Eine beliebte Anekdote zum Thema künstliche Intelligenz geht folgendermaßen: Die US-Army versuchte vor einiger Zeit, eine Software auf das automatische Erkennen von feindlichen Panzern in Tarnung abzurichten. Dafür zeigte man dem Programm zweierlei Arten von Fotos. Einmal mit verstecktem Kriegsgerät im Unterholz und einmal ohne. Immer und immer wieder. In Testbedingungen funktionierte die Software bald tadellos. Doch einmal im Feld, versagte das System. Bald kamen die Entwickler auf den Fehler: Die Fotos mit dem Beispielpanzer wurden unter klarem Himmel aufgenommen, die ohne bei schlechterer Witterung. Wie sich herausstellte, hatte das Computersystem, anstatt sich auf die Tanks zu konzentrieren, nur gelernt, zwischen sonnigem und bewölktem Wetter zu unterscheiden.
Es ist nicht ganz klar, ob sich die Geschichte tatsächlich genau so abgespielt hat. Die Moral von der Geschichte ist jedenfalls, dass all die Algorithmen, die uns als KIs verkauft werden, nur so gut sind wie die Datensätze, die man ihnen zum Lernen vorsetzt. Egal, ob ein System künftig Panzer erkennen oder Stimmproben analysieren soll - immer müssen erst Menschen unzählige Beispiele heranschaffen, bevor der Computer versteht, was er da vor sich hat. Es handelt sich bei den meisten KI-Anwendungen also nicht um eine echte Denkleistung, sondern eher um Auswendiglernen.
Die neue Google-Software soll denken wie ein Mensch
Diese Methode ist nicht nur monoton, zeitaufwendig und teuer, sie birgt auch diverse Gefahren. Zum Beispiel, dass die schlecht bezahlten, unmotivierten Klick-Arbeiter, die die Beschriftung und Verschlagwortung von Bildern und Proben übernehmen, welche die Software auswertet, ihre eigenen Vorurteile und Befangenheiten in das System hineinschreiben. Woran es den vermeintlich smarten Maschinen außerdem noch mangelt, ist die Fähigkeit, einmal gemachte Fortschritte auf andere Situationen zu übertragen. In der Psychologie spricht man von Transferlernen.
Das 2014 von Google übernommene KI-Start-up Deep Mind hat nun ein neues System vorgestellt, das genau diese Art von Generalisierung von Erfahrung ermöglicht. Das sogenannte Generative Query Network kann anhand von zweidimensionalen Fotos eine 3-D-Umgebung visualisieren. Es lernt selbständig die Beziehung von Objekten untereinander sowie deren Eigenschaften und kann so neue Perspektiven auf die Szene vorhersagen, ohne diese vorher gezeigt bekommen zu haben. Die Software hat gelernt zu abstrahieren. Zwar funktioniert das bislang nur in einer sehr reduzierten Test-Atmosphäre mit sehr einprägsamen Gegenständen. Trotzdem sind die Autoren mächtig stolz. Man habe einen leistungsfähigen neuen Ansatz maschinellen Lernens vorgestellt. Ein weiterer Schritt in Richtung Maschinen, die denken wie Menschen.
