Künstliche Intelligenz: Was sie ist, was sie kann und wie wir ihr das Denken beibringen - Ein Überblick

Sie ist das große Zukunftsthema im Bereich der Digitalisierung – Künstliche Intelligenz. Sie soll nicht nur die Arbeitswelt und unseren Alltag grundlegend transformieren, von ihr verspricht man sich auch zahlreiche Innovationen, angefangen bei selbstfahrenden Autos bis hin zur Medizin der Zukunft.

Dabei erfüllt künstliche Intelligenz, kurz KI, schon heute unzählige Aufgaben und kommt in einer Vielzahl unterschiedlicher Bereiche zum Einsatz. So z. B. in der Industrie, der medizinischen Diagnostik, der Altenpflege, der Robotik, der Mobilität und im Marketing. Sie begegnet uns aber auch in unserem Alltag, wo wir ganz selbstverständlich mit ihr interagieren – und das meist, ohne uns bewusst zu sein, dass wir es mit KI zu tun haben.
Was sich hinter dem Begriff verbirgt, wo wir schon heute mit KI in Berührung kommen und welche ethischen, rechtlichen und sozialen Fragestellungen mit KI zusammenhängen, erfahren Sie in diesem Beitrag.

Was ist eigentlich KI?

Wenn Sie "Video anzeigen" wählen, stimmen Sie der Datenschutzerklärung von YouTube zu.

Eine kurze und prägnante Erklärung, was Künstliche Intelligenz ist, finden Sie in dem zweiminütigen Erklärvideo des KI-Campus:

Wo uns KI im Alltag begegnet

Künstliche Intelligenz kommt heute in vielen unterschiedlichen Bereichen zum Einsatz. In unserem Alltag begegnen wir ihr wohl am häufigsten beim Gebrauch von Suchmaschinen, Übersetzungsprogrammen, Sprachassistenten, beim Suchen nach der besten Route über Navigationssysteme wie z. B. Google Maps oder in Form von Produktempfehlungen beim Onlineshopping.

Bereiche, die wir möglicherweise gar nicht oder gar nicht mehr mit künstlicher Intelligenz in Verbindung bringen. Grund hierfür ist die Tatsache, dass wir uns an die schleichende Weiterentwicklung von Technologien gewöhnen und den gegenwärtigen Entwicklungsstand der KI schnell als normal oder nicht mehr wirklich als „intelligent“ empfinden.

Navigationssysteme wie Google Maps setzen KI ein, um die schnellste bzw. kürzeste Route zu berechnen und beziehen dabei aktuelle Stau- und Baustellenmeldungen in ihre Kalkulation mit ein.

Internetsuchmaschinen basieren ebenfalls auf lernenden Algorithmen, welche die Suchergebnisse an das Nutzungsverhalten anpassen.

Empfehlungssysteme kommen nicht nur beim Onlineshopping und auf Unterhaltungsplattformen zum Einsatz. Auch viele Apps schlagen personalisierte Inhalte vor. Indem die zugrundeliegenden Algorithmen die Nutzungsaktivitäten verfolgen, lernen sie, was den Nutzer*innen gefällt (z. B. Filme, Lieder, Mode) bzw. was sie interessieren könnte.

Soziale Medien setzen KI ein, um Inhalte zu personalisieren. Der Algorithmus erkennt Muster im Nutzungsverhalten und lernt so, welche Beiträge die Nutzer*innen interessieren könnten. Es werden ähnliche Beiträge (z.B. Videos oder Kanäle) vorgeschlagen.

In den letzten Jahren gab es jedoch einige Sprünge in der Entwicklung der KI, bedingt durch die zunehmende Verfügbarkeit großer Datenmengen und die wachsende Rechenleistung.

Mit Computern sprechen

Am eindrücklichsten zeigt sich der gegenwärtige Entwicklungsstand der KI heute womöglich am Beispiel sogenannter Chatbots. Das sind KI-basierte Computerprogramme, mit denen man eine fast schon menschenähnliche Konversation führen kann. Sie ähneln wohl am ehesten dem, was Alan Turing in seinem heute als Turing-Test (siehe Die Anfänge der KI) bekannten Versuchsablauf im Sinn hatte, bei dem er die Frage stellt, wie man die Intelligenz von Maschinen feststellen kann. Auf Chatbots treffen wir heute nicht nur im Kundenbereich vieler Webseiten, wo sie auf niedrigschwellige Fragen rasche Antworten liefern, sondern auch in Form elaborierter Dialogsysteme, wie z. B. ChatGPT.

Chatbots sind Computerprogramme, die Künstliche Intelligenz und natürliche Sprachverarbeitung (NLP) verwenden, um Kunden- bzw. Nutzeranfragen zu verstehen und zu beantworten. Chatbots kommen heute oft im Kundenbereich von Websites zum Einsatz, wo man seine Anfragen in ein Dialogfeld eingeben kann. Als Nutzer*in merkt man häufig schnell, dass kein Mensch auf der ‚anderen Seite‘ sitzt, sondern, dass ein Computerprogramm die Anfragen beantwortet. Chatbots können aber nicht nur Texteingaben verarbeiten. Einige sind auch auf gesprochene Sprache spezialisiert, so z. B. die Sprachassistenten Alexa von Amazon, Siri von Apple oder Google Assistant. Wie Sie Sprachassistenten im Alltag verwenden können, erfahren Sie hier.

ChatGPT steht für „Generative Pre-trained Transformer“ (frei übersetzt: vortrainierter generativer Transformer) und ist ein KI-basierter Chatbot des US-amerikanischen Unternehmens OpenAI. Der Chatbot kann menschliche Sprache verstehen und Antworten generieren, die sich kaum noch von menschlichen Antworten unterscheiden lassen. Der Chatbot ist imstande bei seinen Antworten den bisherigen Chatverlauf, also den Kontext des Dialogs, zu berücksichtigen, sodass der Eindruck eines natürlichen Gesprächs entsteht. Der Chatbot kann auf Fragen antworten, Sachverhalte erklären oder Texte schreiben.

Fragt man den Chatbot, was ihn von anderen Chatbots unterscheidet, bekommt man folgende Antwort:

ChatGPT, Antwort auf den Befehl (Prompt) “Was unterscheidet ChatGPT von anderen Chatbots? Kurz und prägnant” vom 13.09.2023, https://chat.openai.com/  

Wie lernt die KI?

Durch das breite Spektrum an Einsatzgebieten wird schnell klar, dass es nicht die eine künstliche Intelligenz gibt, sondern, dass es sich um einen Sammelbegriff handelt, unter den eine Vielzahl unterschiedlicher Anwendungen fällt. Meist werden mit dem Begriff Systeme bezeichnet, die anders als herkömmliche Computerprogramme auf „Maschinellem Lernen“ und / oder Neuronalen Netzen beruhen. Es sind Systeme, die eigenständig klar definierte Aufgaben erledigen und uns dabei helfen bestimmte Probleme effizient zu lösen. Typische Anwendungsfelder sind z. B. das Erkennen von Bildern oder von Sprache, aber auch die Steuerung komplexer Prozesse, wie Frühwarnsysteme und Wetterprognosen, gehören dazu.

Das menschliche Gehirn als Vorbild

Künstliche Neuronale Netze (KNN) basieren auf der Vernetzung künstlicher Neuronen. Vorbild ist das menschliche Gehirn, das Informationen über Neuronen und Synapsen verarbeitet. Analog dazu bestehen KNN aus mehreren Reihen von Datenknoten, die mit gewichteten Verbindungen untereinander vernetzt sind. Indem dem KNN immer wieder neue Daten vorgelegt werden, wird es trainiert und lernt diese immer besser bzw. exakter einzuordnen. Die Gewichtungen der Verbindungen zwischen den Neuronen werden dabei immer wieder angepasst, sodass das erzeugte Modell auch auf Daten angewendet werden kann, welche die KI noch nicht kennt. Auf diese Weise bringen wir der KI das Lernen bei.

Der große Unterschied zu herkömmlichen Computerprogrammen besteht darin, dass nicht der Mensch das Problem formuliert und einen Lösungsweg vorgibt. Stattdessen wird das System trainiert oder trainiert sich selbst (Maschinelles Lernen). Es erkennt Muster in den Daten und leitet daraus Rechenmodelle (Algorithmen) ab, um diese Daten interpretieren und weiterverarbeiten zu können. Dafür braucht es eine große Menge an Eingangsdaten, viel Rechenleistung und meist auch eine Kontrolle bzw. Bestätigung, ob die gefundene Lösung den Erwartungen (des Menschen) entspricht. Wie genau der Lösungsweg der KI aussieht, ist für den Menschen jedoch nur schwer oder nicht mehr nachvollziehbar.

Wie Maschinen lernen: drei Arten des Lernens

Maschinelles Lernen ist ein Teilbereich der künstlichen Intelligenz. Maschinelles Lernen beruht auf der Verwendung von Daten und Algorithmen, um menschliches Lernen zu imitieren. Dabei erstellt der Algorithmus statistische Modelle, um Muster und Gesetzmäßigkeiten in den Daten zu erkennen. Anders als bei herkömmlichen Computerprogrammen wird der Lösungsweg also nicht durch den Menschen vorgegeben. Vielmehr lernt der Algorithmus durch Wiederholung selbstständig ein bestimmtes Problem zu lösen. Man unterscheidet drei Arten des maschinellen Lernens:

©

Supervised Learning

Beim “überwachten Lernen” lernt ein Algorithmus mithilfe von vorgegebenen Datensätzen, die vom Menschen gekennzeichnet wurden. Ein Beispiel sind Bilder von handgeschriebenen Zahlen, die dem Neuronalen Netz gezeigt werden und die vorher vom Menschen gekennzeichnet wurden (sehr viele Bilder von der handgeschriebenen Zahl 3 werden mit der Zahl 3 gekennzeichnet). Der Algorithmus lernt in den gekennzeichneten Bildern Muster zu erkennen und sie der jeweiligen Zahl zuzuordnen.

©

Unsupervised Learning

Beim “nicht überwachten Lernen” versucht der Algorithmus in den Eingabedaten (die nicht wie beim Supervised Learning vorher gekennzeichnet wurden) selbstständig Muster zu erkennen. Ein wichtiges Einsatzgebiet des Unsupervised Learning ist das Erkennen von Anomalien in den Daten, wie z. B. beim Kreditkartenmissbrauch.

©

Reinforced Learning

Beim “bestärkenden Lernen” handelt es sich um die komplexeste und wohl auch beeindruckendste Art des maschinellen Lernens. Sie basiert auf der Interaktion einer KI über einen Software-Agenten mit seiner Umgebung. Über positive und negative Belohnungen bei der Interaktion des Agenten mit seiner Umwelt lernt die KI ein vorgegebenes Ziel möglichst effizient zu erreichen. Dabei probiert die KI verschiedene Aktionen aus, um ihre Belohnung zu maximieren. Reinforced Learning kommt z. B. in der Robotik zum Einsatz, aber auch wenn eine KI lernt ein Brettspiel (z. B. Schach oder Go) zu meistern.

Einen vertiefenden Einblick in die unterschiedlichen Arten des maschinellen Lernens erhalten Sie auf der Website der IBM.

Bei KI handelt es sich also um ein Programm, eine sogenannte Software. Im Laufe der Zeit lernt die Software anhand von Daten aus Abläufen, die sie bereits durchgeführt hat, immer mehr dazu. Je größer der Satz an Trainingsdaten ist und je länger die KI trainiert wird, desto schneller und besser bzw. genauer wird das System.

Ist die KI genauso intelligent wie der Mensch?

Auch wenn künstliche Intelligenz in machen Teilbereichen schon an die menschliche Intelligenz heranreicht (z. B. Übersetzungsprogramme) oder teilweise sogar übertrifft (z. B. beim Schachspielen), gibt es noch immer keine KI, die dem Menschen auf allen intellektuellen Ebenen ebenbürtig ist.



Foto von Pavel Danilyuk auf Pexels
 

Vielmehr handelt es sich bei KI um Einzeltechnologien, die den Menschen bei der Lösung klar definierter, abgegrenzter Probleme unterstützen. Solche KI-Systeme, mit denen wir es heute zu tun haben, nennt man schwache KI.
 

Beispiele für schwache KI-Systeme sind:

Z. B. bei digitalen Sprachassistenten

Z. B. Spracherkennung, Texterkennung, Gesichtserkennung

Diese kommt z.B. im Bereich der medizinischen Diagnostik beim Erkennen von Tumoren auf Röntgenbildern zum Einsatz.

Z. B. die automatische Übersetzung vollständiger Texte in andere Sprachen, mit korrekter Grammatik und stilistisch guten Formulierungen.

Diese speist sich aus der Analyse unserer individuellen Internetaktivitäten, Nutzungsweisen und personenbezogenen Daten und bringt diese mit den Daten von Millionen anderer Personen in Zusammenhang. So registriert und verarbeitet die KI in sozialen Netzwerken, welche Texte, Bilder und Videos wir uns anschauen, und schlägt uns darauf basierend weitere Inhalte vor. Nicht immer passen diese auf den ersten Blick.

Von schwachen KI-Systemen sind starke KI-Systeme zu unterscheiden, an welche man beim Begriff KI schnell versucht ist zu denken. Bei diesen Systemen handelt es sich um eine rein theoretische Form der KI, die eine dem Menschen ebenbürtige Intelligenz besitzt. Eine solche starke KI ist theoretisch universell einsetzbar, sie könnte alle möglichen Probleme lösen, eigene Ziele definieren und verfolgen und besäße ein (Selbst-)Bewusstsein. Eine solche Form der KI, die noch immer ausschließlich im Bereich der Fiktion existiert, würde die menschliche Intelligenz übertreffen. Allerdings ist umstritten, ob es eine starke KI jemals geben wird.

Wo KI schon heute den Menschen übertrifft, zeigt dieser Artikel von ZEIT ONLINE.

Die Anfänge der KI

Schon im Jahr 1950 stellte sich der Mathematiker und Informatikpionier Alan Turing die Frage, wie man feststellen kann, ob eine Maschine ein dem Menschen ebenbürtiges Denkvermögen besitzt. Um diese Frage zu beantworten, skizzierte er einen Test, welchen er „Imitation Game“ nannte und der heute besser als Turing-Test bekannt ist. Bei diesem Test führt ein*e Proband*in via Chat ein Gespräch mit zwei ihm unbekannten Gesprächspartner*innen. Während einer der beiden ein Mensch ist, handelt es sich bei dem anderen um eine Maschine. Kann der/die Proband*in nicht zwischen Mensch und Maschine unterscheiden, so könne der Maschine ein dem Menschen ebenbürtige Intelligenz zugeschrieben werden. Auch wenn der Test seit seiner Veröffentlichung viel hinterfragt wurde, nimmt er bis heute einen wichtigen Stellenwert in der Geschichte der KI ein.

Seit wann es den Begriff der KI gibt

Der Begriff der künstlichen Intelligenz (im englischen Original artificial intelligence, kurz AI) wurde im Jahr 1956 vom US-amerikanischen Informatiker John McCarthy im Rahmen der Dartmouth Conference geprägt. Auf der Konferenz, die als Geburtsstunde der KI als Forschungsbereich gilt, sollte ausgelotet werden, inwiefern Maschinen das menschliche Denken simulieren können. Diskutiert wurden Themen wie neuronale Netze, der Umgang von Computern mit Sprache, zufälligen Ereignissen und Kreativität. Noch im selben Jahr entwickelten Allen Newell, Herbert A. Simon und Cliff Shaw den Logic Theorist, das erste laufende KI-Softwareprogramm überhaupt, das in der Lage war mehrere mathematische Lehrsätze zu beweisen.

Die Idee der künstlichen Intelligenz ist also gar nicht so neu, wie man glauben könnte: Ansätze, menschliches Denken und Entscheidungsstrukturen auf Maschinen zu übertragen, gab es bereits in den 50er Jahren.

Allerdings hat die Weiterentwicklung der selbstlernenden Technologien in den letzten Jahren einen deutlichen Aufschwung erfahren, weil die Rechenleistung der Computer deutlich verbessert werden konnte – und weil es inzwischen große Ansammlungen von Daten gibt, mit denen die Systeme trainiert werden können.

"Ich bin kein Roboter"

... wenn Ihnen diese Aufforderung bekannt vorkommt oder sie bei Ihnen die Assoziation von Bildrätseln hervorruft, bei denen es um das Erkennen von Verkehrsschildern und Zebrastreifen geht, sind Sie beim Surfen im Internet schon mal auf ein sogenanntes Captcha gestoßen. Viele Anbieter von Onlinediensten setzen Captchas ein, um ihre Webseiten vor Bots zu schützen.

Bots sind Computerprogramme, die sich automatisch anmelden, um beispielsweise massenweise E-Mail-Adressen zu klauen, um sie für Spamnachrichten zu verwenden. Über Captchas, die uns meist als Bildrätsel oder verzerrte Zahlen- und Buchstabenkombinationen begegnen, soll erkannt werden, ob sich ein Mensch oder ein Computer bei einem Dienst anmeldet. Sozusagen ein umgekehrter Turing Test, bei dem nicht der Mensch, sondern der Computer herausfinden soll, ob er gerade mit einem Menschen oder mit einem Computer interagiert.

Bezeichnenderweise steht das Akronym Captcha für "completely automated public Turing test to tell computers and humans apart" (frei übersetzt: vollautomatischer Turing Test zur Unterscheidung zwischen Maschine und Mensch).
 

Beispiele für Captchas

 
Bild 1 von Christian Klauenbösch - Selbst hergestellt auf Wikipedia, Gemeinfrei;
Bild 2 von Andyphan592 - Eigenes Werk auf Wikipedia, CC BY-SA 4.0


Bei Captchas handelt es sich vereinfacht gesagt um Rätsel, die für Bots und Künstliche Intelligenzen sehr schwer und für Menschen sehr leicht lösbar sein sollen – z. B. das Erkennen von Fußgängerüberwegen, Ampeln oder Personenfahrzeugen. Da sich aber auch die Bot-Algorithmen beständig weiterentwickeln, werden auch die Captchas immer komplexer, was dazu führt, dass sie auch für den Menschen immer anspruchsvoller zu lösen sind.

Captchas könnten aber auch noch weitere Zwecke erfüllen. So besteht die Vermutung, dass sie mittlerweile auch zum Training von KI eingesetzt werden.

Indem Millionen von Internetnutzer*innen angeben, ob sie gerade einen Zebrastreifen, eine Ampel oder ein Verkehrsschild sehen, entstehen ebenfalls Daten, mit denen KIs gefüttert werden können. Solche Daten könnten z. B. dafür genutzt werden, um selbstfahrenden Autos beizubringen Verkehrszeichen zu lesen.

Einen ausführlichen Artikelzum Thema finden Sie in der Süddeutschen Zeitung.

Ethische, soziale und rechtliche Fragestellungen zu KI

Wird KI den Menschen bald ersetzen? Die Befürchtung, dass KI dem Menschen den Arbeitsplatz wegnimmt und ihn immer mehr ersetzt, ist häufig zu hören. Für einige Bereiche trifft dies zu (siehe Industrie- und Logistikroboter). Aber: Gleichzeitig bietet das auch viele Vorteile, die man nicht außer Acht lassen sollte:

Durch den Einsatz von KI werden Mitarbeitende entlastet und können sich stärker anderen wichtigen Themen widmen und es werden ganz neue Aufgabenbereiche geschaffen, beispielsweise in der Anwendungsentwicklung oder in der Betreuung und Instandhaltung von Maschinen. Statt monotonen Arbeiten können Mitarbeiter*innen sich kreativen oder sozialen Aufgaben zuwenden, wenn der mühselige Teil ihrer Arbeit von Computern und Robotern erledigt wird.

Diskriminierung durch KI

Durch KI wird aber nicht nur die Arbeitswelt grundlegend transformiert – sie stellt uns schon heute vor große ethische Fragen, wenn es um die Reproduktion und Verstärkung von Stereotypen und Diskriminierung durch KI geht. Mehr zum diesem Thema lesen Sie hier.

Warum es ethische Leitlinien für die Entwicklung von KI braucht

Da künstliche Intelligenz in immer mehr Lebensbereichen zum Einsatz kommt, braucht es auch für die Entwicklung und den Einsatz von KI klare ethische Leitlinien. So darf KI die menschliche Bewertung und Verantwortung nicht ersetzen. Je nach Einsatzgebiet muss KI in der Lage sein, in Problemsituationen „richtige“ Entscheidungen zu treffen, z. B. beim autonomen Fahren. Im Straßenverkehr und anderen Bereichen kann es (unverschuldet) zu Situationen kommen, in denen sich das System zwischen dem Wohlergehen bzw. der Verletzung von Personen „entscheiden“ muss. Dies sollte nicht dem Zufall und nicht der KI überlassen werden. Stattdessen müssen entsprechende ethisch begründete Rahmenbedingungen geschaffen werden. Da der Computer für „Fehlverhalten“ nicht zur Rechenschaft gezogen werden kann, sind Rechtsfragen bezüglich Schuld, Haftung oder Schadensersatz nicht einfach zu beantworten.

Auch in der Medizin ist der Einsatz von KI klar abzuwägen. So können KI-Systeme bei der Diagnostik von Brust- und Prostatakrebserkrankungen eine enorme Hilfe bieten. Dennoch sollten sie nicht über Therapien entscheiden. Erst Anfang 2023 hat der Deutsche Ethikrat in einer Stellungnahme klare Regeln für den Einsatz von KI gefordert.


Foto von cottonbro studio auf Pexels.com