Künstliche Intelligenz: Chancen und Risiken der technischen Entwicklung

Für Google-Chef Sundar Pichai ist die Sache klar. Die Informationsverarbeitung auf der Basis von künstlicher Intelligenz ist eine der wichtigsten Entwicklungen der Menschheit, umwälzender noch als die Entdeckung des Feuers und der Elektrizität, erklärte er Anfang 2018 in einem Interview.

Das sind starke Worte, und sie kommen von einem, der es wissen muss. Google ist mit seiner Tochterfirma Deep Mind ein führender Akteur bei der Entwicklung der künstlichen Intelligenz, und in immer mehr Google-Produkten – vom Spam-Filter in Gmail bis zum Sprachassistenten im Android-Betriebssystem – steckt intelligente Software.

Die von Deep Mind entwickelte KI Alpha Zero erzielte 2017 einen Durchbruch, indem sie innerhalb kürzester Zeit die Brettspiele Go, Schach und Shogi lernte, und darin besser wurde als jeder menschliche Spieler.

Das Gehirn als Vorbild
Hinter KI stehen Konzepte der Informationsverarbeitung, die mehr als 50 Jahre alt sind und sich in ihrer Struktur am menschlichen Gehirn orientieren. Sie unterscheiden sich grundlegend von einer klassischen Softwarearchitektur, die eintreffende Daten sequenziell nach dem immer gleichen Muster verarbeitet. Diese liefert Ergebnisse mit hundertprozentiger Präzision, aber sie setzt Genauigkeit vor Geschwindigkeit und das Verarbeitungsschema ist statisch.

Ganz anders das menschliche Gehirn, das in jeder Sekunde mit einer gewaltigen Datenflut von Umwelteinflüssen konfrontiert wird und diese in Echtzeit verarbeiten muss. Dafür hat sich eine dynamischere Struktur als vorteilhaft erwiesen. Ein Gehirn besteht aus etwa 85 Milliarden Neuronen, von denen man sich jedes einzelne als einen Mini-Prozessor mit integrierter Datenspeicherung und -verarbeitung vorstellen kann.

Für sich genommen ist ein Neuron nicht leistungsfähig, aber es steht mit einer Vielzahl von anderen Neuronen in Verbindung, die zusammen ein gewaltiges Netzwerk bilden, das wiederum in unzählige funktionale Netzwerke unterteilt ist, die eintreffende Daten nach einer ausgeklügelten Hierarchie verarbeiten.

Das System lernt
Ein künstliches neuronales Netzwerk bildet diese Grundstruktur des menschlichen Gehirns nach. Dazu werden einfache Berechnungseinheiten simuliert (Neuronen), die in Schichten hierarchisch angeordnet und über Verknüpfungspunkte miteinander verbunden sind (Synapsen).

Die unterste Schicht wertet einfache Informationen aus, zum Beispiel Kanten in einem Bild, und leitet die Ergebnisse an die nächsthöhere Ebene weiter, die bereits in der Lage ist, die Kanten zu Formen zusammenzufassen. Je mehr Schichten übereinander angeordnet sind, desto „tiefer“ ist die neuronale Struktur (daher der Begriff „Deep Learning“) und desto höher die Komplexität.

Auf der obersten Schicht können Bildinhalte klassifiziert werden, zum Beispiel der Strand, das Haus der Hund oder die Katze. Entscheidend ist dabei die autonome Lernfähigkeit des Systems: Nach der Analyse von 1000 Hundebildern ist ein künstliches neuronales Netz in der Lage, Hunde künftig selbstständig zu identifizieren, weil die für die Mustererkennung nötigen Verknüpfungspunkte zwischen der obersten und der untersten Schicht dichter geworden sind.

Ein solches Netzwerk kann große Datenmengen nicht einfach auswerten – je mehr Daten analysiert werden, desto besser wird das Ergebnis. Die interne Struktur des Netzwerkes verändert und optimiert sich permanent in Abhängigkeit der von außen eintreffenden Informationen.

Der Rohstoff der Zukunft
Wenn von künstlicher Intelligenz die Rede ist, dann ist ein Computerprogramm gemeint, das Daten wie ein künstliches neuronales Netz verarbeitet. Es handelt sich also um reine Software. Die kann auch auf einem herkömmlichen Computer laufen, ist aber wesentlich leistungsstärker, wenn die Hardware für diese spezifische Form der Datenverarbeitung optimiert ist. Mittlerweile sind entsprechende Prozessoren erhältlich, Googles Tensor Flow Processing Units (TPU) spielen eine wichtige Rolle, bei Smartphones ist Huawei mit der Neural Processing Unit (NPU) auf dem aktuellen Chipsatz Kirin 970 vorne dabei. Ihre Architektur ist an einem klassischen Grafikprozessor (GPU) orientiert, weil dieser für die parallele Berechnung vieler kleiner Einheiten optimiert ist.

Spezialisierte Hardware ist auch dringend erforderlich, denn ein künstliches neuronales Netzwerk erfordert sowohl beim Training als auch bei der Anwendung eine enorme Rechenkraft. Eine weitere Voraussetzung ist die Verfügbarkeit großer Datenmengen, denn das Netzwerk muss trainiert werden, um gute Ergebnisse zu produzieren. Es ist kein Zufall, dass der Aufstieg von KI mit dem dramatischen Anwachsen von Rechenleistung und digitalen Datenbeständen zusammenfällt – und dass Datensammler wie Google Pionierarbeit leisten. Daten sind der Rohstoff der Zukunft.

Alles wird schneller
Künstliche neuronale Netze kann man sich vorstellen wie gigantische Beschleuniger. Die Datenverarbeitung, vor allem die Mustererkennung in großen Datenmengen, erreicht eine Geschwindigkeit und Präzision, die bisher nicht für möglich gehalten wurde. Das führt dazu, dass der Computer neue Bereiche erschließt, in denen der Mensch bisher überlegen war. Eine auf die Tumorerkennung in Röntgenbildern ausgerichtete KI wird bösartige Wucherungen mit zunehmendem Training besser erkennen als ein Arzt.

Gesellschaft im Wandel
KI bringt also auch einen gesellschaftlichen Paradigmenwechsel: Wir haben uns daran gewöhnt, dass eine Maschine schneller rechnen kann als wir und nutzen gerne Taschenrechner. Aber jetzt werden wir mit der Tatsache konfrontiert, dass Maschinen die besseren Autofahrer sein werden, dass sie die besseren Schachspieler sind, dass sie bessere medizinische Diagnosen stellen. Einige Experten gehen davon aus, dass jede repetitive Tätigkeit früher oder später von einer KI besser erledigt werden kann als von einem Menschen.

Die Gesellschaft steht vor einem grundlegenden Wandel und die daraus resultierenden Sorgen und Unsicherheiten werden in der aktuellen Diskussion um die Gefahren durch KI gespiegelt. Diese Debatte muss noch viel intensiver geführt werden. Wichtig ist in diesem Zusammenhang aber, dass es bei KI nicht darum geht, den Menschen durch Algorithmen zu ersetzen. KI wird ihn von reproduzierbaren und monotonen Tätigkeiten befreien. Ein Arzt muss nicht mehr Stunden mit der Analyse von Röntgenbildern verbringen, stattdessen hat er mehr Zeit für seine Patienten.

Persönlicher Assistent

Tag: