zu den leichtesten Aufgaben, die man einem körperlich gesunden Menschen stellen kann, aber gleichzeitig zu den schwierigsten Aufgaben für Roboter.

Auch Menschen müssen ihre Fähigkeiten erst nach und nach erwerben. In den ersten beiden Lebensjahren entsteht zunächst die sensomotorische Intelligenz: Babys lernen krabbeln, stehen, laufen, nach Dingen greifen und ihre Bewegungsabläufe koordinieren. In den Jahren danach entwickeln sich sowohl das Sprechvermögen wie die symbolische Vorstellungskraft und die Fähigkeit zur Empathie. Zugleich lernen Kinder immer besser, vorauszudenken und ihr Handeln zu planen, doch erst mit elf oder zwölf Jahren sind Jugendliche in der Lage, Probleme systematisch zu analysieren, Hypothesen und kreative Lösungen zu entwickeln und über sich selbst nachzudenken.

Einen ähnlichen Weg gehen Forscher nun mit Maschinen. Sensomotorische Intelligenz haben die besten Roboter schon entwickelt: Sie können einigermaßen sicher stehen, laufen und Dinge aller Art greifen. Der vierbeinige Roboter Cheetah von Boston Dynamics rennt schneller als Usain Bolt, der schnellste Mensch über die 100- und 200-Meter-Distanz – und es gibt bereits feinfühlige Roboter, die weiche Erdbeeren pflücken, ohne Druckstellen zu hinterlassen. Auch das Lernen durch Beobachten und Nachahmen, das kleine Kinder so gerne einsetzen, bringt man nun Robotern bei. Beispielsweise sollen die gerade auf den Markt kommenden "kollaborativen Roboter" lernen, mit Menschen Hand in Hand zu arbeiten. Eine herkömmliche Programmierung ist nicht mehr nötig. Stattdessen führt man einfach die Arme und Greifer solcher Roboter und zeigt ihnen, wie sie Knöpfe drücken oder Bauteile montieren sollen. Diese Maschinen sind so sensibel, dass sie in Bruchteilen von Sekunden eine Bewegung stoppen, wenn ihnen ihre Sensoren mitteilen, dass sie andernfalls einen Menschen verletzen könnten.[9]

Fußnoten

7.
Ray Kurzweil, How to Create a Mind, New York 2012, S. 257f.
8.
Vgl. Eberl (Anm. 2), S. 145ff.
9.
Für einen solchen teamfähigen Roboter haben Forscher der FRANKA EMIKA GmbH und der Technischen Universität München im November 2017 den Deutschen Zukunftspreis erhalten, http://www.deutscher-zukunftspreis.de/de/nominierte/2017/team-2«.
Creative Commons License

Dieser Text ist unter der Creative Commons Lizenz "CC BY-NC-ND 3.0 DE - Namensnennung - Nicht-kommerziell - Keine Bearbeitung 3.0 Deutschland" veröffentlicht. Autor/-in: Ulrich Eberl für Aus Politik und Zeitgeschichte/bpb.de

Sie dürfen den Text unter Nennung der Lizenz CC BY-NC-ND 3.0 DE und des/der Autors/-in teilen.
Urheberrechtliche Angaben zu Bildern / Grafiken / Videos finden sich direkt bei den Abbildungen.