Schnelleinstieg:

Direkt zum Inhalt springen (Alt 1)Direkt zur Sekundärnavigation springen (Alt 3)Direkt zur Hauptnavigation springen (Alt 2)

László Mérő
Spiel mit den Algorithmen

Künstliche Intelligenz - László Mérő
Grafik: Réka Elekes © Goethe-Institut Budapest

Die Entwicklung der künstlichen Intelligenz hat sich im letzten Jahrzehnt als eine eindeutige Erfolgsgeschichte entpuppt. Nachdem sie 1997 den Schachweltmeister besiegt hatte, konnte man für eine Weile noch die Hoffnung hegen, dass ihm das Lieblingsbrettspiel der fernöstlichen Spieler, Go, zu schaffen machen würde. In der Tat ist Go sowohl aus mathematischer als auch aus psychologischer Sicht ein viel komplexeres Spiel als Schach und es hat sich zwanzig Jahre lang unbesiegbar gezeigt. Im Jahre 2016 aber besiegte das Programm Alpha Go den weltbesten Go-Spieler, den Koreaner Lee Sedol.
 
In den folgenden Jahren erwies sich auch im Zusammenhang mit Go für jedermann, was im Schach bereits zweifelsfrei bewiesen worden war: Kein menschlicher Spieler hat die geringste Chance, gegen die künstliche Intelligenz zu gewinnen. Der nächste Go-Weltmeister, der ebenfalls gegen eine Maschine verlor, der Chinese Ke Jie, äußerte sich nach der schweren Niederlage, Alpha Go sei der Gott des Go, und er werde von nun an nur noch mit Menschen spielen.
 
Weder in den Schach-, noch in den Go-Programmen, die Geschichte schrieben, ist eine Idee zu erkennen, die man nicht schon seit vierzig Jahren von Grunde auf gekannt hätte. Der einzige Unterschied besteht darin, dass vor vierzig Jahren derselbe Algorithmus, der heute jeden menschlichen Schachspieler schlägt, ungefähr einmal im Monat zog, heute dagegen im Sekundentakt zieht. Computer sind so viel schneller geworden, und ihre Speicherkapazität ist ungefähr genauso schnell gewachsen. So konnten auch bisher als hoffnungslos langsam geltende Algorithmen getestet werden, und es hat sich eine wachsende Anzahl praktischer Erfahrungen bezüglich ihrer Funktionsweise angesammelt.
 
In den letzten vierzig Jahren sind zwar einige Ideen, Algorithmen und Lösungen entstanden, die auf grundlegend neuen Prinzipien beruhen, sie waren es jedoch nicht, die zum entscheidenden Durchbruch geführt haben. Alles, was sich in den letzten zehn Jahren aus funktionaler Sicht als durchschlagend erfolgreich erwiesen hat und in den Nachrichten aus gutem Grund als eine neue technische Revolution vorgestellt wird, war im Grunde bereits vor vierzig Jahren bekannt gewesen. Nur, dass man damals noch keine Ahnung hatte, was diese auf millionenfach schnelleren Maschinen und mit zigmal mehr Speicherkapazität erbringen könnten. Heute beginnt man bereits zu verstehen: Sie sind äußerst effektiv.
 
Der mit dem Nobelpreis ausgezeichnete Physiker Jenő Wigner schrieb: „Es ist ein unschätzbares Geschenk, dass sich die Sprache der Mathematik als wunderbar geeignet für die Formulierung physischer Gesetze erwiesen hat. Dieses Geschenk vermögen wir nicht zu verstehen, und noch weniger haben wir es verdient.“ Etwas sehr Ähnliches geschah auch in der künstlichen Intelligenz. Es ist ein unschätzbares Geschenk, dass sich die heutige Geschwindigkeit und Speicherkapazität von Computern als wunderbar geeignet erwiesen hat, künstliche Intelligenz auf höchstem Niveau in vielen Bereichen zu erzeugen. Dieses Geschenk vermögen wir nicht zu verstehen, und noch weniger haben wir es verdient. Aber ist dem so, es wird unser Leben und unsere tagtägliche Arbeit genauso grundlegend umkrempeln, wie die Entwicklung der Physik, die Entwicklung physischer Maschinen es einst getan hat.
 
Es ist schwierig, eine genaue Definition der künstlichen Intelligenz zu geben. Früher betrachteten wir von den Aufgaben, die menschliches Denken erfordern, diejenigen als hierher gehörend, auf die man mit Computeralgorithmen noch keine bahnbrechenden Lösungen fand. So hat man beispielsweise das Damenspiel, für das man bereits 1959 den Algorithmus gefunden hat, der den menschlichen Weltmeister besiegte, schon sehr früh nicht mehr als künstliche Intelligenz betrachtet. Später war die wissenschaftliche Gesellschaft jedoch nicht mehr so ​​streng zu sich selbst, und nach dem die menschlichen Weltmeister in Schach und Go gegen die Maschine verloren, galten Schach und Go immer noch als Teil des Begriffsfeldes der künstlichen Intelligenz. Dies liegt hauptsächlich daran, dass die für diese beiden Spiele entwickelten Algorithmen auch für gänzlich andere Bereiche angewendet werden konnten.
 
Langsam entwickelt sich eine eigenständige technische Disziplin, wo es darum geht, für den Menschen schwierige, viel Nachdenken erfordernde Aufgaben mit dem Computer zu lösen. Nur dass in jedem Teilbereich sich mehr oder weniger unterschiedliche spezifische Algorithmen als wirksam erwiesen.
 
Heute können wir nicht mehr über künstliche Intelligenz sprechen, jedenfalls nicht im Allgemeinen. In vielen Bereichen ist es jedoch gelungen, ein Programm zu entwickeln, das mit den besten menschlichen Köpfen des jeweiligen Gebietes mithält. Im Allgemeinen können die besten Ergebnisse mit einem losen Konglomerat unterschiedlicher, parallel laufender Algorithmen erzielt werden. Doch auch da gibt es Ausnahmen, es kommt zum Beispiel vor, dass ein gut programmiertes künstliches neuronales Netzwerk zum Gewinner wird - im Fall des Zauberwürfels ist es auf diese Weise gelungen, den "Algorithmus Gottes" zu finden.
 
So wie dem Computer beigebracht worden war, Schach oder Go zu spielen, konnte ihm auch beigebracht werden, in verschiedenen medizinischen Bereichen Diagnosen aufzustellen, aus einer Sprache in eine andere zu dolmetschen, ein Auto zu fahren oder Gedichte zu schreiben, Musik zu komponieren, Bilder zu malen. Alles, was der Mensch meisterhaft beherrscht, werden früher oder später auch diese Maschinen lernen, vorausgesetzt es gibt Werke oder Verhaltensweisen, von denen ausgegangen werden kann.  Es gibt bereits vieles, was sie schon jetzt ausgezeichnet können, z. B. Auto fahren, aus dem Chinesischen ins Englische übersetzen, bestimmte Krankheiten diagnostizieren, oder Schulaufgaben korrigieren.
 
In den soeben erwähnten Bereichen befinden sich die Maschinen in einer weniger glücklichen Lage als im Fall von Schach oder Go, denn wenn sie bei diesen endlich den Punkt erreichen, selbstlernend zu werden, stellt es sich bei Schach oder Go letztlich immer heraus, wer von den "zwei Ichs" der Maschine, die gegeneinander spielen, der Gewinner ist, in den obigen Bereichen funktioniert dies jedoch meistens nicht. Wo die Möglichkeit besteht, ihnen eine ausreichend exakte Definition davon zu geben, wann etwas gut funktioniert und wann es schief läuft, haben Maschinen die Chance, die menschlichen Meister zu übertreffen, genauso wie sie es im Schach oder im Go tun. Wo den Maschinen viele Lehrbeispiele gezeigt werden können, wie zum Beispiel in der medizinischen Diagnostik, können sie ebenso ungefähr das Niveau von menschlichen Großmeistern erreichen, selbst wenn sie in diesen Bereichen heute dieses Niveau noch nicht übertreffen können. Außer wenn eine ziemlich gute Simulation für das jeweilige Gebiet gegeben werden kann, wie zum Beispiel im Falle des Straßenverkehrs.
 
Als die Geschwindigkeit der Maschinen es ermöglichte, festzustellen, wie effizient die gegebenen Algorithmen wirklich sind, begann die Evolution der Best-Practice-Beispiele. Und ein Evolutionsprozess führt nicht nur im Falle der Tier- und Pflanzenwelt zu einer erstaunlichen Vielfalt und Komplexität der entstehenden Kreaturen, sondern auch im Falle der Algorithmen. Programme der künstlichen Intelligenz sind inzwischen so komplex geworden, dass häufig nicht einmal ihre Entwickler im Klaren darüber sind, was die Programme warum tun. Während die Hersteller künstlicher Intelligenzen zwar wissen, wann welche Algorithmen gewöhnlich am besten funktionieren, wissen sie immer weniger genau, warum gerade diese, und warum sie gerade auf jener Weise(zum Beispiel mit den jeweiligen Parametern) schließlich am funktionstüchtigsten sind.
 
Obwohl ein Computer, der Schach oder Go spielt, selbst die besten menschlichen Spieler besiegt, versteht er währenddessen nichts von dem, was er tut. Bei Maschinen und ihren Schöpfern besteht in dieser Frage jedoch ein riesiger Unterschied. Keiner Maschine geht es je durch den Kopf, wissen zu müssen, was sie warum tut, nur ihre Schöpfer glauben hartnäckig daran, es wissen zu müssen. Ein Programm stört es nicht weiter, dass es nichts über sich selbst weiß. Es ist einfach kein Element eingebaut, dem sich diese Frage stellen würde. Es spielt weder Schach noch Go, weil es etwa Lust dazu empfindet, weil es dies am liebsten tut oder weil dies sein Job ist, sondern weil er nichts anderes tun kann, nicht einmal essen oder schlafen. Es ist eine Maschine und nur eine Maschine, genau wie ein Auto oder eine Drechselbank.
 
Künstliche Intelligenz ist eine technische Wissenschaft, in der es hauptsächlich um Best-Practice-Lösungen geht. KI-Entwickler stört es daher weder, wenn die sich als brauchbar erweisenden Lösungen in jedem Bereich anders sind, noch wenn sie nicht wirklich verstehen, wie die Programme funktionieren. Es reicht ihnen völlig aus, wenn sie in der Praxis gut arbeiten.
 
Algorithmen, die große Datenmengen verarbeiten, können nach einer bestimmten Zeit vom Menschen nicht mehr verstanden werden, ebenso wie das Christentum Gott und seinen Plan nicht zu verstehen vermag, oder Ke Jie das Alpha Go. Algorithmen werden gegenwärtig zwar noch von Menschen geschrieben, die Entwickler der Algorithmen können jedoch jetzt schon nicht mehr sagen, was eine künstliche Intelligenz warum tut. Und wenn der Algorithmus selbstlernend ist und seine eigenen abertausend Parameter aufgrund einer unzählbaren Menge an Daten unentwegt verfeinert, besteht die Möglichkeit, dass er schließlich zu einem Wissen gelangt, das der Mensch nicht mehr in der Lage sein wird zu verstehen. Zwar versteht der Algorithmus selbst dieses Wissen auch nicht, das hindert ihn jedoch nicht im Geringsten daran, es anzuwenden - doch was genau?
 
Ursprünglich beendete ich den vorherigen Satz folgendermaßen: die Zusammenhänge anzuwenden, die er erschlossen hat. Dann dachte ich aber: der Algorithmus selbst weiß nicht einmal, was Zusammenhänge sind. Er erschließt sie, er wendet sie an, hat jedoch nicht die leiseste Ahnung davon, was er erschloss und was es heißt, etwas anzuwenden. Dieses Wissen ist ihm genauso fremd, wie wir Menschen auch nicht im Klaren darüber sind, wie sich unsere Neuronen entladen. Unser Denken kommt zweifellos aufgrund der Entladungen unserer Neuronen zustande, aber wir wissen derzeit fast nichts darüber, wie dies genau passiert. Und wenn es der Wissenschaft jemals gelingen würde, aufzudecken, wie die Entladung von Neuronen zu einem Gedanken werden kann, würde dieses Wissen auch nicht im Geringsten dazu beitragen, besser denken zu können. Diesen Algorithmus braucht man nicht zu kennen, um denken zu können.
 
Im Falle der derzeitigen Erfolgsprodukte der künstlichen Intelligenz macht es einfach keinen Sinn, die Frage zu stellen, wie intelligent sie sind. Die Intelligenz eines Menschen wird nicht danach beurteilt, wie gut er IQ-Testaufgaben lösen kann, sondern danach, wie erfolgreich er seinen Platz in der Welt findet. Dies kann zwar mit Hilfe von IQ-Tests recht gut vorhergesagt werden, zwischen Intelligenz und den Fähigkeiten, die zur Lösung der Aufgaben von IQ-Tests erforderlich sind, besteht jedoch kein Verhältnis eins zu eins.
 
Bereits bei dem heutigen Stand der Entwicklung der künstlichen Intelligenz kann man Algorithmen erstellen, die IQ-Testaufgaben effizienter lösen als ein beliebiger Mensch. Vergebens löst jedoch ein Computer diese Tests besser als ein Mensch, man wird ihn nicht für intelligent halten, höchstens für einen guten IQ-Testlöser, so wie man die andere Maschine für einen unbesiegbaren Schachspieler, Autofahrer, medizinischen Diagnostiker oder Korrigierer von Schulaufgaben hält - aber nicht für intelligent.
 
In Schulen kann man den Schülern viel geben, vieles, aber keine Intelligenz. Dies gilt umso mehr im Falle der künstlichen Intelligenz. Der Name täuscht zwar, aber Intelligenz im wahrsten Sinne des Wortes können wir ihr nicht geben, zumindest noch nicht, wir können ihr nur beibringen, bestimmte Aufgaben zu lösen. Und dies noch erfolgreicher als bei Schülern.

 

Top