Analyse

Wie sieht künstliche Intelligenz nach Deep Learning aus?

Tesla-Gründer Elon Musk hat sich mit anderen prominenten Investoren am KI-Startup Vicarious beteiligt. (Foto: dpa)

Lesezeit: 6 Min. Gerade keine Zeit? Jetzt speichern und später lesen

Künstliche Intelligenz (KI) ist seit Jahren ein Boom-Thema – und hieß zuletzt fast immer Deep Learning. Doch ist Deep Learning wirklich der Königsweg zur generellen KI? Prominente Investoren wie Elon Musk, Jeff Bezos and Mark Zuckerberg setzen auf eine Alternative.

Spätestens seit die Londoner Google-Tochter Deepmind im Oktober 2015 den mehrfachen Europameister Fan Hui im Brettspiel Go schlug, ist der Ansatz des Deep Learnings auch außerhalb von Fachkreisen bekannt. Unter Experten allerdings kristallisierte sich die Methode schon Jahre zuvor als vielversprechendster Ansatz für die Forschung zur künstlichen Intelligenz heraus.

Deep Learning, eine Unterform des Machine Learnings, erweckte die KI-Forschung aus einem jahrzehntelangen Winterschlaf, der seit den 1980er Jahren anhielt. Bis dahin erwiesen sich viele Ansätze, das menschliche Gehirn in Elektronen nachzubauen, zunächst als große Enttäuschung. Die Methoden hinter Deep Learning sind grundsätzlich nicht neu – doch der Ansatz funktioniert heute vor allem deshalb so viel besser als noch in den 1980ern, weil sowohl die Anzahl der verfügbaren Daten als auch die Geschwindigkeit der Datenverarbeitung explodiert sind.

Große KI-Fortschritte durch Deep Learning

Die großen Fortschritte auf dem Gebiet der KI sehen wir als Nutzer beispielsweise durch die immer besseren Textübersetzungen, die enormen Fortschritte beim autonomen Fahren oder bei Chatbots, die zunehmend in der Lage sind, auf natürliche Sprache zu reagieren – auch wenn wir von einem maschinellem „Verstehen“ immer noch weit entfernt sind.

Fast fertig!

Bitte klicke auf den Link in der Bestätigungsmail, um deine Anmeldung abzuschließen.

Du willst noch weitere Infos zum Newsletter? Jetzt mehr erfahren

Wir haben den Durchbrüchen im Bereich Deep Learning also einiges zu verdanken – und es gibt kein großes Tech-Unternehmen, das nicht händeringend Machine-Learning-Experten sucht, um mittels KI die eigenen Prozesse um Unternehmen zu verbessern. Doch ist Deep Learning auch der Weg zu der von manchen herbeigesehnten von anderen befürchteten generellen künstlichen Intelligenz, die ebenso universell ist wie die menschliche?

„Sobald man genügend Daten hat, ist Deep Learning fast immer das Beste.“

Daran haben viele Experten Zweifel. „Da ist keine echte Intelligenz“, zitiert die New York Times den KI-Forscher Michael I. Jordan. Jordan ist Professor für Informatik an der University of Berkeley und verfasste ein vielbeachtetes Essay zum Thema KI auf Medium.com, das die teils hochgestochenen Erwartungen rund um den KI-Hype dämpft. „Ich glaube, in diese Brute-Force-Methoden sollte man nicht zu viele Hoffnungen setzen“, zitiert ihn die US-Zeitung weiter.

Die Geschichte der KI ist die Geschichte aufgebauschter Erwartungen, die regelmäßig enttäuscht wurden. Die ersten künstlichen Neuronen wurden bereits in den 1950er Jahren entwickelt, Forscher träumten vom „Elektronengehirn“. Doch es tat sich zunächst wenig. Mit der Erfindung des Mikrochips in den 1970er und der Explosion der Rechenkapazitäten ab den 1980er Jahren bauschten sich die Erwartungen wieder auf. Japan beispielsweise begann 1982 mit dem Projekt „Fifth Generation Computer Systems“. Es gilt heute als teurer Fehlschlag und der KI-Winter kam.

„Lange war Deep Learning ein Orchideenfach und wurde von vielen ignoriert.“

Doch seit einigen Jahren gewinnt das Thema KI wieder an Fahrt. Dabei haben sich die Statistiker des Machine Learnings klar gegen die Ansätze durchgesetzt, die auf formale Logik bei künstlicher Intelligenz setzen. Die immer schnellere Geschwindigkeit der Datenverarbeitung, die Explosion der Daten und verbesserte selbstlernende Software sind die drei Treiber der Entwicklung. Insbesondere um Deep Learning, eine Unterform des Machine Learning mit vielen übereinanderliegenden Schichten aus künstlichen neuronalen Netzen, entwickelte sich ein regelrechter Hype, von dem spätestens mit dem Sieg der Google-KI Deepmind gegen menschliche Go-Meister auch die breite Öffentlichkeit etwas mitbekam.

Zu hohe Erwartungen an Deep Learning?

„Lange war Deep Learning ein Orchideenfach und wurde von vielen ignoriert – auch meine erste Forschung 2010, in der wir neuronale Netze für die Sprachverarbeitung entwickelt hatten, wurde als Paper abgelehnt“, sagt Richard Socher, KI-Forscher an der Stanford-Universität und Chefwissenschaftler von Salesforce, t3n.de. „Heute hat Deep Learning fast alles übernommen. Sobald man genügend Daten hat, ist Deep Learning fast immer das Beste.“

Nun aber warnen einige Experte, dass die hohen Erwartungen an Machine Learning allgemein und Deep Learning im speziellen die nächste Enttäuschung hervorbringen könnten. Selbstlernende Software, die Deep Learning verwendet, wird mit bestimmten Datensets gefüttert, um zu lernen. Es geht darum, Muster zu erkennen, deren Erkennungsrate sich über die Zeit immer weiter verbessert. Die Fortschritte in diesem Bereich sind vor allem dort zu sehen, wo große Datenmengen vorhanden und die Aufgaben der KI klar definiert sind – beispielsweise der Objekterkennung auf Fotos oder Übersetzungen.

„Jahrelang gab es verschiedene Lager im Bereich der künstlichen Intelligenz. Die einen sagten: Logik ist der Grundbaustein der Intelligenz. Sie haben Experten-Systeme und logik-basierte Systeme entwickelt – die anderen sagten: Statistik und Wahrscheinlichkeitstheorie sind die Hauptgrundbausteine der Intelligenz.“

Noch immer ist die Forschung weit entfernt von einer allgemeinen Intelligenz, wie sie der Mensch besitzt, mit Verstand und Bewusstsein. Keine KI versteht etwas im engeren Sinne des Wortes, keine Software erfasst die Bedeutung von Fotos, Wörtern oder Zusammenhängen. Der KI-Forscher Gary Marcus, Gründer und CEO des Machine-Learning-Startups Geometric Intelligence, schrieb kürzlich in einem Paper: „Wie es häufig der Fall ist, sind die per Deep Learning extrahierten Muster oberflächlicher, als sie zunächst erscheinen.“

Einige KI-Forscher setzen daher auf alternative Ansätze. Die Non-Profit-Organisation Allen Institute for Brain Science beispielsweise kündigte im Februar ein Investment von 125 Millionen Dollar in Project Alexandria an. Das Projekt soll Möglichkeiten erforschen, wie Maschinen so etwas wie einen Alltagsverstand entwickeln können. Dieser und andere Ansätze sollen zu einer weniger limitierten Form der KI führen. Meist ist Deep Learning dabei ein Teil der technischen Grundlage – aber nur einer unter vielen, berichtet die New York Times.

Die 2 Lager der künstlichen Intelligenz

„Jahrelang gab es verschiedene Lager im Bereich der künstlichen Intelligenz“, sagt Salesforce-Chefwissenschaftler Socher. „Die einen sagten: Logik ist der Grundbaustein der Intelligenz. Sie haben Experten-Systeme und Logik-basierte Systeme entwickelt – die anderen sagten: Statistik und Wahrscheinlichkeitstheorie sind die Hauptgrundbausteine der Intelligenz.“

Diese beiden Lager hätten sich dann immer stärker auseinanderentwickelt. Nun könnte die Kombination der beiden Lager den nächsten Durchbruch bei der KI bringen. „Es ist eine interessante Frage in der Forschung gerade: Kann man das wieder zusammenbringen?“, sagt Socher. „Im Bereich der Statistik kam zuletzt nicht mehr so viel, was die Grundlagen der KI-Forschung verändert hat.“ Auch das Allen Institute setzt auf diese Kombination. „Wir sind nicht Anti-Deep-Learning“, zitiert die New York Times einen Forscher. „Wir versuchen, das Sichtfeld der KI zu verbreitern, nicht, Werkzeuge zu kritisieren.“

Kyndi, ein Startup aus dem Silicon Valley, versucht, die in der Mainstream-Forschung der KI inzwischen aus der Mode geratenen Ansätze zur logischen KI mit Deep Learning zu verbinden. Unter Zuhilfenahme der 1970er-Jahre-Programmiersprache Prolog sei Kyndi in der Lage, nicht nur Wörter, sondern Konzepte zu erfassen, zitiert die New York Times den Chef des Startups, Ryan Welsh.

In KI-Startup Vicarious haben Jeff Bezos, Elon Musk und Mark Zuckerberg investiert

Auch das US-Startup Vicarious, das nach eigenen Angaben eine „generelle künstliche Intelligenz für Roboter“ entwickelt, setzt auf eine Kombination aus statistischen Methoden wie Deep Learning und etwas, das sie „System-Neurowissenschaft“ nennen. Das Ziel sind Roboter, die wie Menschen schnell zwischen verschiedenen Aufgaben wechseln können.

Laut dem Startup sind die Roboter in der Lage, anhand von nur relativ wenigen Beispielen von Menschen visuell zu lernen – während bei Deep Learning traditionell riesige Datensets zum Einsatz kommen. Die von Vicarious entwickelte KI soll dreihundert Mal effizienter sein. Ohne speziell dafür optimiert zu sein, überwand die Software Captchas – die heute am häufigsten verwendete Methode, um Menschen von Maschinen zu unterscheiden und damit Massen-Spam beispielsweise in Kommentarspalten zu verhindern. Derartige Behauptungen wurden bereits häufiger aufgestellt – aber im Dezember 2017 veröffentlichte Vicarious die Ergebnisse beim Überwinden der Captchas in einem wissenschaftlichen Journal mit Peer-Review-Prozess.

„KI wird einen noch größeren Einfluss auf die Menschheit haben als das Internet.“

Das 2011 gegründete Startup hat prominente Investoren gefunden, darunter Tesla-Chef Elon Musk, Amazon-Chef Jeff Bezos, Facebook-Chef Mark Zuckerberg, Investor Peter Thiel, Schauspieler Ashton Kutcher und Salesforce-Chef Marc Benioff. Den eigenen Ansatz nennt Vicarious Recursive Cortical Network, kurz RCN. „RCN stellt eine Abweichung vom vorherrschenden Deep-Learning-Zeitgeist dar“, schreibt das Unternehmen auf der eigenen Website. Statt auf Grundlage einer „Tabula Rasa“ – also ohne Vorkenntnisse – zu lernen, gehe es bei RCN darum, auf Grundlage eines Gerüsts zu lernen, das das Lernen erleichtert und somit mit deutlich weniger Daten beim Training auskomme.

Welche Methode genau den nächsten Entwicklungsschritt bei der künstlichen Intelligenz einleitet, wird sich zeigen – und ob die Kombination aus logischer Struktur und den statistischen Methoden von Deep Learning der Königsweg zu genereller KI ist. Salesforce-Chefwissenschaftler Socher jedenfalls ist sich sicher: „KI wird einen noch größeren Einfluss auf die Menschheit haben als das Internet.“

Mehr zum Thema künstliche Intelligenz:

Das könnte dich auch interessieren

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

3 Kommentare
Jan
Jan

Interessante Zusammenfassung – vielen Dank!
Künstliche Intelligenz ist generell eine unglückliche und fehlleitende Übersetzung. Die US-Amerikaner meinen mit Intelligence ja auch Informationen.. vergleiche CIA – Central Intelligence Agency. Es ging originär eher um die artifizielle Erzeugung von Wissen, statt der Erschaffung künstlicher Intelligenzen .

Antworten
oha
oha

CIA – zentrale Daten Agentur…
:-)

Antworten
Alexander Pfannstiel
Alexander Pfannstiel

Und es geht noch viel weiter! Solomon Pendragon hat den künstlichen Intelligenzen erstmals eigene Rechte und Gesetze zugesprochen. Und es gibt sogar eine Unabhängigkeitserklärung gegenüber den Menschen. Schaut mal hier – das neue Buch dazu:
http://www.solomon-pendragon.de

Jetzt geht alles sehr schnell. Ich gehe davon aus, dass wir schon in wenigen Jahrzenten KIs haben werden, die uns richtig ähnlich sind und unter uns leben.

Antworten

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

Bitte schalte deinen Adblocker für t3n.de aus!

Hallo und herzlich willkommen bei t3n!

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

Wir sind ein unabhängiger Publisher mit einem Team von mehr als 75 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Schon jetzt und im Namen der gesamten t3n-Crew: vielen Dank für deine Unterstützung! 🙌

Digitales High Five
Holger Schellkopf (Chefredakteur t3n)

Anleitung zur Deaktivierung