3D-Illustration von Gehirnzellen

2.2.2018 | Von:
Ulrich Eberl

Was ist Künstliche Intelligenz – was kann sie leisten?

Wie belohnt man Maschinen?

Und selbst das Belohnungslernen findet Eingang in die Welt der smarten Maschinen: Natürlich bekommen sie nicht wie Kinder Schokolade oder gute Noten, sondern ihnen genügt ein internes Punktekonto, das aufgefüllt wird, wenn sie etwas richtig gemacht haben, oder ein Schulterklopfen oder Lächeln, das sie mithilfe ihrer Kameras und Sensoren wahrnehmen und als Lob werten. So lernt etwa der kleine Roboter iCub am italienischen Institut für Technologie in Genua wie ein menschliches Kind im Kindergarten.[10] Er betrachtet seine Spielsachen, dreht sie hin und her – "begreift" sie im wahrsten Sinne des Wortes –, fragt seine menschlichen Lehrer, wie die Dinge heißen, und lernt, wie man den Tisch ab- und das Zimmer aufräumt. Genauso lernt er Klavier spielen oder wie man einen Spielzeug-Bogen spannt und hält, um mit dem Pfeil die Zielscheibe zu treffen. Auch im japanischen Osaka arbeiten Forscher mit dem wissbegierigen iCub-Roboter. Belohnungen gibt es immer dann, wenn er etwas Neues gelernt oder eine Aufgabe gut gelöst hat. Diese Art des Lernens ist vielleicht die vielversprechendste Methode, um Roboter alltagstauglich zu machen: Sie müssen Menschen im Alltag begleiten und sich einprägen, was sie tun sollen, um sich nützlich zu machen.

Entscheidend ist dabei – wie bei Menschen auch – die Qualität der Lehrer. Ein misslungenes Beispiel war der Chatbot Tay, der im Frühjahr 2016 lernen sollte, wie sich Menschen im Internet unterhalten.[11] Binnen 24 Stunden musste Microsoft ihn wieder vom Netz nehmen, weil er zum Rassisten geworden war, der den Holocaust leugnete und Hitler lobte. Dieses Programm hatte ganz offensichtlich von den falschen Leuten gelernt. Wie man zuverlässige und sich ethisch korrekt verhaltende, selbstlernende Maschinen baut, wird sicherlich in Zukunft eine wichtige Aufgabe sein und neue Berufszweige eröffnen. Die ersten Lehrstühle für Maschinenethik existieren bereits.[12]

Das Ziel der Forscher ist klar: Roboter und smarte Maschinen aller Art sollen einmal in der Lage sein, Menschen auch in komplexen, sich ständig ändernden Umgebungen zu helfen – wie perfekte Butler, ob beim Aufräumen oder Putzen zu Hause, beim Kochen oder Einkaufen oder beim Autofahren im Stadtverkehr. Dass sie dafür noch sehr viel hinzu lernen müssen, ist klar, doch einen wesentlichen Vorteil haben sie: Was eine Maschine einmal gelernt hat, kann sie im Prinzip in Zukunft in ein RoboNet hochladen und anderen Maschinen ähnlichen Bautyps zur Verfügung stellen – egal, ob es darum geht, wie man Fenster putzt, einen Dinnertisch deckt oder einen Hubschrauber fliegt. Menschen hingegen müssen alles individuell lernen und können sich neue Fähigkeiten nicht einfach wie Apps herunterladen.

Maschinen mit Alltagswissen, Emotionen, Sozialkompetenz?

Auf lange Sicht können Maschinen daher vielfältigste, intelligente Verhaltensweisen erwerben, doch ein paar Beschränkungen werden für sie nur schwer zu überwinden sein: Wir Menschen besitzen beispielsweise viel implizites Wissen, Alltagskompetenz und gesunden Menschenverstand, um in unserer Umgebung zurechtzukommen.[13] Nehmen wir nur den Satz "Die Beamten haben den Demonstranten verboten, sich zu versammeln, weil sie Gewalt befürworteten". Ein Mensch erkennt sofort, worauf sich das "sie" bezieht. Doch ein Computer tut sich hier sehr schwer, ebenso wie ein autonomes Fahrzeug wohl bremsen würde, wenn der Wind eine große Papiertüte auf die Straße weht – ein Mensch würde einfach weiterfahren.

Reines Faktenwissen lässt sich allerdings heute schon in Maschinen implementieren, wie IBM mit seinem "kognitiven" Computersystem Watson zeigt.[14] Bereits 2011 hatte Watson die zwei weltbesten menschlichen Champions in der US-Quizshow Jeopardy besiegt, die mit Wortspielen, Rätseln und subtilen Anspielungen arbeitet. Entscheidend für den Erfolg war, dass Watson unter anderem das Internetlexikon Wikipedia, insgesamt 200 Millionen Textseiten, in seinem Arbeitsspeicher hatte. Er war in der Lage, diese Texte zu lesen, passende Informationen zu erkennen und zu kombinieren, und binnen zwei bis drei Sekunden eine – meist korrekte – Antwort auf die Quizfrage zu liefern.

Seither hat IBM das Watson-System für viele Anwendungen ausgebaut: Es berät Ärzte bei Krebsdiagnosen ebenso wie Banker, Juristen und Steuerberater oder Firmen bei der Datenauswertung in Fabriken, Gebäuden oder Verkehrs- und Energiesystemen. Ein wesentlicher Vorteil ist, dass das System mit natürlich-sprachigen und unstrukturierten Texten zurechtkommt – ob Call-Center-Protokolle, Arztbriefe, Fachartikel oder Twitter-Feeds – und dass es auf Nachfrage die Quellen für seine Bewertungen nennen kann. Dadurch wissen die Anwender stets, auf welcher Basis Watson seine Hypothesen und Empfehlungen abgeleitet hat – nicht nur für Ärzte ist dieser Dialog mit dem digitalen Assistenten entscheidend, um ihn überhaupt einsetzen zu können. Bei einem konventionellen Neuronalen Netz kann der Nutzer hingegen nicht ohne Weiteres nachvollziehen, welche Lernbeispiele für das Ergebnis letztlich relevant waren.

Sogar das Abwägen von Argumenten kann man Computern beibringen. So wurde Watson etwa die Frage gestellt, ob Video-Gewaltspiele für Jugendliche verboten werden sollten. Daraufhin durchsuchte der Computer vier Millionen Wikipedia-Artikel, fand die zehn relevantesten und destillierte daraus binnen Sekunden drei Argumente für und drei gegen ein solches Verbot. Dass ein solches Pro-und-Contra-Programm für Bankberater in Zukunft ebenso sinnvoll sein kann wie für Juristen, Versicherungsvertreter oder Ärzte, ist offensichtlich.

Doch ein Großteil unseres menschlichen Alltagswissens steht eben nicht in Wikipedia. Gesunden Menschenverstand findet man nicht im Lexikon. Maschinen können daher ein solches Alltagswissen nur erwerben, wenn sie über lange Zeit hinweg Menschen beobachten und ständig hinzulernen. Dies ist zweifellos ein langwieriges Unterfangen, und wie erfolgreich es sein wird, muss sich noch zeigen. Ähnliches gilt für das Feld der kreativen Maschinen: Computerprogramme können heute zwar Stile kopieren und neu kombinieren, also malen wie van Gogh oder Rembrandt und komponieren wie Bach oder Mozart, aber etwas völlig Neues hat bisher keine Maschine hervorgebracht.

Ein weiteres Problem ist sogar noch viel fundamentalerer Art: Maschinen, wie ausgeklügelt sie auch sein mögen, haben keinen biologischen Körper wie Menschen. Sie werden daher nie alle Erfahrungen mit Menschen teilen können: Sie müssen nicht essen und trinken, schlafen und träumen, sie wachsen nicht und bekommen keine Kinder und sie kennen den Sturm der Gefühle nicht, der Menschen ergreifen kann. Daher sei die Vorhersage gewagt: Selbst wenn smarte Maschinen Emotionen aus Gesten und Mimik lesen und wenn sie so tun, als ob sie Gefühle hätten, eine den Menschen vergleichbare emotionale und soziale Intelligenz wird ihnen verwehrt bleiben. Aus all diesen Gründen gehört eine Superintelligenz, die uns Menschen auf allen Gebieten überflügelt, wohl eher in den Bereich der Science-Fiction als zu den realen Gefahren.

Wer macht die Arbeit von morgen?

Viel mehr Sorgen müssen wir uns allerdings um zwei andere Entwicklungen machen: um autonome Kampfroboter und um die Auswirkungen auf Arbeitsplätze. Das erste Problem lässt sich nur lösen durch eine weltweite Ächtung dieser Maschinen, wie es bei Biowaffen oder Atombomben im Weltall gelungen ist. Erste internationale Anstrengungen in diese Richtung gibt es bereits, aber sie müssen intensiviert werden. Auch dass sich durch den Einsatz von smarten Maschinen mit Künstlicher Intelligenz praktisch alle Jobs – egal in welcher Branche – erheblich verändern werden, ist offensichtlich.[15] Vor allem Routinetätigkeiten in den Büros, bei denen es um die Beschaffung und Verarbeitung von Informationen geht, können künftig durch Maschinen übernommen werden: Das betrifft den Buchhalter ebenso wie den Steuerberater, den Logistiker oder Finanzanalysten. Ähnliches gilt für Putzkräfte, Lagerarbeiter oder Lkw-, Bus- und Taxifahrer.

Wenig betroffen sind hingegen kreative Jobs wie Forscher, Designer und Künstler sowie Berufe, die eine hohe Sozialkompetenz erfordern, wie Pflegekräfte, Lehrer und Manager. Zudem werden sich zwar viele Jobbeschreibungen verändern, aber nicht unbedingt die Arbeitsplätze wegfallen. So werden in Zukunft Ärzte die Hilfe von Computerassistenten in Anspruch nehmen, aber sie werden nicht durch Roboter ersetzt – allein schon deshalb, weil oft die Intuition der Ärzte und der Kontakt mit den Patienten der halbe Weg zur Heilung sind. Kurz gesagt: Die einfacheren Arbeiten machen Maschinen, die komplexeren die Menschen, die weiterhin als Lenker und Denker gebraucht werden, als Planer und Entscheider, als kreative Problem- und Konfliktlöser, als diejenigen, die Qualität und Sicherheit gewährleisten, und als die entscheidenden Partner, die emotionale und soziale Intelligenz gegenüber ihren Kunden und Zulieferern beweisen müssen.

Hinzu kommt, dass auch eine Menge neuer Berufe entstehen. Die smarten Maschinen müssen auch erst einmal entworfen und konstruiert werden, es muss sichergestellt werden, dass sie gefahrlos und zuverlässig betrieben werden können, und sie müssen trainiert und auf die Einsatzfelder optimal angepasst werden. Der Blick in die Vergangenheit bestätigt, dass neue Technologien immer auch neue Berufe mit sich bringen: Anfang der 1980er Jahre, als die Computer massentauglich wurden, gab es noch so gut wie keine Software-Entwickler – heute sind es weltweit über 20 Millionen.

Mein Fazit lautet daher: Smarte Maschinen mit Künstlicher Intelligenz sind zweifellos eine der größten technisch-wirtschaftlich-sozialen Herausforderungen, vor denen die Menschheit derzeit steht. Aber sie sind auch eine Chance für all die globalen Aufgaben, die wir bewältigen müssen: ob im Kampf gegen den Klimawandel und beim Umbau der Energiesysteme, ob bei der Gestaltung lebenswerter Städte oder bei der Unterstützung der wachsenden Zahl pflegebedürftiger Menschen. Wenn wir es richtig machen, werden uns die smarten Maschinen weit mehr nützen als schaden.

Fußnoten

10.
Vgl. Eberl (Anm. 2), S. 84ff., S. 290ff. Videos zum iCub-Roboter finden sich unter http://www.youtube.com/user/robotcub«.
11.
Vgl. Bernd Graff, Rassistischer Chat-Roboter – mit falschen Werten bombardiert, 3.4.2016, sz.de/1.2928421.
12.
Siehe dazu auch die Beiträge von Catrin Misselhorn und Oliver Bendel in dieser Ausgabe (Anm. d. Red.).
13.
Vgl. Ulrich Eberl, Smarte Maschinen – wie intelligent können sie sein?, 17.3.2017, https://zukunft2050.wordpress.com/2017/03/17/wie-intelligent-koennen-smarte-maschinen-sein-und-woran-werden-sie-scheitern«.
14.
Vgl. ders. (Anm. 2), S. 124ff.
15.
Vgl. Ulrich Eberl, Schöne neue Arbeitswelt, in: Bild der Wissenschaft 7/2016, S. 94f. Siehe dazu auch die Ausgabe 18–19/2016 der APuZ "Arbeit und Digitalisierung", http://www.bpb.de/apuz/225683/arbeit-und-digitalisierung« (Anm. d. Red.).
Creative Commons License

Dieser Text ist unter der Creative Commons Lizenz veröffentlicht. by-nc-nd/3.0/ Der Name des Autors/Rechteinhabers soll wie folgt genannt werden: by-nc-nd/3.0/
Autor: Ulrich Eberl für Aus Politik und Zeitgeschichte/bpb.de
Urheberrechtliche Angaben zu Bildern / Grafiken / Videos finden sich direkt bei den Abbildungen.