Page - 115 - in Künstliche Intelligenz - Technologie | Anwendung | Gesellschaft

iit-Themenband – Künstliche Intelligenz 115 Ausblick Künstliche Intelligenz und Robotik sind aktuell Megathemen der öffentlichen Debatte. Die tatsächlich signifikanten Durchbrüche in KI-Technologien wie ML und Computer Vision werden in den Medien jedoch gelegentlich zum Ausgangspunkt überbordender Fantasien für übertriebene Projektionen des Möglichen in der Zukunft, in der Roboter – ob zum Guten oder zum Schlechten – bald schon einen Großteil der heute von Menschen ausgeübten Tätigkeiten bewältigen können (Brooks 2017). Dies schürt vor allem Ängste vor massiven Arbeitsplatz- und auch Kontrollverlusten zugunsten digitaler Akteure und Entscheider. Bei kaum einem anderen Technologiethema ist die Kluft zwischen solchen Prophezeiungen und den tatsächlichen Möglichkeiten größer. Das in den Medien gezeichnete Bild ist deshalb übertrieben und falsch, weil die kol- portierten Fortschritte bisher vor allem im Bereich der schwachen oder eingeschränk- ten KI erzielt wurden. Moderne KI-Algorithmen funktionieren nur in einem eng abgesteckten Anwendungsfeld. Maschinelle Lernverfahren erkennen Strukturen in Übungsdaten und können auch Lücken füllen, aber sie verstehen nicht die Bedeu- tung des Gelernten und können ihr Wissen deshalb nicht auf neue, unbekannte Situationen übertragen. Als beispielsweise der französische Präsident Emanuel Macron seine Wähler mit „Mes chers compatriotes“ („Meine lieben Landsleute“) ansprach, wurde dies von Microsofts Bing Übersetzer als „My fellow Americans“ (meine amerikanischen Mit- bürger) ins Englische übertragen (Bryson 2017). Der KI-Algorithmus hatte gelernt, dass „Landsleute“ im englischsprachigen Raum statistisch betrachtet meist „Ameri- kaner“ bedeutet, und verwendet die Worte deshalb als Synonyme. Auch gab es im Jahr 2016 in Florida einen tödlichen Autounfall mit einem autonom gesteuerten Pkw, der mit hoher Geschwindigkeit in einen quer die Straße kreuzenden Sattel- schlepper hineinsteuerte, weil das Computer Vision-System diesen nicht erkannt hatte (Greenemeier 2016). Der Hersteller Tesla vermutet, dass das Computer Vision- System den Sattelschlepper aufgrund seiner weißen Farbe für einen Wolkenhimmel gehalten hat (Greenemeier 2016). Solch ein Fehler hätte einem menschlichen Fahrer nicht passieren können, der weiß, was Hindernisse sind, und deshalb auf jedes Objekt, das sich beim Näherkommen visuell ausdehnt, mit Bremsen reagiert. Diese Beispiele zeigen das fehlende Verständnis des Gelernten bei KI-Systemen auf, was deren Möglichkeiten zur intelligenten Entscheidungsfindung stark einschränkt. Um die Fähigkeiten einer schwachen KI auf neue, unvorhergesehen Situationen zu übertragen, müssen also immer noch menschliche Ingenieure Hand anlegen und die Architektur nachbessern oder neue Trainingsdaten bereitstellen. Die Entwicklung von Robotern, die wie Menschen eigenständig, kreativ und flexibel auf neue, unvorher- gesehene Situationen reagieren, d.  h. die von einer starken oder generellen KI (strong