Künstliche Intelligenzen sind neben ihrem unbestrittenen Nutzen in vielen Bereichen von Medizin über Industrie bis hin zum Machine-Learning auch immer für kuriosere Resultate gut. Eine KI aus dem Hause Google liefert mal wieder den Beweis.

Ein wichtiger Punkt beim Machine-Learning ist die Erklärbarkeit oder Explainability – also nachvollziehen zu können, warum die Maschine Entscheidungen und Vorhersagen trifft. Sara Robinson, die bei Google an der KI für die hauseigene Cloud arbeitet, hatte eine ganz lebensnahe Idee für ein Tutorial zu einem erklärbaren Machine-Learning-Modell: Die KI sollte Backrezepte kreieren – heraus kamen Anleitungen für Breakie und Cakie.

Sie habe verstehen wollen, was einen Kuchen von einem Brot beziehungsweise einem Cookie unterscheidet, schreibt Robinson auf ihrem Blog, wo ihr übrigens auch das Rezept für den Cakie findet. (Food-Nerds wissen natürlich, dass sich mit dieser Frage schon Gerichte beschäftigt haben.) Mithilfe von Tensorflow entwickelte sie ein Modell, das zu jeder Zutatenkombination eine Aussage zur Kuchen-, Brot- beziehungsweise Cookie-Haftigkeit des Ergebnisses treffen kann. Im Zuge dieser Experimente spuckte die KI dann auch Zutaten und Mengenangaben für einen Kuchen-Brot-Hybriden sowie einen Kuchen-Cookie-Hybriden aus. Weil beide auch Robinsons Praxistests – die KI liefert keine Backanleitungen; hier musste die Entwicklerin improvisieren – bestanden haben, hat Google die Ergebnisse auch ganz offiziell vorgestellt.

Wer sich für die technischen Hintergründe interessiert, sollte sich das How-to auf jeden Fall einmal genauer anschauen. Wem es nur um das Rezept für den Breakie geht, scrollt einfach ganz nach unten.

Neben Backrezepten haben künstliche Intelligenzen uns bisher auch schon mit Bier und Whisky versorgt. Und wer im Zuge der Neujahrsvorsätze darauf eigentlich verzichten wollte, kann sich ja ein paar Katzen anschauen, „Bad Guy“ von Billie Eilish anhören oder Motivationsposter generieren lassen.