Gastkommentar

Sepp Hochreiter © JKU
5
Dossier

"Die Künstliche Intelligenz kommt in unser Leben"

Gastkommentar

03.08.2017
  • Linz (Gastkommentar) - Im Jahr 1955 prägte John McCarthy den Begriff "Künstliche Intelligenz" (KI) für Maschinen, die intelligentes Verhalten zeigen. Eine KI ist eine Maschine, die ihre Umgebung wahrnimmt, um zielgerichtete Aktionen auszuführen. Deshalb sollte eine KI kognitive Fähigkeiten besitzen, die normalerweise Menschen zugeschrieben werden - wie Lernen, Planen, logisches Schlussfolgern und Lösen von Problemen. Das Feld der KI-Forschung ist breit und umfasst unter anderem maschinelles Lernen, Robotik, automatisches Schlussfolgern, Bilderkennung, Sprach- und Textverarbeitung, maschinelle Wahrnehmung sowie autonome Agenten.

  • Lange Zeit blieb eine funktionierende KI ein Traum, doch heutzutage überschlagen sich die Berichte über Erfolge von KIs. Diese Erfolge sind in fast allen Fällen auf das neue KI-Gebiet "Deep Learning" zurückzuführen. Deep Learning hat verschiedene Forschungsfelder wie Bild-, Sprach- und Textverarbeitung revolutioniert und damit viel Interesse in der breiten Öffentlichkeit hervorgerufen. Internetriesen wie Google, Facebook, Microsoft, Amazon, Baidu, Apple und andere sehen in Deep Learning die Schlüsseltechnologie der nächsten Jahrzehnte, die viele neue Anwendungen ermöglichen wird und Aufgaben erledigen kann, die bislang den Menschen vorbehalten waren.

  • Deep Learning basiert auf neuen Algorithmen für künstliche neuronale Netze zusammen mit der Verfügbarkeit von hohen Rechenleistungen und großen Datensätzen, d. h. Big Data. Der Erfolg von Deep Learning kommt vom automatischen Lernen einer Repräsentation der Eingabe auf verschiedenen Abstraktionsebenen. Eingaben können zum Beispiel chemische Verbindungen, Texte, Messungen, aber auch Bilder, Videos, Audiosignale oder andere Sensorsignale aus der Umgebung sein. Das künstliche neuronale Netz und somit die genannte Repräsentation ist hierarchisch aufgebaut, wobei höhere Ebenen des neuronalen Netzes abstraktere Konzepte der Eingabe erkennen als niedrigere Ebenen. Jede Ebene des neuronalen Netzes transformiert mithilfe von nicht-linearen Neuronen die aktuelle Eingaberepräsentation in eine Repräsentation der nächsthöheren Ebene.

  • Mit vielen dieser Ebenen und Transformationen können sehr komplizierte Funktionen gelernt werden, davon leitet sich der Name "deep" ab. Für ein Deep Learning System ist zum Beispiel ein Bild eine Matrix von Pixelwerten, für welche die Neuronen in der ersten Ebene typischerweise lokalisierte und orientierte Kantendetektoren lernen. Die zweite Ebene identifiziert einfache Formen, die aus den Kantendetektoren der ersten Ebene gebildet werden. Die dritte Ebene baut aus diesen kleinen Formen Teile von Objekten zusammen. Die nachfolgenden Ebenen erkennen Objekte und ihre Relation zueinander. Das Vorhandensein eines Objektes kann durch die Aktivierung eines entsprechenden Neurons angezeigt werden, wobei in den darunterliegenden Ebenen Neurone aktiviert wurden, die das Vorhandensein von Teilen des Objekts gemeldet haben. Im Gegensatz zu konventionellen Ansätzen, bei denen Menschen die Repräsentationen entwickelt haben, konstruiert Deep Learning eine Repräsentation automatisch aus den Daten, wobei ein universeller Lernalgorithmus verwendet wird.

  • Deep Learning war bereits in verschiedenen Wettbewerben besser als Menschen: Deep Learning konnte Verkehrsschilder besser erkennen als Menschen, Krebszellen in Bildern besser erkennen als Menschen, Hautkrebs so gut erkennen wie Experten, den Ort, an dem Bilder aufgenommen wurden, besser erkennen als Menschen, in Bildern aus dem Internet 1000 vorgegebene Objekte besser als Menschen erkennen. Deep Learning war auch besser als Menschen bei Poker, Lippenlesen, Konversations-Spracherkennung und Atari-Spielen.

  • Einige Produkte sind kürzlich auf den Markt gekommen, die durch KI getrieben sind und Deep Learning einsetzen, wie Googles Translate und "OK, Google", Amazons Alexa und Apples Siri. Für Aufsehen sorgte auch Googles KI AlphaGO, die Lee Sedol, einen der weltbesten Go-Spieler, in Go besiegte, obwohl man glaubte, dass die KI-Forschung noch nicht so weit sei. Der Einsatz von KI-Methoden und Deep Learning erreicht die Öffentlichkeit nicht nur durch Handyanwendungen, sondern auch über Fahrassistenzsysteme bis hin zu selbstfahrenden Autos. Aber auch in der Medikamentenentwicklung hat die KI mit Deep Learning neue Bestmarken gesetzt, wie bei der Vorhersage von biologischen Effekten chemischer Moleküle (Nebenwirkungen von Medikamenten). KIs werden bald alle unsere Lebensbereiche beeinflussen - sei es unsere Arbeit, unsere Freizeit, unsere Forschung, unsere Kultur, unsere Gesellschaft oder unsere Politik.

  • Das Ziel vieler KI-Forschungsanstrengungen ist es, eine "General AI" ("General Artificial Intelligence") zu entwickeln. Im Gegensatz zur General AI gehören die oben genannten KI-Methoden zur "Narrow AI", die für Spezialanwendungen eingesetzt wird und dort oft schon besser als Menschen ist. Leider sind die derzeitigen Erfolge von AI und Deep Learning Methoden in einem Gebiet in den meisten Fällen noch nicht auf andere Anwendungsgebiete übertragbar. Eine General AI jedoch kann erlernte Fähigkeiten in einem Feld auch für andere Anwendungen einsetzen, indem sie sich ein Weltverständnis aneignet. Zum Beispiel können Objekte, die in einer Anwendung vorkommen, auch in anderen Anwendungen auftreten. Außerdem gelten physikalische Gesetze unabhängig von der Anwendung.

  • Sprache und Schrift sind die für Menschen Kommunikationsinstrumente quer über alle Anwendungen und könnten von einer General AI für alle diese Anwendungen verwendet werden. Schon jetzt sieht man, dass in der Bildverarbeitung Kantendetektoren, die in einer Domäne durch Deep Learning gelernt wurden, auch in anderen Gebieten hervorragende Ergebnisse liefern. Eine General AI sollte Fertigkeiten wie Menschen besitzen und deshalb unmittelbar und überall einsetzbar sein, ohne für eine neue Aufgabe noch einmal von Neuem lernen zu müssen, sondern sollte ihre Fähigkeiten lediglich an das aktuelle Problem anpassen.

  • Muss man Angst vor KIs haben? Ihre Fähigkeiten sind den menschlichen manchmal sogar überlegen. Übernehmen KIs die Welt und versklaven sie die Menschheit? Die Filmindustrie vermittelt diese Angst durch Filme wie "Terminator" oder "Matrix". Nein. Menschen als Batterien wie in "Matrix" zu verwenden, deutet nicht auf Intelligenz hin, da es effizientere Techniken für Batterien gibt. Warum sollten wie in "Terminator" die Menschen von Maschinen gejagt werden - haben die Maschinen nichts Besseres zu tun? Der Mensch übt auf die KIs einen starken selektiven Druck aus. Nur KIs, die uns helfen und dienen, werden weiterentwickelt und vervielfältigt. Das ist wie bei Hunden, die gezähmt wurden und nun weit weniger wild als Wölfe sind. Wenn sich eine KI wirklich mal von den Menschen absondern sollte und sogar intelligenter als Menschen werden sollte: Warum sollte sie sich für Menschen interessieren? Die KI wird nicht in der engen Biosphäre um Ressourcen mit den Menschen kämpfen, sondern kann die Erde in Richtung Weltall verlassen, wo mehr Sonnenenergie und mehr Rohstoffe als auf der Erde vorhanden sind. Aber muss man Angst um seinen Arbeitsplatz haben? KIs werden Arbeitsplätze ersetzen, insbesondere dort, wo körperlich hart gearbeitet wird oder wo repetitive Tätigkeiten ausgeübt werden. Jedoch entstehen durch KIs viel mehr Arbeitsplätze als wegfallen. KIs müssen trainiert werden, ihnen müssen Daten bereitgestellt werden, sie müssen überwacht werden, sie müssen angewiesen werden, sie müssen evaluiert werden, sie brauchen Lehrer und sie müssen die Tricks und Erfahrungen von den Menschen lernen. Die Menschen können sich auf komplexere Aufgaben konzentrieren und sich mit Ausnahmen und Spezialfällen beschäftigen, die weitaus interessanter sind als Routine oder repetitive Arbeiten.

  • KIs werden in all unseren Lebensbereichen eine Rolle spielen und unsere Assistenten in der Arbeit und unsere Freunde in der Freizeit sein. Sie werden unseren Haushalt organisieren helfen, unsere Finanzen in Ordnung halten, dafür sorgen, dass der Kühlschrank voll ist. Sie bestellen Tische in Restaurants vor, kaufen das Liftticket zum Skifahren, stellen das Auto bereit und fahren uns vielleicht sogar. KIs werden verantwortlich sein, dass wir Häuser energieeffizient regeln und steuern, dass weniger Abfälle entstehen, dass weniger Rohstoffe verbraucht und diese effizienter verteilt werden, dass es weniger Kriege gibt und dass weniger Menschen hungern müssen. KIs werden eine enorme Hilfe sein, damit der einzelne Mensch seine jeweiligen Aufgaben und die Menschheit ihre dringlichsten Probleme lösen kann.

Zur Person

Sepp Hochreiter, Johannes Kepler Universität Linz

Sepp Hochreiter leitet das Institut für Bioinformatik der Johannes Kepler Universität in Linz und forscht auf dem Gebiet des maschinellen Lernens und der Bioinformatik. Er ist ein Pionier des boomenden Forschungsfeldes Deep Learning, das gerade die künstliche Intelligenz revolutioniert. Bekannt wurde Prof. Hochreiter durch die Entdeckung und Entwicklung von “Long Short Term Memory” (LSTM) in seiner Diplomarbeit im Jahre 1991, welche später 1997 publiziert wurde. In jüngster Zeit hat sich LSTM zur besten Methode für Sprach- und Textverarbeitung entwickelt, wo es neue Rekorde aufstellte. Seit 2012 wird LSTM in Google’s Android Spracherkenner verwendet, seit 2015 in Google’s Voice Transcription, seit 2016 in Google’S Allo und auch seit 2016 in Apple’s iOS 10. Zurzeit treibt Prof. Hochreiter die theoretischen Grundlagen von Deep Learning voran, indem er den Gradientenfluss durch neuronale Netze analysiert, das Konzept von “Self-Normalizing Networks” entwickelt und “Generative Adversarial Networks” (GANs) sowie “Reinforcement”-Algorithmen mithilfe von stochastischen Approximationsalgorithmen untersucht. Derzeitige Projekte umfassen Deep Learning für Medikamentenentwicklung, für Text- und Sprachanalyse, für Bildverarbeitung und im Speziellen für autonomes Fahren.

STICHWÖRTER
IT  | Oberösterreich  | Gastkommentar  | Dossier  | Bez. Linz  | Linz  | Wissenschaft  | Technologie  |

Dossier

Das Versprechen von rauchenden Köpfen statt rauchenden Schornsteinen auf der einen Seite, "Mensch gegen Maschine"-Szenarien auf der anderen: Killt die Digitalisierung Jobs? APA-Science versucht, ...

Gastkommentare

"Der Mensch als Mittelpunkt unserer neuen Arbeitswelt"
von Dietmar Kilian und Peter J. Mirski
Management Center Innsbruck
"The robots may come, but the cyborgs are already in the office"
von Mark Coeckelbergh
Department für Philosophie
Universität Wien
"Arbeit 4.0 oder 0.4 - Eine Frage der Verteilung"
von Johann Čas
Institut für Technikfolgen-Abschätzung der ÖAW
"Digitalisierung: Warum zählen wir Arbeitsplätze?"
von Robert Steiner
Geschäftsführer von Profactor
"Die Künstliche Intelligenz kommt in unser Leben"
von Sepp Hochreiter
Johannes Kepler Universität Linz

Hintergrundmeldungen

v.li. oben im UZS: K. Hofstädter, M. Nentwich, G. Titelbach, K. Flecker © APA (Neubauer)

Keine Angst vorm digitalen Schreckgespenst

Wie viele Jobs künftig durch Digitalisierung und Automatisierung gefährdet sein ...
Im MAK schreibt ein robotisches System ein künstlerisches Manifest © Peter Kainz/MAK

Die Angst der Lampe vor dem Menschen

Die kleine weiße Lampe nimmt eine Schutzhaltung ein und zittert. Alles was dazu ...
Soziologe und Rasenroboter bei der Arbeit © APA (Wasserfaller)

Dirk Helbing: "Die Volkswirtschaft muss neu erfunden werden"

"Wir sind an einem kritischen Punkt der Geschichte angekommen, wo sich unsere ...
Mehr Kooperation mit Robotern und Algorithmen (im Bild: Hand von Angela Merkel) © APA (AFP)

"Der Mensch ist die wichtigste Ressource"

Die Digitalisierung schreitet unaufhaltsam voran, die vierte industrielle ...
"Es ist ganz wichtig, dass Schule in der Gesellschaft ankommt" © APA (Neubauer)

Auf dem Weg zur digitalen Schule

Medienbildung, Vermittlung von IT-Basiskenntnissen oder "Computational ...
Mit Sprachsoftware jahrzehntealtem Traum nachgejagt © APA (dpa)

Als die Roboter das Sprechen lernten

Sprachsoftware macht neue Formen der Interaktion zwischen Menschen und ...
Arbeitsintensivierung ist mehr als Zeitdruck © APA (dpa)

Wiener Forscher finden beschleunigte Arbeitswelt, aber nicht überall

Viele Menschen nehmen eine Intensivierung ihrer Arbeitstätigkeit wahr. Vor ...

Mehr zum Thema