Interview

Amazons Machine-Learning-Chef: „Programme mit Bewusstsein sind Fiktion“

(Foto:  Amazon)

Ralf Herbrich ist seit sechs Jahren wissenschaftlicher Leiter von Amazons Machine-Learning-Abteilung in Berlin. Wir haben mit ihm über die konkreten Herausforderungen in der kundenorientierten KI-Entwicklung und die Frage gesprochen, ­warum das Interface von Alexa noch nicht perfekt ist.

Als Ralf Herbrich Mitte der 1990er begann, theoretische Statistik an der TU Berlin zu studieren, ging in der KI-Forschung gerade die Ära der sogenannten Expertensysteme zu Ende. Bis dahin hatte man versucht, dem Computer auf Basis einer symbolischen Beschreibung der Welt logisches Denken ­beizubringen. Man befragte zum Beispiel Piloten und Ärzte dazu, wie sie ihre ­Ent­scheidungen treffen und versuchte, aus ihren Antworten Regelwerke zu ­codieren. Eine Sackgasse, wie sich später ­herausstellen sollte.

Ralf Herbrich ­spezialisierte sich stattdessen schon sehr früh auf die Frage, wie man den Computer dazu kriegt, mittels Statistik selbst Regeln aus großen Datenmengen abzuleiten. Ein Paradigmenwechsel – vom Programmieren zum Trainieren von Maschinen –, der sich im gesamten Forschungsfeld des maschinellen Lernens vollzogen und zu den Erfolgen der vergangenen Jahre geführt hat. Bevor Herbrich allerdings zu Amazon ging, forschte er rund elf Jahre bei ­Microsoft und ein Jahr bei Facebook. Am Amazon-Standort ­in Berlin arbeiten insgesamt rund 500 Menschen aus 62 Nationen. Mit rund 100 Mitarbeitern auf insgesamt anderthalb Etagen entwickelt die Machine-­Learning-Unit des Unternehmens hier konkrete Vorhaben für die verschiedenen Amazon-Produkte.

t3n: Herr Herbrich, was hat Sie zum maschinellen Lernen ­gebracht?

Ralf Herbrich: Als begeisterter Videospieler hat es mich immer gestört, dass die Computergegner so berechenbar waren. Ich habe mich deshalb schon früh damit auseinandergesetzt, wie man zum Beispiel neuro­nale Netze einsetzen kann, um Computergegner zu erschaffen, gegen die es mehr Spaß macht zu spielen. Mich interessiert immer die Frage, wie man aus Forschung Realität schaffen kann, nicht bloß akademische Veröffentlichungen. Letztere sind toll für die Diskussion mit den Kollegen aus der Wissenschaft, aber es sind im Schnitt nur 50 Experten, die ein Papier lesen und zitieren, wohingegen reale Produkte von Millionen von Kunden genutzt werden.

t3n: Sie forschen seit mehr als 20 Jahren an intelligenten ­Systemen. Vielen Menschen kam das Thema lange Zeit wie Science-Fiction vor. Jetzt scheinen wir als End­verbraucher plötzlich von künstlichen ­Intelligenzen und digitalen ­Assistenten umgeben. Wie kommt das?

Die Öffentlichkeit hat die großen Fortschritte auf dem Gebiet zehn Jahre lang übersehen, was auch daran liegt, dass konkrete Anwendungen erst durch die stark gestiegene Rechenleistung der letzten Jahre möglich geworden sind. Heute ist Rechenkapazität eine Ware, die man pro Tag oder Stunde mieten kann, sodass solche Anwendungen auch für kleinere Unternehmen und Startups nutzbar geworden sind. Das hat zum Durchbruch geführt. Hinter dieser Entwicklung steht aber eine überschaubare Anzahl von Algorithmen, die schon Anfang der Achtzigerjahre untersucht wurden. Diese werden natürlich ständig erweitert, weil sich die Anforderungen verändern und heute Milliarden Datenpunkte ausgewertet werden müssen – quasi eine digitale Kopie der ­realen Welt. Bei diesen Dimensionen spielt dann auch der Energieverbrauch der Prozesse in den Datencentern eine immer wichtigere Rolle. Die Algorithmen selbst sind aber nach wie vor ziemlich klein. Es geht heute um das Kuratieren von kleinen Algorithmen und riesigen Datenströmen, die wiederum entsprechend gereinigt werden müssen, um gute Ergebnisse zu liefern. Das ist eine ganz andere Form des Programmierens.

t3n: Sie betreiben einerseits Grundlagenforschung, andererseits leiten Sie Teams, die an konkreten Produkten für Endkunden arbeiten. Wie geht das zusammen?

Zusammen mit dem Chief Economist von Amazon, der in Seattle sitzt, leite ich hier in Berlin ein zentrales Team, das keiner speziellen Produktgruppe unterstellt ist. Zusätzlich bauen wir hier Teams auf, die dann irgendwann unabhängig von uns dezentral weiterarbeiten, sobald sie ihre eigene Expertise um ein ­Produkt herum aufgebaut haben. Derzeit habe ich Teams in Berlin, ­Tübingen und Barcelona. Obwohl ich im Herzen Wissenschaftler bin, ist die Kundenperspektive für mich sehr wichtig. Aber Kunde heißt für mich nicht zwangsläufig Endverbraucher. Es ist ­immer die Person, für die man arbeitet, und das ist häufig jemand ­Firmeninternes. Für die Personalabteilung bin ich selbst der Kunde, als wissenschaftlicher Leiter wiederum sind meine Kunden die Produktgruppen innerhalb unserer Firma, die zum Beispiel Apps für Alexa entwickeln. Wenn diese internen Software-Teams die Ergebnisse unserer Forschung nicht benutzen können, etwa weil wir sie nur als akademische Papiere veröffentlichen anstatt selbst bei der Umsetzung unterstützend mitzuwirken, leiste ich schlechte Arbeit an meinen Kunden.

t3n: Woher kommen Ihre Forschungsziele?

Die Ziele sollen von den Mitarbeitern selbst entwickelt werden. Natürlich gibt es übergeordnete strategische Ziele, etwa Amazon Web Services, Prime, Alexa oder auch den Marktplatz. Aber schon in unserem Onboarding-Prozess, wenn ein Forscher hier frisch anfängt, besteht eine seiner Aufgaben darin, eine fiktive Pressemitteilung für einen künftigen Produkt-Launch zu verfassen.

t3n: Eine Pressemitteilung für ein Produkt, das es nicht gibt?

Ja. Unsere neuen Mitarbeiter sollen genau das Projekt beschreiben, an dem sie die nächsten zwölf Monate arbeiten wollen. ­Idealerweise passiert das in kleinen Teams von drei bis vier Leuten. Diese Erfahrung funktioniert dann wie ein Nordstern, sie gibt der Grundlagenforschung eine Orientierung. Neben der fiktiven Pressemitteilung müssen die Forscher auch ein FAQ einreichen, bei dem es darum geht, das Forschungsrisiko einzuschätzen, ­kritische Fragen zu stellen, zu beschreiben, welche Experimente erfolgreich durchgeführt werden müssen, um zu einem Ergebnis zu gelangen. Da geht es dann darum, Fachwissen einzubringen. Anstatt mit reinen Forschungsfragen zu beginnen und davon auszugehen, dass das, was man entwickelt, schon eine Anwendung finden wird, gehen wir also umgekehrt vor und beginnen mit der Anwendung. Die Forschung ist für uns Mittel zum Zweck.

t3n: Ist diese Vorgehensweise ein Industriestandard?

Bitte beachte unsere Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Schreib den ersten Kommentar!

Melde dich mit deinem t3n Account an oder fülle die unteren Felder aus.

Bitte schalte deinen Adblocker für t3n.de aus!

Hey du! Schön, dass du hier bist. 😊

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team bestehend aus 65 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Danke für deine Unterstützung.

Digitales High Five,
Stephan Dörner (Chefredakteur t3n.de) & das gesamte t3n-Team

Anleitung zur Deaktivierung