Robotik Künstliche Dummheit

Neuronale Netze im menschlichen Gehirn verfügen über viele Querverbindungen. Eine 3-D-Illustration soll helfen, die komplexen Vorgänge besser zu verstehen.

(Foto: Oleksiy Maksymenko/dpa/All Canada Photos)
  • Forscher versuchen seit langem, das menschliche Gehirn in Maschinen zu simulieren.
  • Doch obwohl Roboter dem Menschen in einigen Tätigkeiten überlegen sind, scheitern sie erstaunlich oft an simplen Aufgaben, wie dem Öffnen einer Tür.
  • Das liegt auch daran, dass das Gehirn noch längst nicht zur Gänze verstanden ist.
Von Eva Wolfangel

Ein Roboter versucht, eine Tür zu öffnen, und fällt, als sie endlich aufspringt, mitsamt der Tür ins Haus. Ein anderer stolpert über die Schwelle, der nächste über seine eigenen Füße. Schwer zu glauben, dass es sich hier um die weltbesten Roboter handeln soll und nicht um eine Slapstick-Einlage.

"Es gibt noch viel zu tun", sagt der Robotik-Spezialist Florian Röhrbein von der TU München. Er sitzt bei einer Podiumsveranstaltung in Stuttgart und zeigt YoutubeVideos von der sogenannten "DarpaChallenge", einem Roboterwettkampf, den das amerikanische Militär ausrichtet. Die Roboter sollen zeigen, was sie können. Aber eigentlich messen sie sich mehr mit der Umwelt als untereinander. Dazu passt auch das Thema des Diskussionsabends: "Neuroroboter - Über künstliche Dummheit und natürliche Intelligenz".

Auch Flugzeugingenieuren hilft es nur bedingt, wenn sie Vögel beobachten

Es sind teilweise die einfachsten Dinge, die Robotern noch immer nicht gelingen wollen. Aufgeben will Röhrbein die Hoffnung trotzdem nicht. Er beteiligt sich am "Human Brain Project" (HBP), einem milliardenschweren EU-Förderprojekt. Und er glaubt, dass Roboter schon bald komplizierte Aufgaben erledigen können. Dafür müsste man sich allerdings die Abläufe im menschlichen Gehirn noch genauer anschauen und sie dann auf die Robotik anwenden. Genau das ist ein Ziel des europäischen Vorhabens.

"Ich rate unbedingt, damit zu spielen"

"Ergibt logisch" statt "Ägyptologie": Wie können Siri und Co. von ihren Nutzern lernen? Fragen an den Computerlinguisten Jonas Kuhn. Interview von Eva Wolfangel mehr ...

Ursprünglich sah der Zeitplan vor, das menschliche Gehirn innerhalb von zehn Jahren per Computer zu simulieren. Aber die Forscher stritten sich von Anfang an, wie realistisch das sei. Sie wollten wissen, wer am Ende am meisten profitiert. Die Neurowissenschaft? Die Robotik? Oder vielleicht die Unternehmen, welche die Technik später kommerziell nutzen? Es gab einen offenen Brief, schließlich einen Führungswechsel im Projekt, und am Ende beäugten sich Neurowissenschaftler und Robotiker trotzdem weiter skeptisch. Das scheint sich nun zu ändern.

Beide Seiten könnten doch noch zusammenfinden. Das glaubt zumindest Andreas Herz, Professor für Neurobiologie an der Münchner Ludwig-Maximilians-Universität. Er weiß, dass Informatiker gerne betonen, die neuen Formen des maschinellen Lernens würden ähnlich ablaufen wie das Lernen im biologischen Gehirn. Aber die Betonung liegt für ihn auf ähnlich, nicht auf identisch. Er sagt: "Deep Learning funktioniert nach anderen Prinzipien, als wir beim Gehirn vermuten." Nervenzellen, die elementaren Bausteine des Denkens, seien nämlich viel komplexer als die "Units" beim maschinellen Lernen.

Umgekehrt bedeutet das nicht, dass beide Seiten gar nichts voneinander lernen können. Herz vergleicht die Lernprozesse mit dem Bau eines Flugzeugs. Aus der Ferne betrachtet fliegt es wie ein Vogel durch die Luft. Doch sobald der Vogel mit den Flügeln schlägt, werden die Unterschiede deutlich. Trotzdem kann der Vogelflug neue Erkenntnisse für Ingenieure bringen. Zum Beispiel, wenn es um Aerodynamik oder die perfekte Flugbahn geht.

Die Vertreter des Human Brain Project sind mit ihren Versprechen sehr viel vorsichtiger geworden. "Der Nachbau des Gehirns ist nicht das primäre Ziel", sagt Alois Knoll, heute Software Development Director des HBP und Informatiker an der TU München. Er und seine Kollegen geben sich momentan damit zufrieden, beschränkte intellektuelle Leistungen des Gehirns auf den Rechner zu bringen. Aber auch Knoll weiß, dass das nicht das Ende der Entwicklung sein wird. Andere sind noch vorsichtiger.