Artificial Intelligence – Part 1
September 9, 2019
Aus dem CAS Disruptive Technologies mit Dr. Marcel Blattner berichtet Eduardo Cardozo über Artificial Intelligence Part 1.
08:15 Uhr, der Unterricht beginnt. Wie der Titel schon sagt, geht es heute Morgen um Artificial Inteligence. Marcel betont gleich zu Beginn wie wichtige es ihm sei, dass wir uns aktiv am Unterricht beteiligen und fragt uns was wir eigentlich unter Artificial Intelligence (AI) verstehen. Marcel vertritt nämlich die Meinung, dass AI in den Medien gehypt wird und dadurch sehr viel “Bullshit” geschrieben wird.
Was versteht die Klasse unter AI:
- Selbstlernende Systeme (gibt es laut Marcel aber nicht)
- Lernen durch Erfahrung (kann man laut Marcel gelten lassen)
- rational Inteligent
- AI ist ein Orakel
- Intelligenter Assistent
- Expertensysteme (auf eine spezifische Aufgabe spezialisiert)
- Human is Key (Systeme sind abhängig vom Input)
Marcel erdet uns gleich zu Beginn. AI ist weder kognitiv, noch erkennt sie Dinge. Es handelt sich um reine mathematische Formeln und ein System, dass keine Kausalitäten lernen kann. Zum Beispiel kann ein selbstfahrendes Auto berechnen, ob es abbremsen muss oder nicht, wenn ein Ball auf die Strasse rollt. Jedoch kann es nicht wissen, ob dem Ball ein Kind hinterherrennt. Die Medien geben uns Teils ein völlig falsches Bild von AI und dessen zukünftigen Entwicklung. Die Bestrebung eine Maschine mit einem Bewusstsein zu entwickeln, kommt aus dem Transhumanisums. Es ist seit je ein Bedürfnis der Menschen unsterblich zu sein. Marcel zeigt uns einige Negativbeispiele aus den Medien, wie Journalisten Fakten völlig falsch darstellen. Problematisch ist, dass die Leser auf diesen Artikeln ihre Meinung zu AI bilden.
Wichtig ist, Artikel in den Zeitungen gut zu hinterfragen, damit man genau solchen “Bullshit” erkennet und Wahrheit von Erfundenem zu unterscheiden weiss.
Der Einfluss der Kultur und Religion auf die Technologie
Japan ist bspw. in der Robotik massiv weiter als die westlichen Länder. Grund dafür ist, dass die Gesellschaft diese Technologien viel besser akzeptiert und weniger Berührungsängste hat. Dies hat seinen Ursprung zum einen in den Mangas (Comics). Dort wurden nach dem zweiten Weltkrieg zur Traumaverarbeitung Technologien, die Menschen unbesiegbar machten eingeführt. Ein weiterer Grund ist die Shinto-Religion. Im Rahmen dieser hat jedes menschlich geschaffene Objekt eine Seele. Dadurch pflegen sie einen ganz anderen Umgang mit Maschinen und Robotern und nehmen diese viel einfacher gesellschaftlich auf.
In den westlichen Ländern wird im Gegensatz viel mehr auf die Gefahren und die negativen Aspekte einer neuen Technologie eingegangen. Das führt dazu, dass es neue Technologien in der westlichen Hemisphäre schwerer haben, um von der Gesellschaft akzeptiert zu werden.
Wichtig sind auch Sprache und Begriffe, die verwendet werden, um über solche Technologien zu kommunizieren. Es werden oft Begriffe verwendet, die eine Assimilation zum Menschen herstellen. Unsere Meinung und unser Wissen wäre anders, wenn eine eher technische Sprach für AI verwendet würde.
Was ist Artificial Intelligence also nun?
Vorweg: Es gibt nicht “die” Definition. AI ist ein interdisziplinäres Forschungsgebiet, das man in 4 Denkschulen einteilen kann:
Ein weiterer Ansatz ist die Unterscheidung von Starker und Schwacher AI:
Alles was wir heute unter AI verstehe gehört der Kategorie der “Schwachen AI” an.
Algorithmen sind Symolisch oder Konnektionistisch:
- Symbolisch: Ein Mensch definiert Regeln nach denen gerechnet wird. Bspw. “If this, than that”. Hier können Menschen die Regeln verstehen. Auch Kausalität kann modelliert werden.
- Konnektionistisch: Nicht der Mensch definiert die Regeln, sondern der Computer selbst. Diese Regeln können wir oft nicht verstehen. Bspw. Wir geben einem Computer 100’000 Bilder mit Katzen. Der Computer definiert Regeln, mit denen er die Tiere identifizieren kann. Diese Regeln sind für Menschen nur schwer oder gar nicht interpretierbar. Die Systeme sind alle deduktiv, weil sie nicht kausal verstehen was sie eigentlich tun. Es sieht keine kausalen Zusammenhänge sondern lediglich eine logische Abfolge von Prämissen.
Die drei verschiedenen Arten von Maschinen zu lernen
Supervised Learning
Man hat einen Datensatz und kennzeichnet (labelt) diese. Die Maschine lernt eine Korrelation zwischen den Daten und den Labels. Diese Korrelationen sind in der Maschine als Muster definiert.
Unsupervised Learning
Die Maschine soll Muster in Daten finden ohne diese zu labeln.
Marcel zeigt uns ein Beispiel wie eine Maschine eine Abstraktion lernt und dann aus dieser Abstraktion dieses Logo wieder zeichnen kann. Niemand kann sagen wie diese Abstraktion zustande gekommen ist. Physiker sind jedoch bestrebt diese Muster mit Regeln zu definieren.
Schluss
Zum Abschluss des Morgens schauen wir noch ein Video in dem visualisiert wird wie die Neuronen eines neuronalen Netz “happy” sind und aufleuchten. Aus einem einfach Bilden werden immer abgefahrenere Bilder, die immer mehr dem tatsächlichen Bild ähneln.