KI für Laien – Teil 1: Was ist KI?

Lesezeit ca. 10 Minuten: Vom Haushaltshelfer bis zum Endzeitszenario – bei kaum einem Thema klaffen öffentliche Wahrnehmung, Forschungsstand und Realität so weit auseinander wie bei der KI. Grund genug, in einer Artikelserie darüber aufzuklären. Allgemein zugänglich und trotzdem spannend soll es darum gehen, wie KI wirklich funktioniert und was sie jetzt und zukünftig leisten kann […]

Lesezeit ca. 10 Minuten:
Vom Haushaltshelfer bis zum Endzeitszenario – bei kaum einem Thema klaffen öffentliche Wahrnehmung, Forschungsstand und Realität so weit auseinander wie bei der KI. Grund genug, in einer Artikelserie darüber aufzuklären. Allgemein zugänglich und trotzdem spannend soll es darum gehen, wie KI
wirklich funktioniert und was sie jetzt und zukünftig leisten kann (und was nicht).

Das Warum: Vier Gründe, KI richtig zu verstehen

KI ist zur Zeit das Technologiethema. Wie so oft, wenn ein Thema aktuell gehyped wird, gibt es eine starke Dissonanz zwischen der öffentlichen Berichterstattung und den tatsächlich zugrunde liegenden Fakten. Im Falle von KI ist dies noch viel stärker als ohnehin der Fall. Dafür gibt es eine Reihe von Gründen:

  • Vorurteile: Durch Filme, Bücher, Serien und Computerspiele ist der Begriff stark vorbelastet
  • Wissensdefizite: Es gibt immer noch ein starkes öffentliches Know-How Defizit beim Thema Informationstechnologie – und diese ist nun mal die Grundlage für KI
  • Aufmerksamkeitsökonomie: Wir leben in einer Zeit, in der emotionale, reißerische Schlagzeilen dominieren – in diesem medialen Kontext ist die sachliche Vermittlung von Information noch schwerer geworden
  • Marketing: KI ist ein wichtiges neues Geschäftsfeld – gerade die großen Platzhirsche der Branche mit massivem Marketingbudget möchten keine sachliche Debatte sondern befeuern lieber den magischen, science-fiction-artigen Charakter von KI

Während also der Normalbürger zumindest ein grundlegendes Verständnis von der Funktionsweise eines Verbrennungsmotors hat, und so informierter der Debatte über den „Dieselgate“-Skandal folgen kann, haben sogar IT-Fachleute oft keine wirkliche Vorstellung davon, wie z.B. ein neuronales Netz wirklich funktioniert. So entstehen falsche und manchmal gefährliche Vorurteile darüber, was der aktuelle Stand der KI ist und wo Gefahren und Risiken liegen. Auch für die Planung und Durchführung von IT Projekten kann dies kontraproduktiv sein: Wenn unrealistische Vorstellungen über die Möglichkeiten einer Technologie existieren, sind Probleme vorprogrammiert. Andererseits werden Chancen nicht genutzt, wenn man nicht weiß, was alles möglich ist.

Wir möchten in dieser Artikelserie einen für Laien verständlichen, spannenden aber dennoch sachlichen Überblick darüber geben, wie KI wirklich funktioniert, was ihre Stärken und Schwächen sind und was produktiver Nutzen aber auch tatsächlich zu beachtende Risiken sind.

Ist das KI? – Ein kleines Quiz

Bevor man über ein komplexes Thema wie KI redet, sollte man zunächst versuchen, das Thema überhaupt einmal zu definieren. Darum zunächst einmal ein kleines Quiz. Welche der folgenden Anwendungen ist für Sie KI?

  1. Ein Recommender System, also z.B. wenn Amazon Ihnen Produkte oder Youtube weitere Videos vorschlägt
  2. Eine Mathe-Software, die komplexe Differentialgleichungen lösen kann
  3. Gesichtserkennung, z.B. wenn Facebook auf einem Foto Gesichter mit den dazugehörigen Accounts verknüpft
  4. Eine Bildklassifizierung, die erkennt, ob ein Tier auf einem Foto ein Hund oder eine Katze ist
  5. Die Geister aus PacMan
  6. Ein unschlagbares Tic-Tac-Toe Programm
  7. IBMs Deep Blue, die erste Software, die einen menschlichen Schachweltmeister geschlagen hat
  8. DeepMinds AlphaGo, die erste Software, die einen menschlichen Go-Weltmeister geschlagen hat
  9. Das Schufa Scoring System
  10. Apples Siri
  11. Amazons Alexa
  12. IBMs Watson Software, die die besten menschlichen Jeopardy Spieler geschlagen hat

Das war natürlich eine Trickfrage. Jedes der Beispiele steht für künstliche Intelligenz – selbst die Geister aus PacMan sind ein Beispiel für eine (wenn auch sehr, sehr einfache) Spiele-KI. Wir stellen diese Frage gerne bei Grundlagenvorträgen dem Publikum. Interessant ist, wie sehr die Meinungen individuell abweichen können. Auch zeigt sich hier sehr schön, wie sich die populäre Wahrnehmung der KI über die Jahrzehnte hin wandelt. In den neunziger Jahren hätte beispielsweise niemand angezweifelt, dass ein Schachcomputer, der einen Weltmeister schlägt, eine KI ist. Heute sieht das schon anders aus, wie dieses schöne Zitat eines Büronachbarn zeigt:

Ich meine echte KI, wie das Google Zeug, nicht die Schachcomputer aus den 90ern.

Es gibt also einen durch die technische Entwicklung und insbesondere Gewöhnung stetigen Wandel der Vorstellung darüber, was KI überhaupt ist. Insbesondere gibt es einen Unterschied zwischen der Definition, die Fachleute benutzen und dem öffentlichen Verständnis. Die Folge: man redet aneinander vorbei und wird aus dem Kontext gerissen zitiert.

Was ist KI? – Der Versuch einer Definition

Aber was ist denn nun die Definition von KI? Es gibt keine offizielle, DIN-genormte Definition, aber eine gute Basis ist die Definition, die das Standardwerk der künstlichen Intelligenz angibt. Laut „Artificial Intelligence – A Modern Approach“ ist ein System dann eine KI, wenn es eines oder mehrere der folgenden vier Kriterien erfüllt:

 

menschlich rational
Denken I. Es denkt wie ein Mensch II. Es denkt rational
Handeln III. Es verhält sich wie ein Mensch IV. Es verhält sich rational

Wir werden in den folgenden Artikeln wiederholt auf diese Definition zurückkommen, interessant ist aber schon folgende Beobachtung: Es gibt zwei Achsen, entlang derer die Definition verläuft:

  1. Denken vs. Handeln: Was ist wichtiger? Dass die Handlung den Erwartungen entspricht oder dass der „Denkvorgang“ den Erwartungen entspricht? Möchten wir praktische Ergebnisse, steht das Handeln im Vordergrund. Geht es aber darum, die Natur des Denkens und vielleicht auch des menschlichen Verstandes zu „durchdringen“, ist es das Denken.
  2. Rationalität vs. Menschlichkeit: Der Mensch handelt nicht immer rein rational (wenn nicht sogar in den seltensten Fällen). Erwarten wir, dass eine KI den Menschen nachahmt oder ein rationales Ideal des Verstandes? Beides kann, abhängig vom Kontext, wünschenswert sein.

Diese mehrdimensionale Definition ist bewusst frei auslegbar – denn nur so lassen sich die unterschiedlichen KI-Verfahren sowie die Meinungen darüber, was KI denn nun wirklich sei, in Bezug zueinander setzen. Die breit gefasste Definition zeigt auch, wie schwer es ist, KI überhaupt zu definieren.

Ab wann spricht man von künstlicher Intelligenz?

Der Forschungsstand und die Erkenntnisse zur menschlichen Intelligenz unterliegen seit jeher einem steten Wandel sowie kulturellen Einflüssen. Dasselbe gilt im Umkehrschluss natürlich in gleichem Maße für die Ziele der KI-Forschung.  Am Anfang des Computerzeitalters war die Idee eines Computers an sich schon eine KI – das sieht man in alten Science Fiction Filmen: Es ist selbstverständlich, dass der Computer spricht und selbständig Lösungen findet. Fragt der Raumschiff-Kapitäns den Bordcomputer  „Computer, was sind unsere Optionen?“, spiegelt dieses Klischee aus der SciFi die damalige Wahrnehmung von KI perfekt wieder: Anspruchsvolle mathematische Lösungen für komplexe Probleme finden – damals eine Aufgabe, die nur  besonders schlaue und gebildete Leute lösen konnten. Ist eine Maschine dazu ebenfalls in der Lage, muss sie folglich ebenfalls „intelligent“ sein. Schnell stellte sich aber heraus, dass Gleichungssysteme für Computer (relativ) leicht sind, Katzen und Hunde auf Bildern zu unterscheiden oder überhaupt zu verstehen, was der Raumschiff-Kapitän von einem will, dagegen unglaublich komplex. Darin liegt ein Dilemma für KI-Forscher: Immer, wenn sie ein Problem gelöst haben, versteht man, wie der Computer das macht – und dann ist es keine „echte“ KI mehr. Als 1997 Kasparov gegen Deep Blue verlor war klar: das ist state-of-the-art KI. Schließlich war Schach ein hochkomplexes Spiel, das eine Menge rationales Denken und Intuition verlangte. Heute hingegen haben selbst ITlerinnen manchmal ein Problem, ein Schachprogramm noch als KI zu sehen – obwohl es das definitiv ist. Dieses Problem des beweglichen Ziels hat John McCarthy zu folgender frustrierten Aussage bewegt:

As soon as it works, no-one calls it AI anymore.

Nun sind wir an einem Punkt angelangt, an dem ein Computer tatsächlich Katzen von Hunden unterscheiden und Sprache verstehen kann. Dies ist tatsächlich ein gewaltiger Sprung vorwärts, und da Probleme dieser Art jahrelang für Computer unmöglich waren, erscheint es manchen Leuten so, als sei dies „echte“ KI (was immer das auch ist). Die einen warnen dann schon vor der Apokalypse, die anderen sehen den sozialen Zusammenbruch, weil Roboter uns alle ersetzen und keiner mehr Arbeit hat. Nur ist das weit von der technischen Realität entfernt. Was wir gerade sehen, ist lediglich eine weitere Stufe der Digitalisierung. Es gibt keine KI wie im Science Fiction Film, die Weltwissen hat, allgemeine Probleme lösen kann und selbstständig handelt. Es gibt lediglich ein neues Paradigma der Softwareentwicklung, mit dem neue, bisher unlösbare Probleme gelöst werden können. Wie jede neue Technologie bietet dies tolle neue Chancen und natürlich auch Risiken. Um die Chancen richtig zu nutzen und den Risiken konstruktiv zu begegnen, braucht es aber Aufklärung. Wie Arthur C. Clarke so schön sagte:

Jede hinreichend fortgeschrittene Technologie ist von Magie nicht mehr zu unterscheiden.

Zurzeit herrscht vielerorts, was KI betrifft, leider noch genau dieses magische Denken vor. Damit sich dies ändert, wollen wir in den kommenden Teilen der Serie zeigen, was hinter KI steckt und wie sie funktioniert. Auch auf die grundlegenden Begrifflichkeiten soll eingegangen werden: Worin unterscheiden sich eine “starke” und eine “schwache” KI? Was hat es mit der Unterteilung in “klassische KI” und Deep Learning auf sich? Kennt man nämlich die Unterschiede, Stärken und Schwächen beider Ansätze, wird klar, worin der aktuelle Fortschritt liegt (oder zukünftig liegen kann).

Hier geht es zum zweiten Teil der Reihe KI für Laien „Von klassischer KI, Neuronalen Netzen und Deep Learning“, in dem Ihr erfahrt, wie man starke KI von schwacher KI unterscheiden kann und wie da Deep Learning und Neuronale Netze einzuordnen sind.