Aufmerksame Roboter
Derzeit können Künstliche Intelligenz-Technologien (KI) scheinbar menschliche Züge aufweisen. Einige sind bewusst menschlich, andere erfüllen Aufgaben, die wir normalerweise mit dem Mensch sein assoziieren – Songwriting, Lehre und bildende Kunst, zum Beispiel.
Aber im weiteren Verlauf des Feldes überdenken Unternehmen und Entwickler die Grundlagen der künstlichen Intelligenz neu, indem sie unsere eigene Intelligenz untersuchen,um sie mit Hilfe von Maschinen und Software effektiv imitieren zu können. IBM ist ein solches Unternehmen und hat sich auf die ehrgeizige Aufgabe gestellt. Der KI zu lehren, wie ein menschliches Gehirn zu funktionieren.
Viele maschinelle Lernsysteme basieren auf der Notwendigkeit mit großen Datenmengen zu arbeiten. Ob sie nun Probleme lösen, um ein Go-Spiel zu gewinnen oder Hautkrebs anhand von Bildern zu erkennen. Diese Grundlage ist jedoch begrenzt – und unterscheidet sich vom menschlichen Gehirn.
Wir Menschen lernen inkrementell. Einfach ausgedrückt, wir lernen auf Anhieb. Während wir uns Wissen aneignen, das wir nach und nach nutzen können, passt sich unser Gehirn an und absorbiert Informationen anders als viele existierende künstliche Systeme. Außerdem sind wir logisch. Wir benutzen logische Fähigkeiten, um Probleme zu lösen, das ist etwas, was diese Systeme noch nicht so gut zu lösen vermögen.
IBM ist bemüht, dies zu ändern. Ein Forschungsteam von DeepMind hat ein synthetisches neuronales Netzwerk geschaffen, das angeblich rationales Denken verwendet, um Aufgaben zu lösen.
Rationelle Maschinen
„Indem wir der KI mehrere Objekte und eine spezifische Aufgabe geben, zwingen wir das Netzwerk explizit dazu, die existierenden Beziehungen zu entdecken „, sagt Timothy Lillicrap, Informatiker bei DeepMind, in einem Interview mit dem Science Magazine. In einem Test des Netzwerks im Juni wurde ein Bild mit mehreren Objekten befragt. Das Netz wurde zum Beispiel gefragt:“Vor dem blauen Ding ist ein Objekt; hat es die gleiche Form wie das winzige blaue Ding rechts neben der grauen Metallkugel?“
In diesem Test identifizierte das Netzwerk das Objekt korrekt mit einer erstaunliche Quote von 96 Prozent, verglichen mit den schäbigen 42 bis 77 Prozent, die herkömmliche Modelle des maschinellen Lernens erreicht hatten. Das erweiterte Netzwerk war auch für Wortprobleme geeignet und wird ständig weiterentwickelt und verbessert. Zusätzlich zu den Argumentationsfähigkeiten fördern Forscher die Fähigkeit des Netzes, Aufmerksam zu sein und sogar Erinnerungen zu bilden und zu speichern.
Bild von ColiN00B / Pixabay
Die Zukunft der KI-Entwicklung könnte beschleunigt und stark erweitert werden, indem man solche Taktiken anwendet, so Irina Rish, IBM-Forschungsmitarbeiterin, in einem Interview mit Engadget:“Neuronales Netzwerk-Lernen ist typischerweise entwickelt und es ist eine Menge Arbeit, um tatsächlich mit einer bestimmten Architektur zu kommen, die am besten funktioniert. Es ist so ein Versuch und Irrtum-Ansatz… Es wäre gut, wenn diese Netzwerke sich selbst aufbauen könnten.“
Es mag erschreckend sein an KI-Netzwerke zu denken, die sich selbst aufbauen und verbessern. Aber wenn sie korrekt überwacht, initiiert und kontrolliert werden, könnte das Feld über die derzeitigen Beschränkungen hinaus expandieren. Trotz der großen Ängste vor einer Roboterübernahme könnte die Weiterentwicklung der KI-Technologien Leben retten im medizinischen Bereich, Menschen auf den Mars bringen und vieles mehr.
