Schnellauswahl

Das neugierige Gedächtnis

(c) Getty Images/iStockphoto (metamorworks)
  • Drucken

Ein 30 Jahre altes Konzept in neuen Kleidern. Selbst­reflexive Roboter mit Gedächtnis sollen die Welt verändern.

„Künstliche Intelligenz wird auf die Menschheit mehr Einfluss haben als die Erfindung des Computers“, sagt Sepp Hochreiter. Die Worte kommen aus dem Mund eines Berufenen, der weltweit als einer der großen Pioniere der künstlichen Intelligenz betrachtet wird. Knapp drei Jahrzehnte ist es mittlerweile her, dass der damalige Mathematik- und Informatikstudent in seiner Diplomarbeit („Untersuchungen zu dynamischen neuronalen Netzen“) erstmals die Idee eines neuronalen Langzeitspeichers formulierte. „Ich habe das erstmals in meiner Diplomarbeit 1991 beschrieben, da hat aber nicht einmal mein Betreuer das Potenzial erkannt. Auch vier Jahre später bei einer Konferenz hat noch kaum jemand verstanden, worum es geht. Zudem fehlten die Rechenleistungen. 1997 hat es meine Technologie dann doch in ein Journal geschafft“, erinnert sich Hochreiter.

Sag Papa zu mir

Inzwischen hat es die Technologie, die auf den Namen Long-Short-Term-Memory, kurz LSTM, hört, in nahezu jedes Smartphone dieser Welt geschafft – unter anderem. Zwei Milliarden Android-Telefone und eine Milliarde iPhones arbeiten ebenso damit wie die Spracherkennungsdienste von Google, die Sprachsteuerung von Amazons Alexa oder die Übersetzungstools von Facebook. Der von Hochreiter angesprochene Betreuer, Jürgen Schmidhuber, über den die New York Times einmal auf der Titelseite geschrieben hat: „Wenn künstliche Intelligenz heranwächst, dann wird sie Jürgen Schmidhuber irgendwann ‚Papa‘ rufen.“, gilt heute als einer der bekanntesten KI-Forscher.

Wie ein LSTM-Netzwerk funktioniert, beschreibt er anschaulich anhand eines Beispiels: „Wenn man seinem Smartphone sagt: „Okay Google, was ist der kürzeste Weg zum Berliner Hauptbahnhof‘, versteht es das. Alle zehn Millisekunden kommen kleine Zahlen vom Mikrofon in das Netzwerk. Da sind lauter Verbindungen zwischen den verschiedenen Neuronen, ein bisschen so wie in einem menschlichen Hirn.  Zunächst sind diese Verbindungen alle Zufälle, das Netzwerk ist noch dumm.“ Am Anfang komme Unsinn heraus, aber das Netzwerk lerne aus vielen Beispielen den Unterschied zwischen dem Unsinn und der richtigen Übersetzung zu minimieren, indem manche Gewichte stärker werden und andere Verbindungen schwächer. Auch hier ähnelt LSTM den Vorgängen in humanen neuronalen Netzwerken, wo Gedanken auf dem Informationshighway unterschiedlich gewichtet werden und somit verschieden starke Erinnerungsspuren hinterlassen.

Roboter mit eigenen Zielen

Was Hochreiter erfunden, gemeinsam mit Schmidhuber weiterentwickelt und an die Öffentlichkeit gebracht hat, ist salopp formuliert ein Kunstgehirn, das durch schleifenartiges „Denken“ imstande ist, selbständig zu lernen.  LSTM-Netzwerke merken sich wichtige Aspekte aus vorherigem Input und lassen diese in die Berechnungen zum aktuellen Zeitpunkt einfließen. Das lange Kurzzeitgedächtnis ist eine Technik zur Wissensgenerierung durch Erfahrung und somit jene Technologie, die der Künstlichen Intelligenz bereits jetzt den Weg zum Durchbruch geebnet hat.

Aktuell ist die Spracherkennung eines der wichtigsten Anwendungsfelder, doch Schmidhuber, mittlerweile wissenschaftlicher Direktor bei IDSIA, einem Schweizer KI-Forschungsinstitut, sieht dies erst als Anfang und ortet ein wesentlich größeres Potenzial im Bereich von Cognitive Robotics. Die Rede ist von Robotik-Systemen, die sich ihre eigenen Ziele setzen und diese dann konsequent verfolgen. Dem intelligenten Verhalten liegt eine auf LSTM basierende Datenverarbeitungsarchitektur zugrunde, die lernen und verstehen ermöglicht, um auf komplexe Situationen in einer komplexen Welt reagieren zu können. Während heutige KI noch relativ passiv ist und mit der umgebenden Welt nur wenig interagiert, soll die wahre KI von morgen Dinge verändern und Prozesse steuern. Schmidhuber nennt es „show and tell robotics“ und spricht gerne von einer Zukunft, in der man einem lernenden Roboter zeigt oder erzählt, was er machen soll: „Das geht heute noch nicht, kommt aber langsam in Reichweite. Robotik- und Maschinenkultur werden sich verheiraten mit den neuronalen Netzen der KI. Und das wird sehr viele Branchen betreffen.“

(c) Getty Images/iStockphoto (Prykhodov)

Künstlich schmerzreaktiv

Wie es beispielhaft die Automobilbranche verändern könnte, zeigt das Schweizer KI-Startup NNaisense. In Zusammenarbeit mit dem deutschen Fahrzeughersteller Audi arbeitet man an „schmerzempfindlichen“ Automobilen, die aus Fehlern, die sie beim autonomen Einparken machen, lernen – ohne Lehrer versteht sich. Kommt es zu einem unerwünschten Fremdkontakt, werden Schmerzsignale ausgesendet, die zu vermeiden die KI künftig „gewillt“ ist. Anwendungen dieser KI finden sich auch beim automatischen Portfoliomanagement und bei der Steuerung industrieller Prozesse. In einem jüngsten Demo-Projekt lernt die KI von NNaisense etwa, raffinierte pneumatische Roboterhände der Firma Festo zu steuern. Das in Lugano angesiedelte Unternehmen baut im Übrigen keine Hardware, sondern spezialisiert sich auf künstlich intelligente Software, die dazu da ist, Hardware in Form von Maschinen oder Robotern zu steuern. Ziel ist es, modernstes maschinelles Lernen auf komplexe industrielle Produktionsprozesse anwendbar zu machen.

Unbekanntes Terrain

Was Maschinen und Algorithmen fehlt ist so etwas wie der innere Antrieb. Der Vergleich mit Kleinkindern macht es deutlich, wie der deutsche KI-Forscher Jürgen Schmidhuber erklärt: „Spielende Babys etwa lernen nicht, indem sie Daten herunterladen und analysieren, sondern indem sie aktiv eigene „Datenwelten“ erschaffen. Sie spielen in einer ihnen anfangs unbekannten, komplexen Umgebung und lernen aufgrund ihrer Erfahrungen, Folgen ihrer Handlungen zu begreifen und vorauszusagen.“

Kinder nutzen ihr sich permanent verbesserndes prädiktives Modell der Welt, um immer bessere Problemlöser zu werden. Was sie antreibt, ist im Idealfall die Freude an der Erforschung. Entwicklungspsychologen sprechen von einer intrinsischen Motivation. Der Spaß am Entdecken, Erfahren und Handeln ist Belohnung genug.

Protagonisten der KI-Weiterentwicklung wie Schmidhuber sind davon überzeugt, dass eine wirklich intelligente KI zum Lösen von komplexen Aufgaben in einer realen, unstrukturierten Umgebung genau diese Form von innerem Antrieb benötigt. Nur so eine KI wird Probleme lösen können, die nicht vorab erklärt und detailliert definiert wurden, und somit in der Lage sein unbekanntes Terrain zu erforschen. „Curiousity-driven Artificial Intelligence“ ist das Schlagwort für die nächste Generation der KI. Was ihr eingepflanzt werden muss, ist schlicht und einfach Neugier.