Künstliche Intelligenz - Teilgebiete, Methoden, Anwendungsgebiete

3D Grafik weiblicher Schädel mit Gehirn

Die künstliche Intelligenz (KI) in Entwicklung und Forschung

  • ,
  • von Paradisi-Redaktion

Der Mensch gilt als das vermutlich intelligenteste Lebewesen, das sich auf der Welt finden lässt. Doch den selbst erstellten Maschinen und Computern unterliegt er zumeist. Deren künstliche Eigenschaften scheinen also effizienter zu sein. Die Kunst, sich die künstliche Intelligenz (KI) zunutze zu machen, beschäftigt seit einigen Jahrzehnten die Wissenschaft. Sie optimiert Programme und Hilfsgeräte, um komplexe Prozesse zu vereinfachen und erfolgreicher zu gestalten. Informieren Sie sich über die Teilgebiete, Methoden und Anwendungsgebiete der künstlichen Intelligenz.

Inhaltsverzeichnis des Artikels

Was ist die künstliche Intelligenz?

Hiermit wird ein Forschungsgebiet bezeichnet, das als Ausformung der Informatik angesehen wird. Das Ziel liegt darin, die menschlichen Denkprozesse auf Maschinen anzuwenden. Diese folgen dabei einem festen Schema, um alle Aspekte eines Sachverhaltes – etwa einer mathematischen Rechnung – in Betracht zu ziehen. Die Lösungswege gestalten sich indes unterschiedlich, weswegen auch diverse Verfahren solcher künstlichen Intelligenzen zu variierenden Ergebnissen führen können.

Entscheidend ist neben der Richtigkeit der Resultate aber ebenso der Faktor der Zeit: Das maschinelle Gehirn kann Tausende Prozesse binnen weniger Sekunden durchführen. Müsste ein Mensch diese Analysen erstellen, bräuchte er zumeist einige Tage, um zu dem gleichen Schluss zu gelangen.

Wo wird sie angewandt?

Das Schachspiel erfreut sich großer Beliebtheit. Das traditionelle Verschieben kleiner Figuren auf einem begrenzten Feld schult das Denkvermögen und die taktischen Kompetenzen der Anwender.

Trifft der Mensch dabei auf einen ebenbürtigen Gegner, so kann er diesem auf Augenhöhe begegnen. Dank der künstlichen Intelligenz lässt sich ein solches Duell aber auch gegen Maschinen bestreiten.

Die Schachcomputer erweisen sich dabei als echte Kontrahenten, können sie doch binnen eines Wimpernschlages alle möglichen Züge und deren Konsequenzen errechnen. Mehr noch, Emotionen zeigen sie nicht.

Das Beispiel eines solchen Spielgerätes mag nur ein Geringes unter der Vielfalt der künstlichen Intelligenz sein. Doch bestätigt es sehr gut, wozu derartige Konstruktionen gegenwärtig fähig sind.

Das Schachspiel als beliebtes Anwendungsgebiet der Künstlichen Intelligenz
Das Schachspiel als beliebtes Anwendungsgebiet der Künstlichen Intelligenz
Handlung und Emotion

Die künstliche Intelligenz ist aber weit davon entfernt, lediglich Spielcomputer zu entwickeln. Sie stellt vielmehr darauf ab, solche Maschinen zu errichten, die dem Menschen ebenbürtig, zuweilen sogar überlegen sind. Dafür ist es aber entscheidend, nicht alleine jene Strukturen des Denkens und Fühlens nachzubilden, zu denen der menschliche Geist selbst fähig wäre. Vielmehr soll erreicht werden, auch solche Wege zu beschreiten, die einer Person noch immer verschlossen sind.

Natürlich lässt sich hierbei zunächst ebenso an kleine Computer oder Roboter denken, die Prozesse durchführen und selbstständig zu denken oder zu fühlen scheinen. Sie sind jedoch die Vorhut der wirklich nützlichen Hilfsprogramme.

Dem Menschen zu Diensten

Doch worum geht es der Erforschung der künstlichen Intelligenz denn wirklich? Sie erschafft Maschinen, die den Menschen in einigen Teilgebieten der Wissenschaft ersetzen können. Gerade bei der Raumfahrt wäre der Einsatz eines computergesteuerten Roboters gegenüber einer lebenden Person zu bevorzugen.

  • Unbegehbare Planeten könnten beschritten werden,
  • Analysen ließen sich fernab jeglicher Emotionen ausführen.
  • Einflüsse von Kälte und Hitze wären zu vernachlässigen, die Ergebnisse der Untersuchungen würden objektiv erbracht.

Leistungen, zu denen ein Mensch nicht fähig ist, gingen somit von einem Gerät aus, das eigentlich zum Denken und Fühlen nicht in der Lage ist – und diese Prozesse doch besser umsetzen kann als der Mensch.

Im Alltag von Nutzen

Natürlich wird sich die Sinnhaftigkeit der künstlichen Intelligenz infrage stellen lassen, wenn der Betrachter lediglich die Spielecomputer oder die unbemannte Raumfahrt im Auge hat. Anders sieht es allerdings aus, wenn die künstliche Intelligenz auch für alltägliche Maßnahmen eingesetzt werden könnte - etwa in der Medizin.

Bereits jetzt lassen sich Organe, das Gehirn oder der Aufbau des Skeletts einscannen und mittels künstlicher Intelligenz zu einem 3D-Objekt zusammenfügen. Den Ärzten ergibt sich daraus die Möglichkeit, Beschädigung und Krankheiten schneller zu erkennen und zu beheben. Denn derlei Denkprozesse wären dem Menschen an sich noch nicht möglich.

Vielfältige Einsatzgebiete

Allerdings muss es nicht alleine das Gebiet der Medizin sein, auf dem die Technologie zum Einsatz kommt.

  • Der Architekt kann vielmehr anhand simpler Vorarbeiten ein Haus künstlich erschaffen.
  • Mathematiker dürften komplizierteste Fragestellungen in kurzer Zeit berechnen.
  • In der Schifffahrt lassen sich die Einflüsse unterschiedlicher Wellengänge simulieren.

Kurzum, die Möglichkeiten der künstlichen Intelligenz für den Alltag des Menschen sind nahezu unbegrenzt. Die Erforschung ist dabei jedoch noch immer im Anfangsstadium begriffen.

Viele Jahrzehnte wird es noch dauern, bis alle Optionen ausgenutzt und alle offenen Wege beschritten werden. Klar ist indes: Der Mensch wird diese mit Unterstützung der künstlichen Intelligenz bewältigen. Und er wird davon profitieren.

Geschichtliche Hintergründe

Die Entwicklung der künstlichen Intelligenz ist eng mit dem Fortschritt der Technik verbunden. Beide Aspekte beeinflussen sich. Dennoch ist davon auszugehen, dass alle modernen Errungenschaften nur eine Fußnote der Geschichte bleiben werden.

Erst in den kommenden Jahren dürften sich solche Erfolge verzeichnen lassen, die tatsächlich von langfristiger Dauer sind. Denn noch immer steckt die künstliche Intelligenz in den Kinderschuhen.

Die Dartmouth Conference

Bereits in den 40er und beginnenden 50er Jahren gab es weltweite Bestrebungen, Maschinen derart zu programmieren, dass diese logische Zusammenhänge erkennen und deren Ergebnisse berechnen können. Als Vorreiter galten dabei die Vereinigten Staaten von Amerika. Hier war es insbesondere der Informatiker John McCarthy, der zur Entwicklung der künstlichen Intelligenz seine Kollegen zusammenrief und mit ihnen den weiteren Weg plante.

Dieses Ereignis, das im Juli 1956 begann und als Dartmouth Conference in die Geschichte einging, ebnete tatsächlich das Vorankommen der Entwicklung. Erstmals wurde dabei bewusst der Begriff gewählt, es mit einer nicht menschlichen, also künstlichen Form des Denkens zu tun zu haben.

Wie wir denken

Weitere Fortschritte konnten in den folgenden Jahren nach der Konferenz aber nur deshalb gelingen, weil die Form des Denkens genauer analysiert wurde. Hierbei erwarb sich der Logiker Alan Turing große Verdienste.

Er sah das Denken abstrakt und auch ohne ein Gehirn als möglich an. Damit war es lediglich ein geringes Problem, das Lösen komplexer Aufgaben und Strukturen auch einer Maschine zuzutrauen, solange diese von einem Menschen entsprechend programmiert wurde.

Insofern kommt es also zunächst doch auf das menschliche Gehirn als Grundlage des Wissens an. Dieses reicht die Informationen allerdings an den Computer weiter, der gänzlich ohne Gehirn auskommt. Das Denkorgan an sich wird damit überflüssig.

Grenzenlose Erwartungen

Gerade in den 50er und 60er Jahren scheiterten viele angedachte Projekte zur künstlichen Intelligenz dagegen. Sie waren mit zu großen Hoffnungen verbunden. Der Vorsatz, das menschliche Denken schon bald durch kleine Hilfsgeräte zu ersetzen, erwies sich als falsch.

So wurden zwar einige Programme entwickelt, die mathematische Sätze erforschten oder Probleme des Alltags lösten. Der ganz große Wurf blieb den Erfindern in dieser Zeit freilich versagt.

Erst wenige Jahre später gelang es dem Deutschen Joseph Weizenbaum, das Programm ELIZA zu entwickeln. Erstmals war es damit möglich, Maschinen eine Form des strukturellen Denkens beizubringen und diese zur Lösung von Problemen zu nutzen.

Das Expertensystem

Der nächste Schritt bestand darin, solche Programme zu entwickeln, die auf zuvor eingegebene Informationen reagierten. Sie wurden als Expertensysteme bezeichnet und von Menschen gesteuert.

So konnte etwa ein Arzt die Aufsicht darüber besitzen und das im Gespräch mit dem Patienten abgefragte Wissen in das Programm implementieren. Das System gab als Lösung sodann einen Weg vor, den der Patient beschreiten konnte.

Der Diagnose folgte somit die Empfehlung für eine Therapie. Der Vorteil lag darin, dass die Maschine kleinste Details aufnahm und wertete, die zuvor manchem Mediziner in der Behandlung des Patienten entgingen. Ein Nutzen für die Allgemeinheit entwickelte sich daraus also sehr schnell.

Die Nutzung des Gehirns

Speziell in den 80er und 90er Jahren entwickelte sich der technische Fortschritt derart weit, dass auch die künstliche Intelligenz davon zu profitieren schien. Doch die Hoffnung, der Mensch könne bei der Arbeit alsbald von der Maschine ersetzt werden, zerbrach. Stattdessen nutzten Forscher die Möglichkeit, die Informationen nicht mehr alleine per Hand in den Computer einzugeben.

Vielmehr wurden die Nervenströme gemessen und das Gehirn zunächst von Tieren, später auch von Personen in diesen Prozess einbezogen. Im Gegensatz zu den Denkstrukturen der Programme wurde dadurch deutlich, dass das Gehirn keinem festen Schema folgt, um Sachlagen zu erkennen und daraus eine Lösung zu finden.

Auf dem Weg in die Zukunft

Die Errungenschaften der vergangenen rund 60 Jahre mögen die künstliche Intelligenz vorangetrieben haben. Hürden wurden übersprungen, bestehende Probleme bewältigt.

Der Nutzen der Technologie ist aus dem Alltag des Menschen nicht mehr wegzudenken. Dennoch wird die Entwicklung noch weitere Jahrzehnte benötigen, um ihre gesamte Kraft einzusetzen.

Entscheidend dabei dürfte es sein, das menschliche Denken und Fühlen noch weiter zu entschlüsseln und den dabei gewonnenen Ergebnissen einen Zugang zu den Programmen zu bieten. Vielleicht sitzen sich dereinst tatsächlich ein Mensch und ein Schachcomputer gegenüber – wobei die Maschine die Gedanken des Menschen lesen kann. Eine Aussicht, die Angst und Zuversicht gleichermaßen beinhaltet.

Beziehung zwischen Mensch und Künstlicher Intelligenz

Grafik eines Röntgenbilds des menschlichen Schädels mit hervorgehobenem Gehirn auf schwarzem Hintergrund
Skeleton X-Ray - Brain 1 © Jeffrey Collingwood - www.fotolia.de

Um die virtuelle Persönlichkeit stetig zu verbessern arbeiten das Pariser Institute of Technology und die Europäische Union eng zusammen. Leider ist der Erfolg sogenannter ECAs (Embodied Conversational Agents) begrenzt, da es ihnen an Einfühlungsvermögen mangelt. In der Zukunft sollen die Gefühle des Anwenders, mit Hilfe einer Webcam, erkannt und darauf entsprechend reagiert werden.

Man hofft hier die Frustration, die durch den Einsatz von herkömmlichen ECAs häufig aufgetreten ist zu vermeiden, so wäre eine längerfristige "Beziehung" zwischen Mensch und KI möglich. Auf die Emotionen eines "echten" Kino-Publikums musste der unlängst in Sydney präsentierte Prototyp reagieren. Besonders für den Lehrbereich, in der Medizin, an Informationsständen und natürlich bei der interaktiven Unterhaltung setzt man auf die virtuellen Persönlichkeiten.

Die Teilgebiete der KI

Im Folgenden widmen wir uns den unterschiedlichen Teilgebieten der künstlichen Intelligenz.

Musteranalyse und Robotik

Ein Bestreben der künstlichen Intelligenz liegt darin, den Menschen bei seinen Tätigkeiten zu ersetzen. Das mag einerseits aus Kostengründen geschehen, gilt ein Programm doch als deutlich preiswerter als die Arbeitskraft einer Person.

Doch Letztgenannter können andererseits auch Fehler unterlaufen, die vermieden werden sollen. Gerade bei gefährlichen Vorgängen wird daher vermehrt auf Roboter zurückgegriffen. Aber auch zur Analyse kommen Programme zum Einsatz.

Das Analysieren von Mustern

In den letzten Jahren sorgte die Meldung für Aufsehen, dass künftig in den Reisepässen und Ausweisen in wachsendem Maße die so genannten biometrischen Daten des Inhabers vermerkt sind. Fingerabdrücke oder die Struktur der menschlichen Iris wären also dort enthalten.

Sie wiederum werden an Flughäfen oder bei Kontrollen abgefragt. Das geschieht nicht durch das Personal, sondern eine Maschine, die zur Musteranalyse programmiert wurde.

Entscheidend dabei ist es, dass eine solche Software nicht eigenständig denkt und auswertet. Sie folgt vielmehr einem vorgegebenen Muster und zieht daraus die entsprechenden Schlüsse. So vergleicht sie den Abdruck der Iris eines Menschen mit jenem Bild, das auf dem Ausweis gespeichert wurde.

Teil der industriellen Fertigung

Nicht alleine beim Reisepass wird die Technologie der Musteranalyse eingesetzt. Sie ist darüber hinaus aus der industriellen Fertigung nicht mehr wegzudenken. So wird die entsprechende Maschine auf bestimmte

  • Größen
  • Formen
  • Farben oder
  • Muster

programmiert, die sie etwa auf einem Laufband erkennen kann. Abweichungen, die in der Regel nicht den qualitativen Standards entsprechen, werden aussortiert.

Wo das menschliche Auge lediglich gröbere Unterschiede erkennt, ist das Programm auch in der Lage, Differenzen im Detail wahrzunehmen. Ebenso lassen sich auf diese Weise bestimmte Einzelteile zusammenfügen. Das Gerät weiß, wonach es zu suchen hat, da es vom Menschen mit genau diesen Informationen bestückt wurde.

Hinwendung zur Psychoanalyse

Der Weg, den die künstliche Intelligenz in den letzten beiden Jahrzehnten ging, basiert indes weniger darauf, den Maschinen lediglich ein simples Muster vorzugeben. Vielmehr wird auch das menschliche Denken, ja sogar sein Fühlen bewertet und einbezogen. Gerade für die Musteranalyse ist es daher entscheidend, sogar die Psyche des Menschen zu analysieren und dabei gewisse Schemata zu erkennen.

Diese könnten wiederum die Leistungskraft der Programme verbessern. Zu denken wäre etwa an einen Lügendetektor, der selbst feinste körperliche Regungen wahrnimmt. Solche Prozesse sind aber noch in der Entwicklung begriffen und es ist nicht davon auszugehen, dass sich nennenswerte Fortschritte in den nächsten Jahren ergeben werden.

Mit Hilfe der Roboter

Ein anderes Teilgebiet der künstlichen Intelligenz basiert darauf, nicht nur das Erkennen und Verstehen eines Menschen zu simulieren. Hier wird gleich dessen gesamte Arbeitskraft ersetzt.

Die Robotik hat sich darauf spezialisiert, Maschinen so zu programmieren, dass sie normale Tätigkeiten ausführen. Bislang wird davon hauptsächlich in der Industrie profitiert.

Auch am Traum, sich von einem solchen metallenen Freund bei den Dingen des Alltags helfen zu lassen, ist in Arbeit. Zudem wird bei der Pflege alter oder bedürftiger Personen zunehmend auf die Robotik gesetzt. Gerade im Notfall kann darin der Weg zur Rettung liegen.

Menschliche Arbeitskraft wird durch Roboter ersetzt
Menschliche Arbeitskraft wird durch Roboter ersetzt
Robotik und Musteranalyse

Viele Maschine werden dazu eingesetzt, in der industriellen Fertigung die stets gleichen Teile exakt nachzubauen. Diese eintönige Tätigkeit führt beim Menschen oft zu Konzentrationsschwächen und somit Mängeln in der Arbeit.

Das Gerät jedoch fertigt präzise die vorgegebenen Produkte und weicht dabei nicht vom erwünschten Maßstab ab. Insofern überschneidet sich die Robotik an dieser Stelle mit der Musteranalyse.

Der Maschine wird ebenfalls die Information zu einem Muster beigegeben. Dieses erfüllt sie in der folgenden Zeit von alleine.

Die menschliche Arbeitskraft wird damit überflüssig. Zumal ein solches Gerät, einmal programmiert, nahezu ohne Unterlass in der Produktion tätig sein kann und den Prozess am Laufen hält.

Für gefährliche Tätigkeiten

Die Roboter kommen daneben vorrangig dort zum Einsatz, wo der Mensch nicht arbeiten kann oder will: Etwa bei der Sprengung von Bomben und Minen. Aber auch die unbemannte Raumfahrt setzt gegenwärtig auf ein solches Gerät: Bei der aktuellen Marsmission hat noch kein Mensch den Planeten betreten. Vielmehr rollt ein Gefährt über den roten Sand, nimmt dort Proben und analysiert diese.

Eine etwas andere Form wird dagegen zur Notfallrettung verwendet. Kleine Programme können den Herzschlag, den Blutdruck und ähnliche körperliche Symptome eines Menschen messen. Kommt es hierbei zu Abweichungen, wird ein Signal an einen Arzt gegeben, der sofort helfen kann.

Spracherkennung und Wissensbasierte Systeme

Die Musteranalyse nimmt im Rahmen der künstlichen Intelligenz einen hohen Stellenwert ein. Vorgegebene Formen werden erkannt.

Anknüpfend daran lassen sich aber auch Informationen auf ähnliche Weise verarbeiten. Etwa das gesprochene Wort.

Die Spracherkennung bringt dabei viele moderne Anwendungen auf den Weg. Wissensbasierte Systeme werten dagegen Aussagen einer Person aus und können im Idealfalle auch Lösungen auf deren Fragen bereithalten.

Das gesprochene Wort

Ansagen gehören in der Bahn, am Flughafen oder auf Ämtern mittlerweile zum Alltag. Meist wird dabei eine Information auf ein digitales Medium gesprochen und je nach Bedarf abgespielt. Die künstliche Intelligenz ist in diesem Punkt indes in der Lage, gänzlich neue Wege zu beschreiten.

So könnte der erwünschte Satz mittels einer Tastatur auf einem Computer geschrieben und von einer künstlichen Stimme verlesen werden. Die tatsächliche Arbeitsleistung des Menschen wäre gering, die Vorteile dagegen steigen:

Deutlich schneller und flexibler könnten nun solche Ansagen gefertigt werden, da der gesamte Prozess der Aufnahme umgangen wird. Die Möglichkeiten an Einsparung von Mensch und Zeit wären also nicht unerheblich.

Das geschriebene Wort

Der umgekehrte Fall ist ebenso zu betrachten: Nicht immer ist es einer Person möglich, Worte stets zu sprechen. Beschädigungen im Kommunikationsbereich des Organismus können zu einem Verstummen führen.

Ein nennenswertes Beispiel hierfür ist der Physiker Stephen Hawking. Er ist in der Lage, die Aussagen mit der Kontrolle seiner Augen auf einem Bildschirm in ein Programm einzuspeichern. Dieses vertont die Sätze sodann und macht sie für Außenstehende hörbar.

Da die Sprache als wichtiges Instrument des Menschen gilt, sich zu positionieren, wird solchen Möglichkeiten der Spracherkennung eine hohe Priorität eingeräumt. Zu klären wäre künftig jedoch die Kostenfrage, da derlei Geräte sehr teuer sind.

Verbesserungen notwendig

Betrachtet man die gegenwärtigen Optionen der Spracherkennung, so klingen die Aussagen noch immer sehr technisch und distanziert. Beinahe gefühllos. Das hat seinen Grund darin, dass die Worte lediglich zusammengefügt werden.

Einen Sinn erkennt das Programm noch nicht. Aber auch dieses Problem dürfte in Zukunft gelöst werden. Die künstliche Intelligenz wäre dann in der Lage, die Emotionen zu begreifen und zu transportieren.

Betonungen könnten eingebaut, der Sprachfluss variiert werden. Die Bedeutung wäre derart umfangreich, dass ein solches Programm die Kommunikation eines stummen Menschen gänzlich ablösen könnte. Betroffene wären in der Lage, problemlos – oder zumindest doch ohne sprachliche Barrieren – am Alltag teilzunehmen und sich Gehör zu verschaffen.

Der Wert der Aussagen

Nicht immer ist es aber der Gebrauch der Sprache, der zu einem Hindernis reift. Auch die Informationen selbst können unterschiedlich gewichtet werden und damit zu variierenden Ergebnissen führen. Zu denken wäre etwa an das Gespräch zwischen einem Arzt und seinem Patienten.

Unterstellt man, dass der Leidende stets die gleichen Symptome erwähnt, so wird die Vielzahl an Diagnosen zunehmen, je mehr Mediziner er aufsucht. Welcher von ihnen hat aber recht, welcher irrt?

In solchen Fragen können wissensbasierte Systeme zur Anwendung kommen. Sie analysieren die Aussagen eines Menschen, werten sie und liefern im Idealfalle einen Ansatz zur Lösung. Etwa die Diagnose nebst Vorschlag zur Therapie.

Fragen und Antworten

Solche Systeme basieren auf einem Programm in einem Computer. Dieses wird von einem Fachmann bedient. Er speist die Software also mit jenen Antworten, die er im Gespräch mit dem Patienten oder Klienten erhält. Beide Parteien sitzen sich dabei gegenüber und führen eine normale Unterhaltung über die jeweiligen Leiden und Symptome.

Der Mediziner fungiert dabei jedoch nicht als Ersteller der Diagnose. Diese Aufgabe wird vielmehr dem Programm überlassen, das anhand der eingespeisten Informationen weitere Fragen stellen und mögliche Probleme beleuchten wird.

Anhand dieser Fragen und Antworten werden die Lösungsmöglichkeiten eingegrenzt. Daraus ergibt sich am Ende nicht nur das Resultat, sondern auch dessen Konsequenz.

Nicht nur im medizinischen Bereich

Ein derartiges wissensbasiertes System wird gegenwärtig bereits in einigen medizinischen Kliniken eingesetzt. Daneben kann es auf unterschiedliche Weise genutzt werden.

Etwa dann, wenn ein Schulabgänger unschlüssig über seinen Berufswunsch ist. Anhand der Eingabe persönlicher Daten und Vorlieben sowie Eigenschaften und Talente kann ihm ein Hinweis gegeben werden, in welcher Branche er am besten aufgehoben wäre.

Aber auch zur Lösung von Problemen im technischen Bereich kommt das System zur Anwendung: Lediglich die Fehler werden benannt, die Unterstützung folgt sofort. Die Optionen gestalten sich vielfältig und werden in den kommenden Jahren noch weiter ausgebaut.

Künstliche Intelligenz - neuronales Netz "Deep Q-Network" kann selbständig lernen

Google hat ein neues künstliches neuronales Netz namens "Deep Q-Network" vorgestellt

Grafik mit Neuronen (Nervenzellen) im Gehirn, rot markiert
Neurons in the brain © SSilver - www.fotolia.de

Denkende Maschinen sind das Thema der Zukunft. Mit "Deep Q-Network" (DGN) hat Google nun ein künstliches neuronales Netz vorgestellt, das sich selbst Computerspiele beibringen kann. Im Test lernte das Programm 49 Spieleklassiker wie Space Invaders bis zum Niveau von erfahrenen menschlichen Spielern.

Wie lernen Mensch?

Die menschliche Intelligenz ist ein Geheimnis, dass die Forscher noch nicht restlos gelüftet haben. Im Laufe der Evolution hat das Gehirn einen solchen Detailreichtum entwickelt, dass es kaum analysierbar ist.

Um zu lernen, muss das Gehirn unzählige Reize auswerten, sortieren und mit bisherigen Erfahrungen abgleichen. Die hierfür erforderliche Rechenleistung ist so vielfältig, dass automatische Systeme dem Menschenhirn aktuell noch hinterherhinken.

Deep Q-Network

Das Deep Q-Network zeigt jedoch, dass die Lernverfahren in künstlichen neuronalen Netzen vielseitiger werden. DQN kann ohne viel Vorwissen eingehende Reize filtern und ähnlich wie das Gehirn durch positive oder negative Verstärkungen Neues lernen.

Experiment zum Lernverhalten von Maschinen

Im Experiment ließen die Forscher ihre neuronales Netzwerk insgesamt 49 unterschiedliche Spiele jeweils 30 Mal hintereinander spielen. Am Ende notierten sie den Highscore und verglichen diesen mit menschlichen Spielern, die jedes Spiel zuvor zwei Stunden üben durften.

Resultat

Das Deep Q-Network entwickelte durch die positiven oder negativen Rückmeldungen in den einzelnen Spielphasen teilweise bessere Strategien als die menschlichen Spieler. In mehr als 50 Prozent der Spiele erreichte die künstliche Intelligenz mehr als 75 Prozent vom Highscore der menschlichen Konkurrenten.

Die Methoden der KI

Die künstliche Intelligenz macht sich unterschiedliche Methoden zunutze.

Approximationsmethoden und logisches Schließen

Wird ein Programm eingesetzt, das sich eines Problems widmen soll, so wird es dieses nicht alleine deshalb finden können, weil lediglich die Symptome oder Rahmenbedingungen eingegeben werden. Das eigentliche Ergebnis kann vielmehr nur dann entstehen, wenn der Software eine entsprechende Methode beigebracht wurde, um diesen Weg auch beschreiten zu können. Hierbei wird vermehrt auf das logische Schließen sowie die Approximationsmethoden zurückgegriffen.

Man nähert sich an

Der Begriff der Approximationsmethoden klingt zunächst etwas kompliziert, verdeutlicht aber bereits mit seinem Wortstamm, worum es eigentlich geht: Angestrebt wird eine Annäherung an das gewünschte Ergebnis. Oft ist es dabei nötig, das stets gleiche Rechenverfahren wiederholt anzuwenden, um sich Schritt für Schritt dem Resultat zu nähern.

Entscheidend dabei ist es, die Menge an Informationen zunächst zu erkennen und daraus ein Schema der Berechnung zu entwickeln. Hierbei wird aber nicht die exakte Lösung gesucht, sondern deren Näherung gewünscht.

Etwa dann, wenn das Ausrechnen der korrekten Zahl deutlich mehr Zeit benötigt, als die Annäherung veranschlagt. Die Ergebnisse liegen dagegen nahe beieinander.

Praktische Anwendung der Approximation

Die Vorstellung eines solchen Verfahrens ist relativ abstrakt. Selbst wenn man unterstellt, dass mathematische Probleme auf diese Weise gelöst werden können, ist es nicht eben leichter, sich darunter etwas auszumalen.

Doch auch in der industriellen Fertigung wird diese eingesetzt. Angenommen, ein Unternehmen erhält eine Kiste mit 1.000 kleinen Einzelteilen, die an sich stets exakt gearbeitet wurden und nun zur Produktion verwendet werden. Mittels Stichproben von vielleicht 50 Stück lässt sich eine gewisse Fehlerquote feststellen.

Nun wäre es sehr aufwendig, die exakte Ausschussquote zu ermitteln. Einfacher geht es, die Annäherung zu berechnen. Dieses gelingt mit der Approximationsmethode, die letztlich einen brauchbaren Wert liefert.

Unterschiedliche Methoden

Das Prinzip der Annäherung erscheint recht simpel. Doch beschäftigt es die Wissenschaft seit vielen Jahren. Eine wahre Flut an Optionen haben die Entwickler auf die Beine gestellt.

Doch die meisten der Methoden unterscheiden sich zumindest in kleinen Details. Inwiefern eine Berechnung mit ihnen nun zu einem nutzbaren Ergebnis führt, wäre die entscheidende Frage.

Daher ergab sich zuletzt immer wieder die Forderung, so genannte neuronale Netze zu errichten. Sie sollen es der künstlichen Intelligenz ermöglichen, die Denkstruktur eines Tieres oder sogar eines Menschen nachzuahmen. Idealerweise wäre ein solches System zudem in der Lage, die Lösungswege zu speichern und je nach Verfahren einzusetzen – mithin also selbstständig zu agieren.

Ohne Wissen geht es nicht

Schon sehr früh trat bei der Erforschung der künstlichen Intelligenz das Bedürfnis auf, die geplanten Maschinen und Geräte mit menschlichem Wissen zu speisen. Seinerzeit ging man davon aus, dass ein Programm nur dann in der Lage wäre, einen präzisen Weg zur Lösung zu beschreiten, wenn es alle relevanten Bedingungen kennt – und seien sie noch so klein und vermeintlich unbedeutend.

Im Laufe der Jahrzehnte hat sich daraus das Prinzip des logischen Schließens entwickelt: Die Software geht alle Informationen durch und schließt unwahrscheinliche Resultate aus. Nach der Anwendung bleiben nur wenige, meist sogar lediglich eine Lösung übrig, die sodann als Empfehlung ausgesprochen wird.

Die logische Konsequenz ermitteln

Das logische Schließen basiert auf dem Prinzip, aus allen eingegebenen Daten einen Lösungsweg möglichst rational zu ermitteln. Die reinen Fakten werden dazu von dem Programm erkannt und ausgewertet.

Wenn also eine bestimmte Situation vorliegt, kann daraus ein entsprechender Schluss gezogen werden: Wenn der Frühling kommt, schmilzt der Schnee. Ursache und Wirkung bedingen sich somit.

Allerdings geht das logische Schließen von mehr als einer Voraussetzung aus. Nicht selten kommen etwa im Zuge mathematischer Berechnungen dabei mehrere Dutzend von ihnen zum Einsatz, die nun gefiltert werden müssen. Die Informationen bilden daher den Grundstock der Methode.

Der Einfluss der Sprache

Doch egal, wie viel Wissen man auch in die Geräte einfließen lässt; diese können nur dann darauf zurückgreifen, wenn sie im entsprechenden Moment die benötigte Information auch finden. Das führte einerseits zu dem Problem, dass die Daten sehr umfangreich beschrieben wurden, die Software also regelmäßig ein sehr großes Volumen erreichte. Musste dann ein Lösungsweg gefunden werden, dauerte dieser sehr lange oder das Programm war dazu nicht in der Lage.

Andererseits war es aber auch nicht möglich, das Wissen sehr präzise zu definieren. Gab der Anwender seine Parameter ein, die zwar inhaltlich korrekt waren, sprachlich aber abwichen, wurde ein Resultat ebenso wenig gefunden. Ein Problem, das die Forschung auch künftig noch beschäftigen dürfte.

Optimierungsmethoden, Planen und Suchen

Ein gutes Beispiel, wozu die künstliche Intelligenz mittlerweile fähig ist, stellen die Computerspiele dar. Gestalteten sich diese vor wenigen Jahren noch grafisch wie spielerisch als wenig fortschrittlich, so bilden sie heute nahezu reale Welten ab. Auch die Gegner, mit denen sich der Protagonist auseinanderzusetzen hat, wirken wie Menschen – sie denken und fühlen, können Planungen unternehmen sowie deren Konsequenzen in ihre Berechnung einbeziehen.

Den richtigen Weg finden

Ob

  • zur Lösung mathematischer Aufgaben
  • während der industriellen Fertigung oder
  • als Bestandteil eines solchen Computerspieles:

Stets ergibt sich für die künstliche Intelligenz die Notwendigkeit, einen Weg zu einem Resultat zu finden. Denn dass der Ausgangspunkt sowie das Ziel definiert sind, reicht dabei nicht aus.

Bildlich gesprochen lässt sich dies auf auf ein Auto übertragen, das sich auf einer großen Landkarte befindet. Insofern wäre auch der Vergleich zu einem Navigationssystem denkbar.

Aus allen Kreuzungen, Abzweigungen, großen und kleinen Straßen muss ein Weg gefunden werden, der möglichst schnell befahrbar ist und den Anwender sicher an seinen gewünschten Ort bringt. Eine Aufgabe also, die aus der künstlichen Intelligenz nicht wegzudenken ist.

Die Suche als integraler Bestandteil

Die Option, tatsächlich den richtigen Weg zu suchen, wird mittels eines Suchalgorithmus gewährleistet. Alle vorhandenen Parameter werden dafür einer komplexen – aber rasanten – Berechnung unterzogen. Als Teil eines Computerspieles merkt der Benutzer also nicht einmal, dass im Hintergrund fortwährend alle Bedingungen ausgewertet und analysiert werden.

Aber auch die mathematische Berechnung basiert darauf, nach neuen Wegen der Lösung zu suchen. Welcher Algorithmus dabei zum Einsatz kommt, unterscheidet sich jedoch nach der jeweiligen Anwendung. Denn die Frage, ob der kürzeste, sicherste oder exakte Weg erkannt werden soll, lässt sich nicht stets gleich beantworten.

Den nächsten Schritt planen

Nachdem das Suchen einen wichtigen Bestandteil innerhalb der künstlichen Intelligenz darstellt, muss auch das Planen betrachtet werden. Beide Aspekte überschneiden sich zuweilen, sind sich also durchaus ähnlich. Auch hier lassen sich die Computerspiele zur Verdeutlichung heranziehen.

Nicht selten weisen die Gegner, die es zu bekämpfen gilt, ein sehr hohes Maß an Objektivität auf. Sie scheinen mitdenken und Maßnahmen zur Absicherung treffen zu können.

Bei strategischen Spielen – wie etwa dem Schach – sind sie in der Lage, viele Züge im Voraus zu planen und den Protagonisten damit sprichwörtlich in die Falle zu locken. Dahinter steckt jedoch ein kompliziertes System aus Berechnungen, die ein solches Ergebnis liefern.

Ziele und Probleme

Die Struktur des künstlichen Planens ist darauf aufgebaut, zunächst das Ziel als solches zu erkennen. Worin liegen also der Erfolg und das angestrebte Ende einer Maßnahme? Im zweiten Schritt wird nach einem Weg gesucht, möglichst effizient an diesen Punkt zu gelangen.

Es stellt sich daher die Frage, welche Voraussetzungen erfüllt sein müssen, um das Ziel zu erreichen – sei es

  • die Suche nach einer Straße
  • das Berechnen einer mathematischen Aufgabe oder
  • das Besiegen des Gegners beim Schach.

Bereits bei dieser Suche werden sich vermutlich Probleme aufzeigen. Hürden, die es zu überwinden gilt. Eine solche Problemlösung sucht also nach alternativen Methoden, um die Planung bis ins Detail zu gewährleisten.

Etwas Besseres entwickeln

Bereits die Herangehensweise an solche Probleme stellt die Software aber oftmals auf den Prüfstand. Denn nun zeigt sich, wie gut sie auch mit Schwierigkeiten umzugehen weiß. Ebenso wird dabei aber deutlich, wo die Mängel im System liegen. Beispielhaft sei die Berechnung einer mathematischen Aufgabe mit mehreren Variablen genannt.

Das Programm kann dabei nicht lediglich einen Weg zur Lösungssuche beschreiten, sondern muss vermutlich verschiedene Optionen nutzen. Das kostet nicht nur Zeit, sondern auch wertvolle Ressourcen im Speicher. Es stellt sich – unabhängig des Ergebnisses an sich – also bereits die Frage, ob hier nicht der Bedarf einer Optimierung besteht.

Die Wege der Heuristik

Die künstliche Intelligenz setzt in solchen Fällen, da die Informationen sowie die Zeit knapp bemessen sind, auf die Option der Heuristik. Damit werden verschiedene Schemata abgearbeitet, die jeweils für sich genommen zu einer Lösung finden. Es kommen daher vielfältige Algorithmen zum Einsatz, um in begrenzter Dauer und auch mit wenigen Informationen ein nutzbares Ergebnis vorzulegen.

Der eigentliche Weg, der länger dauert und mehr Speicherplatz beansprucht, wird folglich umgangen. Oder anders gesagt: Das auftretende Problem führt dazu, dass nach Alternativen gesucht wird. Insofern optimiert sich die Struktur des künstlichen Denkens. Künftig ist davon auszugehen, dass sie das auch alleine können wird.

Mögliche Anwendungsgebiete im Überblick

Die künstliche Intelligenz gilt vielen Menschen noch immer als etwas Abstraktes. Doch gerade die Anwender eines Computers sind täglich mit ihr konfrontiert.

Mehr noch, sie verwenden sie fortwährend, ohne es selbst zu bemerken. Der wahre Nutzen hat sich aber auch in anderen gesellschaftlichen Gebieten durchgesetzt – gänzlich kritiklos sollte diese Entwicklung jedoch nicht gesehen werden.

Die schnelle Suche

Wer kennt das nicht, da schwirrt einem plötzlich eine Frage durch den Kopf, deren Lösung einem irgendwie auf der Zunge liegt. Doch wozu lange überlegen? Die Suchmaschinen im Internet liefern die exakte Antwort binnen eines Wimpernschlages.

Auch dieses Vorgehen ist ein Bestandteil der künstlichen Intelligenz. Sie

  • greift die Parameter der Fragestellung auf
  • sucht nach Resultaten
  • gleicht beides miteinander ab und
  • bietet dem Anwender, wonach dieser forscht.

Vor einer solchen Abfrage kann es aber nötig sein, je nach Portal eine so genannte Captcha-Abfrage zu leisten, bei der Buchstaben und Zahlen den Benutzer als Menschen identifizieren sollen. Beide Schritte wären ohne die künstliche Intelligenz nicht möglich.

Der Nutzen der Sprache

Aber nicht immer befinden wir uns daheim, um eine sich stellende Aufgabe zu lösen. Wer häufiger den Urlaub in fremden Ländern genießt, sieht sich mitunter vor das Problem der Sprache gestellt: Wie wird ein Wort richtig ausgesprochen, wo liegen die Betonungen? Sprachcomputer liefern die vollständigen Sätze. Mit ihnen kann man lernen oder sie direkt vor Ort einsetzen.

Der Mensch tippt dabei die entsprechenden Worte ein, das Gerät erkennt und liest sie. Auch die Durchsagen auf Bahnhöfen und Amtsstuben lassen sich damit einfacher gestalten. Je nach Situation können einzelne Sätze – notfalls in unterschiedlichen Sprachen – verlesen werden. Eine vorherige Aufnahme entfällt.

Die Schrift gebrauchen

Aber auch geschrieben Worte verlieren im Zuge der künstlichen Intelligenz nicht an Bedeutung. Viele Handys und Smartphones verfügen bereits über die Technik, dass Worte direkt auf dem Display geschrieben werden können.

Ein dem Gerät beigefügtes Programm erkennt die Schrift und formuliert diese etwa für ein Schreibprogramm um. Das mühselige Tippen auf der Tastatur wird somit vermieden.

Ein anderer Vorzug zeigt sich, wenn die geschriebenen Worte nicht auf ihren Inhalt, sondern ihre Form hin untersucht werden. Analysen der Schrift erkennen

  • Neigungen
  • Unterschiede bei den Größen und
  • ähnliche Faktoren.

Daraus können sie den Charakter eines Menschen, aber auch seine momentane emotionale Verfassung bestimmen. Das geht jedoch nur, weil die Software genau dafür programmiert wurde.

Der Mensch wird ersetzt

In anderen gesellschaftlichen Bereichen ist es dagegen notwendig, den Menschen weitgehend zu ersetzen. Etwa in der Raumfahrt, wo die Widrigkeiten des Alls eher einer Maschine zugemutet werden, statt eine Person dort den Gefahren auszusetzen. Gleiches gilt für das Räumen von Minenfeldern.

Könnte ein Mensch hier nur allzu schnell zu Schaden kommen oder sogar sein Leben verlieren, so werden kleine Roboter eingesetzt, um die Aufgaben zu erfüllen. Sie sind freilich auch in der Lage, stets gleiche Arbeiten zu erledigen und beispielsweise den Dienst am Fließband schneller und effizienter zu leisten als menschliche Arbeitskräfte. Von der Kostenersparnis einmal abgesehen.

Fragen und Antworten

Zunehmend wird die künstliche Intelligenz aber auch dort eingesetzt, wo zuvor ein Gespräch von Mensch zu Mensch stattfand. Etwa bei der Berufsberatung. Vermehrt setzen aber auch medizinische Abteilungen darauf, dass der Patient seine Symptome und Leiden zunächst einem kleinen Gerät mitteilt, das daraufhin eine erste und zumeist oberflächliche Diagnose stellt.

Weiterführend bietet sich die Vorstellung an, Therapien könnten künftig ausschließlich auf diesem Wege gefunden werden. Denn die Maschine erkennt nicht selten die Feinheiten, die dem menschlichen Arzt verborgen bleiben. Denn wie die Antworten des Patienten gewichtet werden, ist dem Gerät egal. Dieses bezieht alle Fakten ein und ermittelt auf dieser Basis eine Lösung.

Nicht abhängig machen

Dennoch muss der Trend auch kritisch gesehen werden. Denn wer kann sich schon vorstellen, in naher Zukunft vor Gericht nicht mehr mit einem Richter zu sprechen, sondern seine Sichtweise auf den Verlauf in einen Computer zu tippen und diesen das Strafmaß anhand eines Algorithmus ermitteln zu lassen?

Der Mensch tut gut daran, zwar die Vorzüge der künstlichen Intelligenz zu nutzen, ihre Gefahren aber nicht zu übersehen. Ob die Maschine in naher Zukunft eine Person gänzlich wird ersetzen können, scheint ungewiss.

Denn neben dem Denken, das sich vielen Programmen bereits beibringen lässt, verfügt der Mensch auch über Gefühle. Sie konnten einem Gerät bislang nicht implementiert werden.

Wissenswertes zum Turing-Test

Ob die Aufgabe der künstlichen Intelligenz tatsächlich darin besteht, den Menschen etwa bei der Arbeit oder in anderen Bereichen des Lebens zu ersetzen, kann zunächst dahinstehen. Sicher ist aber, dass zumindest die Entwicklung solcher Maschinen betrieben wird, die das Denken und Fühlen einer Person simulieren sollen. Ob ein Gerät dazu in der Lage ist, wird häufig mit dem Turing-Test ermittelt.

Grundsätzliche Überlegungen zum Test

Im Jahre 1950 hat der Mathematiker und Logiker Alan Turing eine für damalige Verhältnisse revolutionäre Schrift vorgelegt. Sie trug den Titel "Computing Machinery and Intelligence" und befasste sich allgemein mit der Frage der aufkommenden Erforschung der künstlichen Intelligenz. Diese wurde zwar bereits in einigen Ländern angestrebt, brauchbare Ergebnisse waren indes noch nicht zustande gekommen.

Turing jedoch dachte bereits so weit, dass derartige Geräte tatsächlich existieren und das Denken eines Menschen kopieren könnten. Damit stellte sich dem Briten aber ebenso die Frage, wann eine solche Maschine denn ihre Aufgabe erfüllt. Wann ist sie so programmiert, dass sie dem Menschen tatsächlich nicht mehr unterlegen ist?

Der Turing-Test

Turings Überlegung erbrachte den Schluss, dass nur ein Duell unter gleichen Voraussetzungen ein Resultat erbringen kann. Dafür wird ein Gespräch simuliert: Ein Anwender bedient dabei einen Computer.

Ihm stehen zwei Probanden gegenüber, die er beide jedoch weder sehen noch hören kann. Zum einen handelt es sich dabei um einen Menschen, zum anderen um einen zweiten Computer – eben die zu testende Maschine.

Der Anwender kommuniziert nun über schriftliche Aussagen mit den beiden Probanden. Er stellt Fragen und erhält Antworten. Ist er im Anschluss an das Gespräch nicht in der Lage, einen Unterschied zwischen Mensch und Maschine zu erkennen, so geht die Wissenschaft davon aus, dass das Gerät dem menschlichen Denken ebenbürtig ist.

Die Frage der Intelligenz

Was Turing jedoch zur Erforschung der Möglichkeiten eines Programmes betrachtet hat, brachte ihm auch viel Kritik ein. Der Vergleich zum Menschen wird dabei etwa als absurd angesehen. Unterstellt man, dass eine minderbegabte Person sowie ein Computer als Gesprächspartner eingesetzt werden, so hat es das Gerät nicht allzu schwer, zu obsiegen.

Auch Kinder wären nur selten in der Lage, die Kraft der Maschine zu übersteigen. Es dreht sich im weiteren Verlauf also vieles um die Frage der eigentlichen Intelligenz: Was genau ist sie und wie beeinflusst sie das Denken und Fühlen?

Wer arbeitet effizienter?

Doch der Test beleuchtet noch einen weiteren Aspekt. Wenn der Mensch sowie die Maschine eine Aufgabe unter gleichen Bedingungen vorgelegt bekommen, so stellt sich die Frage, wer von ihnen schneller und effektiver zu einem Ergebnis kommt – und inwieweit sich dieses anschließend nutzen lässt.

Hierbei treten indes die wahren Unterschiede zwischen beiden Parteien zutage: Während das Gerät lediglich so handelt, wie es ihm beigebracht wurde, agiert der Mensch unter dem Einfluss von Emotionen, die das Resultat verfälschen können. Auch hier lässt sich ein Sieger also nicht erkennen, da die Rahmenbedingungen eben nicht gleich gewählt werden. Eine Pauschalisierung der Lösung lässt sich mithin in keinem Falle ableiten und für die Wissenschaft verwenden.

Unterschiedliche Herangehensweisen

Bei etwa 70 Prozent sah Turing die Wahrscheinlichkeit, dass der Anwender des Tests korrekt voraussagen könne, welcher Gesprächspartner der Mensch und welcher die Maschine sei. Dabei irrte er sich allerdings.

Gegenwärtig fällt es aber noch immer schwer, diese Identifizierung zu leisten. Das liegt einerseits an der sehr komplexen Denkstruktur des menschlichen Gehirns.

Andererseits sind die Maschinen in der Lage, ein Gespräch alleine damit zu simulieren, dass sie die Antworten präzise nennen, ohne dabei aber ihren Partner konkret anzusprechen. Für den Anwender gestaltet es sich somit schwierig, beide Parteien auseinanderzuhalten: Er überschätzt die Maschine und er unterschätzt den Menschen.

Turing in der praktischen Anwendung

Trotz aller Kritik an dem Test werden noch immer einzelne Elemente davon eingesetzt. Sogar dem Laien bieten sie sich im Alltag, ohne dass dieser davon etwas merkt. Beispielsweise dann, wenn das Mail-Postfach zwischen normalen E-Mails und sogenannten Spammails unterscheidet.

Offensichtlicher wird das System indes dann, wenn eine Captcha-Abfrage kommt, der Benutzer also seine menschliche Identität dadurch bestätigt, dass er eine festgelegte Reihenfolge an Zahlen und Buchstaben in ein Feld eingeben kann. Auch diese Methode basiert auf dem Turing-Test, der seit mehr als 60 Jahren aus der künstlichen Intelligenz nicht mehr wegzudenken ist.

Künstliche Intelligenz - Eugene Goostman besteht Turing-Test

Computer in einem Internetcafe, Hände sind an den Computermäusen und Tastaturen
Computer Gaming at internet cafe © Mikael Damkier - www.fotolia.de

Eugene Goostman ist 13 Jahre alt, stammt aus Odessa in der Ukraine, mag den Rapper Eminem und besitzt ein Meerschweinchen. Bislang war er nur wenigen Menschen bekannt, doch das könnte sich bald ändern.

Goostman ist keine real existierende Person, sondern ein Chatbot - eine Software für den Computer. Er ist der erste Charakter, der den Turing-Test bestanden hat.

Durchführung, Ergebnis und Kritik am Turing-Test

Dieser Test stammt von dem britischen Mathematiker und Informatiker Alan Turing, der ihn konzipiert hat, um festzustellen, ob eine Maschine ein dem Menschen gleichwertiges Denkvermögen besitzt. Er gilt dann als bestanden, wenn 30 Prozent der Fachleute glauben, mit einem echten Menschen zu reden. Bei Eugene Goostman waren dies 33 Prozent der Teilnehmer der Britischen Gelehrtengesellschaft Royal Society.

Die Auswahl des Charakters begründeten die Entwickler so, dass ein 13-Jähriger vieles, aber nicht alles wisse.

Die Juroren chatteten beim Turing-Test an der Universität von Reading jeweils fünf Minuten gleichzeitig mit einem Menschen und mit einem von fünf cleveren Computerprogrammen. Danach sollten sie urteilen, welcher Gesprächspartner real und welcher nur ein Computerprogramm ist. Lediglich Eugene Goostman bestand den Test.

Die Software analysierte in einem ersten Schritt die Frage und wählte dann aus einer Datenbank eine passende Antwort aus. Manchmal fragte sie zurück oder gab eine vorher ausformulierte Antwort.

Kritiker wenden ein, dass fünf Minuten für solch ein Experiment zu wenig seien. Zudem sei der Test schlecht geplant gewesen. Problematisch sei außerdem, dass das Programm einen Jungen simuliere, der kein Muttersprachler ist. Deshalb würden die Juroren leichtfertig über Fehler hinwegsehen. Auch sein vermeintliches Alter verberge das Unwissen.

Grundinformationen und Hinweise zu Intelligenz

War der Artikel hilfreich?

Fehler im Text gefunden?

Bitte sagen Sie uns, warum der Artikel nicht hilfreich war:

Um die Qualität unserer Texte zu verbessern, wären wir Ihnen dankbar, wenn Sie uns den/die konkreten Fehler benennen könnten:

Quellenangaben

  • Bildnachweis: weblicher schädel mit gehirn © Sebastian Kaulitzki - www.fotolia.de
  • Bildnachweis: the queen piece ready for it's move (selective focus) © Helder Almeida - www.fotolia.de
  • Bildnachweis: Industry 4.0 concept .Man hand holding tablet with Augmented reality screen software and blue tone of automate wireless Robot arm in smart factory background © zapp2photo - www.fotolia.de

Autor:

Paradisi-Redaktion - Artikel vom (zuletzt überarbeitet am )

Weitere Artikel zum Thema