Team Mensch oder Team Roboter?
September 18, 2017
Aus dem Unterricht des CAS Digital Finance mit Pascal Kaufmann berichtet René Bless:
In einem Referat an der Hochschule für Wirtschaft in Zürich ruft der Hirnforscher Pascal Kaufmann gleich zu Beginn in Erinnerung, dass wir uns aufgrund unseres zeitbegrenzten irdischen Daseins nur limitiert Wissen aneignen können. Allein deshalb begeistert es ihn, unsere Möglichkeiten künstlich zu erweitern oder gar Wissen mittels Lasertechnologie direkt ins Hirn einzuspeisen. Dies steht in direktem Zusammenhang mit Artificial Intelligence (AI) und dem Braincode.
In jüngster Zeit häufen sich Berichterstattungen über Artificial Intelligence. Enthusiasten der künstlichen Intelligenz (KI) prophezeien unbegrenzte, neue Möglichkeiten. Verschwörungstheoretiker dagegen befürchten, dass wir dereinst von Robotern geknechtet werden. Tatsächlich könnte ein Durchbruch auf dem Forschungsgebiet der künstlichen Intelligenz in Kombination mit enormer Rechenleistung die technologische Singularität herbeiführen. Ab diesem Zeitpunkt würde sich der Fortschritt selbst beschleunigen. Nicht verwunderlich also, dass prominente Vertreter aus Wirtschaft und Politik sich dafür einsetzen, dass diese potenzielle Macht nicht in den Händen Einzelner liegt.
Das Streben nach göttlicher Macht war schon in der Antike präsent. Das Interesse an künstlicher Intelligenz hielt an und erfuhr einen Aufschwung, als Frank Rosenblatt in den Fünfzigerjahren das erste künstliche neuronale Netzwerk, das Perzeptron, vorstellte. Seither wurde das Modell in erster Linie verfeinert. Der grosse Fortschritt ist insbesondere der verbesserten Rechenleistung von Computern und den grossen Massen an zugänglichen Daten für das Training des Netzes zuzuschreiben.
Die verbesserte Methode des neuronalen Netzwerkes heisst heute Deep Learning (DL) und wird als Teilbereich von Machine Learning (ML) verstanden. Machine Learning wiederum steht als Oberbegriff für Verfahren, Wissen aufgrund von Erfahrung zu generieren. Damit ist ein Computer in der Lage zu lernen und Verhaltensentscheidungen zu treffen, für die er nicht explizit programmiert worden ist. Erkannte Muster und Gesetzmässigkeiten helfen ihm, Lösungen auf unbekannte Probleme zu finden. Ein prominentes Beispiel dafür ist die automatische Erkennung von Gesichtern.
Deep Learning und Machine Learning sind per Definition Teilgebiete von Artificial Intelligence. Der Einfachheit halber und sicherlich auch zu Marketingzwecken wird oftmals nur der Oberbegriff verwendet. Streng genommen kann beim jetzigen Forschungsstand allerdings nur von schwacher künstlicher Intelligenz, sogenannter Narrow Artificial Intelligence (NAI), gesprochen werden. Es sind einzelne menschenähnliche Fähigkeiten, in denen die Maschine dem Menschen in gewissen Situationen überlegen ist. So hat zum Beispiel ein Programm von Google das Go-Genie Lee Sedol im letzten Jahr bei einem Brettspiel-Turnier mehrmals geschlagen. Die allgemein gültige Definition von starker künstlicher Intelligenz, auch bekannt als General Artificial Intelligence (GAI), orientiert sich dagegen an der Grundgesamtheit aller Fähigkeiten eines Menschen.
In dieser Hinsicht betont Pascal Kaufmann, dass echte künstliche Intelligenz (noch) nicht existiert. Als Voraussetzung dafür sieht er den Braincode, den es zu knacken gilt. Er legt grossen Wert darauf, die Prinzipien des menschlichen Hirns zu verstehen, um diese auf den Computer übertragen zu können. Anhand verschiedener Forschungsarbeiten zeigt er dabei auf, dass dieser Prozess noch ganz am Anfang steht. Gleichzeitig ruft er uns auf, die neusten Technologien aktiv einzusetzen, um unsere Fähigkeiten und unser Wissen zu erweitern – zum Beispiel mit Augmented Reality (AR), also der künstlich erweiterten Realitätswahrnehmung. Nach ihm sollen wir Cyborgs (Mischwesen aus Mensch und Maschine) werden. So spielen wir weiterhin – wenn auch mit Unterstützung von Robotern – im Team Mensch.