HTWK

Können Maschinen denken? – Künstliche Intelligenz aus wissenschaftlicher Sicht

In der fünften Werkstattwoche des Insurance Innovation Lab zum Thema Künstliche Intelligenz (KI) beleuchtete Prof. Dr. Sibylle Schwarz von der HTWK Leipzig die Technologie aus der wissenschaftlichen Perspektive. Die Expertin auf dem Lehrgebiet Theoretische Informatik stellte zunächst die historische Entwicklung intelligenter Maschinen dar, bevor gemeinsam mit den Teilnehmern aktuelle wissenschaftliche Erkenntnisse und Projekte diskutiert wurden.

Die Entwicklung von Künstlicher Intelligenz

Die Frage nach der Erzeugung von Künstlicher Intelligenz (KI) ist kein Phänomen des Jahres 2017. Schon seit vielen Jahren beschäftigen sich die Menschen mit „intelligenten Maschinen“. Einen großen Meilenstein hat Alan Turing 1950 mit dem „Imitation Game“ gesetzt. Das Denkvermögen eines Computers wird dabei durch eine Fragesituation getestet, indem der Computer versucht, wie ein Mensch zu antworten und zu handeln. Wie auf der Abbildung zu erkennen ist, kommuniziert Person C dabei schriftlich mit A und B. Die Maschine A soll so antworten, dass es Person C nicht bemerkt, dass es sich um eine Maschine handelt.

Prof. Dr. Schwarz erklärte, dass die wesentlichen Bestandteile der Forschungsrichtung Künstlicher Intelligenz aus den drei Gebieten Programmiersprache, Kognitionswissenschaften und Informationstechnologie kommen. John McCarthy, der Entwickler der Programmiersprache Lisp, definierte 1955 die folgenden vier Punkte als wesentlich für intelligente Maschinen:

  1. Natürliche Sprache
  2. Abstraktion und Entwicklung von Begriffen
  3. Lösen von Aufgaben, die bis dahin nur Menschen lösen konnten
  4. Sich selbst verbessern.

Verknüpfung von „symbolischen und statistischen Ansätzen Künstlicher Intelligenz“ als nächster großer Schritt

Nach vielen Jahren der Forschung und enormen technologischen Fortschritten setzen sich Forscher aktuell noch immer mit den von McCarthy konstatierten Eckpunkten auseinander. Wurde das Problem der natürlichen Sprache zum Beispiel weitestgehend gelöst, so stellt die Abstraktion und Begriffsentwicklung Forscher und Praktiker auch heute noch vor große Herausforderungen.

Grundsätzlich kann zwischen zwei verschiedenen Ansätzen der KI unterschieden werden: statistisch und symbolisch. Statistische Verfahren simulieren das menschliche Verhalten, zum Beispiel durch künstliche neuronale Netze, die durch viele Anwendungsfälle trainiert werden. Prof. Dr. Schwarz beschreibt diese Methode als „schwache KI“. Logische Verfahren hingegen simulieren das menschliche Denken und logische Schließen. Somit kann jede Entscheidung des Computers logisch begründet werden. Diesen Prozess nennt die Expertin für Theoretische Informatik „starke KI“. Sibylle Schwarz schätzt die Kombination aus beiden Systemen als am zukunftsfähigsten ein und sieht in der Verknüpfung beider Ansätze den nächsten großen Schritt auf dem Forschungsgebiet der Künstlichen Intelligenz. Diese These spiegelt sich unter anderem in den bisherigen „Erfolgsgeschichten“ Künstlicher Intelligenz wider. 1996 hat eine Maschine das erste Mal gegen den damaligen Schachweltmeister Kasparow gesiegt. Der von IBM entwickelte Watson schlägt 2011 zwei Champions in einer Quizshow. Ein Jahr später wurde dann das erste autonome Fahrzeug von Google zugelassen. Diese Erfolge fußen auf der Kombination aus statistischer und logisch entwickelter Intelligenz.

Warum der Hype um Künstliche Intelligenz?

Prof. Dr. Schwarz zeigte in ihrem Vortrag weiterhin auf, dass KI schon lange Zeit ein Thema von Wissenschaft und Praxis ist. Weshalb ist das Thema aber ausgerechnet momentan in aller Munde? Die Wissenschaftlerin geht davon aus, dass zum Großteil die Weiterentwicklung der Computertechnik und die damit einhergehende Möglichkeit, große Datenmengen zu speichern und zu verarbeiten dafür verantwortlich ist. Hinzu kommt die damit zusammenhängende Verfügbarkeit der gespeicherten Daten und deren Strukturierung. Einen derzeit noch wesentlich kleineren aber dennoch nennenswerten Einfluss misst Schwarz den neu entwickelten Algorithmen und Typen neuronaler Netze bei. Auf diesen Gebieten ist in den nächsten Jahren noch eine starke Weiterentwicklung zu erwarten.

Die Bereiche, in denen KI bereits die Fähigkeiten eines Menschen übertrifft, betreffen ihrer Einschätzung nach die Erkennung und Klassifikation von Objekten sowie die Reaktion auf klar erkannte Situationen. Den menschlichen Fähigkeiten kommt Künstliche Intelligenz bei der Erkennung natürlicher Sprache, der Bilderkennung und der Steuerung autonomer Fahrzeuge nahe.

Wie kann Intelligenz vermittelt werden?

Um Computern Intelligenz beizubringen, können verschiedene mehr oder weniger autarke Lernstrategien angewendet werden. Das überwachte Lernen sieht eine Übung mit einem Trainer vor, der nach jedem Versuch die richtige Lösung präsentiert. Ziel dieser Strategie ist es, Nachahmung hervorzurufen. Außerdem besteht die Möglichkeit des bestärkenden Lernens. Auch bei dieser Strategie ist ein Training mit einem Lehrer vorgesehen, welcher allerdings nach einem Versuch lediglich verrät, ob die Lösung korrekt war oder nicht. Darüber hinaus kann das Konzept des unüberwachten Lernens angewendet werden, das ein Training ohne Lehrer vorsieht. Ziel ist dabei das selbstständige Finden eines möglichst guten Lösungswegs. Eine weitere Methode ist das Wettbewerbs-Lernen. Hier wird ebenfalls auf einen Lehrer verzichtet. Allerdings ist die Kommunikation mit Konkurrenten erlaubt – mit dem Ziel, gemeinsam eine Lösung zu finden.

What’s next?

Rege diskutiert wurde zum Abschluss des Vortrags von Prof. Dr. Schwarz über Weiterentwicklungen der Künstlichen Intelligenz. Besonders das Thema autonomes Fahren war Inhalt der Diskussion, da es hier viele Überschneidungen mit der Assekuranz gibt und die Thematik von hoher Aktualität und Brisanz ist. Während das Problem des reinen Fahrprozesses durch intelligente Autos nämlich nahezu gelöst zu sein scheint, sind gerade im Bereich der moralischen Handhabung noch viele Fragen offen.

 

 

Hinterlasse einen Kommentar

CAPTCHA

*

9 + = 10