Technik

Technik-Trend 2018 Was heißt hier eigentlich Künstliche Intelligenz?

Künstliche Intelligenz ahmt Fuktionen des menschlichen Gehirns nach, ist ihm bisher aber nur in Teilbereichen überlegen.

Künstliche Intelligenz ahmt Fuktionen des menschlichen Gehirns nach, ist ihm bisher aber nur in Teilbereichen überlegen.

(Foto: imago/Science Photo Library)

Vom Smartphone bis zum Fernseher gibt es immer mehr Geräte, die angeblich über Künstliche Intelligenz (KI) verfügen. Klingt toll, aber was ist damit eigentlich gemeint und bedeutet KI automatisch überlegene Technik?

Auf der Consumer Electronics Show (CES) in Las Vegas wimmelte es von Geräten, die laut Hersteller über eine Künstliche Intelligenz (KI) verfügen. Unter anderem nutzt Samsung die Technik bei einem Fernseher-Prototypen, um Full-HD-Inhalte auf 4K-Auflösung hochzuskalieren. Nissan lässt eine KI im Auto mitsteuern und die digitalen Sprachassistenten von Google und Amazon waren auf der Messe allgegenwärtig. Und wie Apple mit seinem Bionic-Chip und Huawei mit dem neuronalen Prozessor im vergangenen Herbst gezeigt haben, ist der Siegeszug der KIs auch bei Smartphones nicht mehr aufzuhalten. Der Begriff "Künstliche Intelligenz" ist allerdings ziemlich schwammig. So recht weiß kaum ein Nutzer, was damit genau gemeint ist und eine KI ist auch nicht unbedingt so intelligent, wie man sich das vielleicht vorstellt.

Künstliche Intelligenz

Künstliche Intelligenz ist keine neue Erfindung. Schon seit den 50er Jahren wird daran geforscht. Und es muss sich auch nicht gleich um eine denkende Maschine handeln: Als KI bezeichnet man grundsätzlich Programme, die selbstständig eine Aufgabe erledigen können, für die normalerweise menschliche Intelligenz notwendig ist. Idealerweise tut die KI das schneller als ein Mensch.

Auch an Maschinen, die menschliches Denken simulieren können, wird schon seit über 60 Jahren geforscht. So erfand der britische Mathematiker Alan Turing schon 1950 den Turing-Test, der auch heute noch zum Einsatz kommt. Beispielsweise wird er angewendet, um die Qualität von Chatbots zu testen. Dabei chattet eine Person (A) mit zwei weiteren (A und B), von denen eine ein Bot ist. Kann A erkennen, ob A oder B die Maschine ist?

Eine vereinfachte Darstellung eines künstlichen neuronalen Netzwerks.

Eine vereinfachte Darstellung eines künstlichen neuronalen Netzwerks.

(Foto: Wikipedia, Dake, Mysid)

Künstliche neuronale Netzwerke

Wenn heute von einer KI die Rede ist, kommen normalerweise künstliche neuronale Netzwerke zum Einsatz. Das sind Programme, die Funktionen des menschlichen Gehirns vereinfacht nachahmen. Neuronen nehmen Informationen auf, verarbeiten sie und geben ein Ergebnis aus. Das einfachste Netzwerk besteht aus einer Eingabeschicht, einer Zwischenschicht und einer Ausgabeschicht.

Je mehr Schichten zwischen Eingabe und Ausgabe die Signale "filtern", umso komplexere Aufgaben kann ein künstliches neuronales Netzwerk übernehmen. Dabei werden die Informationen immer an alle Neuronen der folgenden Schicht weitergegeben, die wiederum alle miteinander verbunden sind. Der Einfluss eines Neurons auf das Endergebnis wird durch die Gewichtung der Verbindungen bestimmt. Übertreffen die gebündelten Informationen einen Schwellenwert, wird eine Ausgabe erzeugt.

Training macht den Meister

Normalerweise kann ein neuronales Netzwerk immer nur eine Aufgabe erledigen, auf die es trainiert wurde, beispielsweise Bild- oder Spracherkennung. Dazu benötigt man möglichst viele Beispiele in einem Datenpool, damit die KI lernen kann, was ein Auto, ein Haus oder ein Gesicht ist.

Mehrere Schichten "filtern" Bildinformationen, bis die KI sagen kann, ob das Foto eine Katze oder einen Hund zeigt.

Mehrere Schichten "filtern" Bildinformationen, bis die KI sagen kann, ob das Foto eine Katze oder einen Hund zeigt.

(Foto: Google)

Das Training beginnt man mit beliebigen Werten und passt sie nach und nach an, indem man Gewichtungen und Schwellenwerte verändert. Dabei vergleicht man das gelieferte mit dem gewünschten Resultat und justiert so nach, dass Fehler minimiert werden.

Maschinelles Lernen/Deep Learning

Wenn ein Programm aus Beispielen selbstständig lernt, Muster zu erkennen und damit neue Regeln aufstellt oder Lösungen entwickelt, nennt man das maschinelles Lernen (Machine Learning). Maschinen können so beispielsweise lernen, auf Fotos Hunde und Katzen zu unterscheiden.

Nachdem sie mit einer großen Zahl von Beispielbildern gefüttert wurden, die jeweils mit "Hund" oder "Katze" gekennzeichnet (getagt) sind, suchen die Programme nach gemeinsamen Eigenschaften und Gesetzmäßigkeiten, um ein Muster zu erstellen, das auf andere Fotos angewendet werden kann. Indem es Feedback erhält, ob es richtig liegt oder nicht, passt es sein Muster an und verfeinert es, bis es treffsicher genug ist. Je mehr Daten das Netzwerk verarbeitet, umso besser wird es. Der Lernprozess hört also eigentlich nie auf.

Intels Chip "Nervana" ist ein KI-Spezialist.

Intels Chip "Nervana" ist ein KI-Spezialist.

(Foto: Intel)

Genau genommen handelt es sich bei dem genannten Beispiel um Deep Learning (tiefgehendes Lernen). Denn um so komplexe Aufgaben wie Bild- oder Spracherkennung zu beherrschen, werden viele Zwischenschichten benötigt. Ab wie vielen Schichten von Deep Learning gesprochen wird, ist nicht genau festgelegt. Egal ob Smartphone, autonomes Auto, smarter Fernseher oder andere Bereiche, in denen jetzt und in Zukunft Künstliche Intelligenz zum Einsatz kommt, sind ihre Aufgaben so komplex, dass in der Praxis eigentlich immer Deep Learning zum Einsatz kommt.

Neue Chips im Spiel

Was in Zukunft noch möglich ist, hängt viel von der Rechenleistung ab, die der KI zur Verfügung steht. Dabei hat sich herausgestellt, dass für Deep Learning ganz neue Prozessortypen gefordert sind. Google beispielsweise setzt für seine KI-Anwendungen auf die selbstentwickelten Tensor-Prozessoren. Auch Intel hat im vergangenen Herbst mit "Nervana" einen auf KI spezialisierten Prozessor vorgestellt. Außerdem experimentiert das Unternehmen mit einem neuromorphen Chip namens "Loihi", der wie künstliche neuronale Netzwerke lernen kann, aber schneller, vielfältiger und effizienter sein soll. Auch IBM forscht seit einigen Jahren mit neuromorphen Chips. Huawei und Apple haben für ihre Smartphones schon Prozessoren mit Spezialfähigkeiten entwickelt, Qualcomm und Samsung ziehen demnächst nach. Vielleicht eröffnen auch in Zukunft Quantencomputer ganz neue Möglichkeiten.

Es geht erst richtig los

Die Angst, Künstliche Intelligenz könnte schon bald die Menschheit unterjochen, halten Experten vorerst für unbegründet. Die Entwicklung nimmt jetzt erst richtig Fahrt auf. Derzeit sind Maschinen dem Menschen nur bei Spezialaufgaben überlegen. Fest steht aber, dass Künstliche Intelligenz in jeden Bereich der Hightech vordringt und auch aus dem Alltagsleben schon bald kaum noch wegzudenken ist. Es gilt die Entwicklung aufmerksam zu verfolgen und dabei nicht nur die Risiken, sondern vor allem auch die vielen Chancen der Technik im Auge zu behalten.

Weiterführende Informationen:

Einfach erklärt: Fragen und Antworten zum maschinellen Lernen, Google

Künstliche neuronale Netze, Julian Moeser, JAAI

Grundlage und Aufbau von neuronalen Netzen, Universität Ulm

Künstliche Intelligenz (KI), künstliche neuronale Netze, Machine Learning, Deep Learning, Michaela Tiedemann, Alexander Thamm Data Science Services

Neuronale Netze einfach erklärt, Paul Balzer, Motorblog

 

Quelle: n-tv.de

Mehr zum Thema