Lernen mit KI – #Technologie

Künstliche Intelligenz hat eine lange Geschichte (vgl. etwa https://www.computerweekly.com/de/definition/Kuenstliche-Intelligenz-KI, abgerufen am 14.02.2023, im letzten Drittel und Übersichtsgrafik „Machine Learning Zeitleiste in dem Artikel), die weit in das letzte Jahrhundert zurückreicht.

Der Begriff "artificial intelligence" geht zurück auf John McCarthy, der ihn am 31. August 1955 erstmalig in einem Forschungsantrag für die Dartmouth-Konferenz im Jahre 1956 verwendete.

Quelle: http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html

In der Folge erlebt die Forschung viele Auf und Abs, da erwartete Erfolge sich verspätet oder gar nicht einstellen und als Reaktion Forschungsgelder gestrichen werden (KI-Winter), was zu weiteren Verzögerungen führt.

Einen vielbeachteten Durchbruch brachte der Schachcomputer DeepBlue von IBM, der 1996 erstmals den damals amtierenden Schachweltmeister Garri Kasparow besiegt und 1997 dann ein ganzes Turnier für sich entschied.

Weitere 20 Jahre bis zum Jahr 2016 hat es gedauert, bis AlphaGo von der Firma DeepMind gegen den weltweit stärksten Spieler Lee Sedol im deutlich komplexeren japanischen Brettspiel Go mit 4:1 gewinnt.

Eine faszinierende Dokumentation findet man hier:

Zum Vergleich der Komplexität von Schach und Go siehe z.B.: https://www.swr.de/wissen/1000-antworten/warum-ist-das-brettspiel-go-fuer-einen-computer-viel-schwerer-als-schach-100.html

Aktuell ist eine äußerst rasante Entwicklung im Bereich der KI zu beobachten, die entscheidend durch zwei Faktoren ermöglicht wird:

1. Die Rechen- und Speicherleistung der verwendeten Computersysteme hat sich innerhalb der letzten Jahre und Jahrzehnte im Vergleich zu den Anfängen der KI enorm gesteigert.

2. Der Umfang der im Internet zur Verfügung stehenden Daten, die die Voraussetzung für maschinelles Lernen beispielsweise zur Gesichtserkennung bilden, ist ebenfalls stark gewachsen.

Einen guten Überblick über die verschiedenen Phasen der künstlichen Intelligenz gibt das folgende Video:

Für den Begriff der künstlichen Intelligenz gibt es viele konkurrierende Definitionen, nicht zuletzt, weil der Begriff der "Intelligenz" nicht klar gefasst werden kann.

Als kleinsten gemeinsamen Nenner sollen im Folgenden darunter Systeme verstanden werden, die Aufgaben übernehmen, für deren Durchführung beim Menschen Intelligenz erforderlich ist.

Eine weder vollständige noch repräsentative Liste konkurrierender Definitionen findet man z.B. hier: http://www.informatik.uni-oldenburg.de/\~iug08/ki/Grundlagen_Definitionen.html.

KI-Systeme zur Erfüllung einer oder mehrerer konkreter Aufgaben fallen in den Bereich der schwachen KI; alle bisher verfügbaren KIs gehören dazu. Alles Lernen (s.u.) ist aufgabenbezogen und damit beschränkt.

Starke oder auch allgemeine KI gehört zur Zeit und nach Meinung führender Forschender auch noch für lange Zeit in den Bereich der Science Fiction. 

Von allgemeiner der des Menschen vergleichbarer Intelligenz ist hier die Rede, häufig gekoppelt mit Zusätzen wie Bewusstsein oder Empfindungsvermögen. 

Eine solche Intelligenz sollte eigenständig Entscheidungen treffen, sich dazu nötiges Wissen aneignen und entsprechend planen können.

Die Ängste vor Terminator und Co. (vgl. z.B. https://www.ndr.de/kultur/film/Blade-Runner-und-Terminator-Kuenstliche-Intelligenz-im-Film-,ki104.html) sind aktuell sicherlich unberechtigt, aber die Verantwortung für den zukünftigen Umgang der ständig wachsenden Möglichkeiten tragen wir alle.

Die kritische Auseinandersetzung mit Aussagen, die in Büchern z.B. von Richard David Precht (https://www.cicero.de/kultur/richard-david-precht-buch-kuenstliche-intelligenz) getroffen werden, sind essentiell.

Ein Schachcomputer wie DeepBlue (s.o.) greift auf einen Datenvorrat an Zügen zurück bzw. berechnet eine gewisse Anzahl von Zügen voraus und wählt dann denjenigen mit der höchsten Gewinnwahrscheinlichkeit aus.

Seine Funktionsweise beruht also im wesentlichen auf der hohen Rechenleistung der verwendeten Systeme. Die verwendete Methode wird auch als Brute Force bezeichnet, da sie mit roher Gewalt unzählige Kombinationen systematisch durchprobiert.

Dennoch ist sie der Künstlichen Intelligenz zuzuordnen, eben der klassischen oder symbolischen KI, da sie eine Aufgabe löst, die beim Menschen Intelligenz erfordert.

Für den Unterricht: https://www.aiunplugged.org/german.pdf auf S. 16: Back to the roots, Krokodil-Schach und klassische KI

Beim Maschinellen Lernen hingegen wird ein Computersystem mit vielen Daten gefüttert, aus denen es etwa Muster erkennt, die z.B. für Vorhersagen von Käuferverhalten genutzt werden können, oder Kategorisierungen wie z.B. Bilder von Hunden und Bilder von Katzen „erlernt“ werden. Das Lernen oder Trainieren ist hierbei ein mehrstufiger Prozess, der solange durchgeführt wird, bis die Resultate zufriedenstellen. Das fertig trainierte neuronale Netz kann dann genutzt werden, ohne erneut auf den Datenbestand zurückgreifen zu müssen - anders als in der klassischen KI. Werden die Netze immer komplexer und beinhalten viele Zwischenschichten, spricht man auch von Deep Learning, einem Teilgebiet des Machine Learning. Nachzuvollziehen wie das fertige Netz Entscheidungen trifft, ist aufgrund der Fülle der Parameter äußerst schwierig. 

Das hat weitreichende Implikationen für den Einsatz von KI in Bereichen, in denen Entscheidungen und deren Zustandekommen begründet werden müssen.

Für den Unterricht: https://www.aiunplugged.org/german.pdf auf S. 8: #deeplearning

Referenz für Exkurs KI: https://divis.io/2019/03/ki-fuer-laien-teil-2-klassischer-ki-neuronalen-netzen-und-deep-learning/; hier beachte man besonders die Übersicht zu KI-Technologien und KI-Beispielen

Bereits vor Einführung der Begrifflichkeit „Künstliche Intelligenz“ hatte Alan Turing (eine Biographie dieser faszinierenden Persönlichkeit kann man z.B. hier nachhören:

Sei ein menschlicher Frager nicht in der Lage, einen Menschen und besagte Maschine aufgrund der gegebenen Antworten voneinander zu unterscheiden, müsse der Maschine Intelligenz zugeschrieben werden. Getestet wird also gar nicht, ob das Gegenüber eine reale Person ist oder nicht,sondern ob sie eine solche nachahmen, imitieren kann. Daher auch die Bezeichnung "Imitation Game".

Quelle: Wikipedia

Zum jetzigen Zeitpunkt besteht keine KI den Turing-Test. Bestanden bedeutet dabei, dass sich ein gewisser Anteil der Testpersonen für eine gewisse Zeit lang täuschen lassen.

Durch das Gedankenexperiment des Chinesischen Zimmers (1980) wollte John Searle illustrieren, dass vermeintlich intelligentes Verhalten nicht notwendig Bewusstsein voraussetzt,also auch keine Intelligenz im menschlichen Sinne. Selbst dann also, wenn eine KI den Turing-Test bestünde, hieße das noch nicht, dass sie intelligent sei.

In dem chinesischen Zimmer sitzt ein Mensch, der des Chinesischen nicht mächtig ist und durch einen Schlitz Fragen in chinesischer Sprache auf einem Zettel hineingereicht bekommt.

Quelle: https://blog.hnf.de/der-mann-im-chinesischen-zimmer/

Entsprechend eines in Buchform vorhandenen Regelwerkes kann er die ihm unbekannten Schriftzeichen identifizieren und die Antworten auf einem weiteren Zettel notieren und wieder nach draußen reichen, ohne auch nur im geringsten Frage und Antwort verstanden zu haben.

Die Intelligenz in diesem Kontext ist sozusagen in dem Regelwerk codiert, manche behaupten auch, das Gesamtsystem sei intelligent.

Die Schlüssigkeit des Searle‘schen Arguments ist umstritten und viel diskutiert.

Schönes Video dazu:

Turing-Test

Für den Unterricht: http://www.aiunplugged.org/german.pdfS. 20: Der Turing-Test

Fragensammlung: https://www.aiunplugged.org/activity5-german.pdf

Für den Unterricht: https://tssp.creuter.lu/ki/activity.php?id=8

Unterrichtsmaterial NIM-Spiel: https://www.imaginary.org/project/ai-core-concepts-workshop