Seite - 229 - in Limina - Grazer theologische Perspektiven, Band 3:2

229 | www.limina-graz.eu Eugen Dolezal und Moritz Windegger | KI – Künstler oder Werkzeug? So ein Künstliches Neuronales Netzwerk könnte beispielsweise genutzt werden, um Katzenbilder zu erkennen. Zur Vereinfachung nehmen wir nur Graustufen-Bilder an. Als Input erhält das Programm eine Reihe von Zahlen, die bei „1“ ein weißes Pixel, bei „0“ ein schwarzes Pixel und bei einem Wert dazwischen den jeweiligen Grauton repräsentieren. Als Out- put erhält man idealerweise den Wert „1“, wenn es sich um ein Katzenbild handelt, und den Wert „0“, wenn das nicht der Fall ist. Da das Ergebnis des Outputneurons allein von der Verbindungsstärke der Neuronenschichten untereinander abhängt, würde ein geeignet strukturiertes und großes KNN lediglich die richtige Kombination an Verbindungsstärken benötigen, um mit probater Sicherheit Katzenbilder richtig zu erkennen (vgl. Kipper 2020, 16–17). Doch wie soll man dem KNN die richtige Kombination an Verbindungs- stärken beibringen? Aufgrund der schieren Anzahl an benötigten Knoten- punkten und Verbindungen ist dies durch menschliches Ausprobieren de facto unmöglich. Es ist aber möglich, das Künstliche Neuronale Netzwerk zu trainieren, sodass es die richtige Kombination erlernen kann. Dabei werden im Normalfall die Verbindungsstärken randomisiert und dem KNN Bilder gegeben, von denen bereits bekannt ist, ob sich darauf Katzen be- finden oder nicht. Je nachdem, ob das KNN nun ein Bild richtig oder falsch einordnet, wird nun Feedback gegeben. Da das Outputneuron auch Werte zwischen „0“ und „1“ ausgeben kann, kann man dem KNN mitteilen, um wieviel der Output vom gewünschten Ergebnis abwich. Diese Rückmeldun- gen erlauben es dem Programm, zu errechnen, welche Verbindungsstärken angepasst werden müssen, um die durchschnittliche Abweichung vom ge- wünschten Ergebnis zu senken. Dieser Prozess kann nun so oft wiederholt werden, bis das zuvor noch zufällige Ergebnisse ausgebende KNN mit gro- ßer Sicherheit auch unbekannte Bilder korrekt einordnen kann (vgl. Kipper 2020, 17). Auf Basis dessen kann einem Künstlichen Neuronalen Netzwerk, welches wie beschrieben das Fundament einer KI im modernen Sinne ist, abver- langt werden, dass es aus einer großen Menge an Daten Gemeinsamkeiten findet und diese dann ausgibt, ohne menschliches Feedback erhalten zu haben. Dies ist bei der Software „AlphaGo Zero“ so geschehen, die statt ge- gen Menschen gegen sich selbst das komplexe Brettspiel Go spielte und so innerhalb kürzester Zeit die menschlichen Größen auf diesem Gebiet schla- gen konnte (vgl. Kipper 2020, 18), oder aber bei einer KI, die aus ungefähr zehn Millionen zufällig ausgewählten und YouTube-Videos entnommenen Bildern wiederkehrende Objekte identifizieren sollte. Die KI konnte das Bild