Marvin Minsky gilt als einer der Gründungsväter der KI. 1966 formulierte er, künstliche Intelligenz sei “the science of making machines do things that would require intelligence if done by men.” Eine einheitliche Definition von Intelligenz zu finden, ist jedoch gar nicht so einfach. Bedeutet Intelligenz, dass eine Person ganz allgemein gut in der Schule ist? Sind Schachweltmeister besonders intelligent? Oder ist es ein Zeichen von Intelligenz, wenn sich eine Krähe selbst im Spiegel erkennt? Alle Beispiele erfordern vielfältige Denkprozesse. Intelligentes Verhalten scheint also nicht eine Einzelkompetenz, sondern vielmehr einen Verbund aus verschiedenen Fähigkeiten zu umfassen, deren Zusammenwirken es einem Lebewesen ermöglichen, seine Umwelt zu erkennen, zielorientiert zu handeln und Probleme zu lösen.
Starke und schwache künstliche Intelligenz
Das Lösen eines klar umgrenzten Problems ist eine Aufgabe, die sogenannte schwache künstliche Intelligenz mittlerweile recht erfolgreich bis sehr gut bewältigt. Schwache KI arbeitet mithilfe von für konkrete Aufgabenstellungen entwickelten Algorithmen. Sie kann lediglich spezifische Teilaufgaben übernehmen, für die bislang menschliche Intelligenz notwendig gewesen ist. Heute finden sich in fast jeder aktuellen Software bereits Elemente solcher schwacher künstlicher Intelligenz. Diese sind beispielsweise in Smart Assistants wie Amazons Alexa für das Erkennen natürlicher menschlicher Sprache zuständig, schlagen uns beim Online-Shopping relevante Produkte vor oder analysieren mögliche Betrugsfälle im Versicherungswesen.
Starke KI hingegen bezeichnet eine künstliche Intelligenz, die gleiche intellektuelle Fähigkeiten besitzt wie der Mensch – oder ihn sogar darin übertrifft. Sie kann aus eigenem Antrieb handeln, trifft Entscheidungen, kann lernen und vorausplanen und ist bestrebt, sich selbst zu erhalten. Bis zum heutigen Tag ist es jedoch noch nie gelungen, eine starke künstliche Intelligenz zu erschaffen. Aber woran scheitert es?
Vor diesen Herausforderungen steht die Entwicklung künstlicher Intelligenz
Für eine künstliche Intelligenz stellt die reale Welt das absolute Chaos dar, in dem sich Kontexte permanent verändern. Probleme lassen sich daher nur in seltenen Fällen nach strikt logischen, programmierbaren Regeln lösen. Denn was für uns selbstverständlich ist, ist für Maschinen mühevoll antrainiert. Ironie und Sarkasmus stellen Paradebeispiele für diese Problematik dar. Wie sollte beispielsweise ein Chatbot erkennen, dass die Antwort “Na super!” auf die Aussage “Es wird das ganze Wochenende regnen.” höchstwahrscheinlich nicht wörtlich gemeint ist. Einen Ausweg aus dem Durcheinander der Daten sollen das maschinelle Lernen und die sogenannten neuronalen Netze eröffnen. Sie befähigen intelligente Systeme, aus Beobachtungen ihrer Umwelt zu lernen, indem Muster identifiziert werden. Sofern die Software darauf trainiert wird, könnte sie also auch aus dem Kontext des Gespräches den Unmut ihres Gegenübers bezüglich des verregneten Wochenendes erkennen. Jedoch müssen solche Teilaufgaben einzeln antrainiert werden, denn zu Transferleistungen sind schwache künstliche Intelligenzen bislang nicht in der Lage.