KI und Echt?! – Wie passt das denn genau zusammen? KI ist längst im Alltag vieler angekommen und schafft sich zunehmend mehr Platz und Relevanz. Doch wie echt ist die Intelligenz eines Programms, einer rechnenden Maschine eigentlich? Denkt sie wirklich? Kann man den Lernprozess einer KI mit einem menschlichen Lernprozess überhaupt vergleichen? Und wie funktioniert es, wenn die KI uns Antworten in Sekundenschnelle liefert?
Das sind alles äußerst komplexe Fragen, die nicht ganz so einfach zu beantworten sind. Um ein tieferes Verständnis zu erhalten, müssen wir erstmal am Anfang beginnen. Wie genau funktionieren Künstliche Intelligenzen denn?
KI – was ist das denn überhaupt?
Künstliche Intelligenz ist eine Übersetzung von „Artificial Intelligence“, kurz „AI“. KI ist ein Teilbereich der Informatik. Dieser Forschungszweig beschäftigt sich mit der Entwicklung von Algorithmen, diese sollen kognitive menschliche Fähigkeiten imitieren. z.B. Lernen, Planen, Kreativität und Logisches Denken. Dadurch ist eine Analyse von großen Audio-, Text- oder Bilddaten möglich. Aus diesen Daten erkennt die KI Regelmäßigkeiten und Muster, daraus gewinnt sie Ergebnisse.
Der wichtigste Bestandteil einer KI ist der Algorithmus. Der Algorithmus besteht aus einer klar definierten Abfolge von endlich vielen Schritten bzw. Anweisungen, um ein spezifisches Problem zu lösen oder um eine Aufgabe zu bearbeiten. In der Praxis werden in einen Algorithmus Eingabedaten eingespeist, diese werden nach den programmierten Regeln bearbeitet und heraus kommen Ausgabedaten.
Eine KI kann beispielsweise auch aus einer Gruppe von Algorithmen bestehen, diese können wiederum automatisierte Algorithmen erstellen. Dadurch sind feste Abläufe zur Problemlösung möglich. Das macht die Anpassung und domänenübergreifende Nutzung der KI möglich.
Die Idee von lernenden Maschinen
Ein Teilbereich der Künstlichen Intelligenz umfasst das maschinelle Lernen. Die Idee entstand schon in den 1950er Jahren, damals war das Konzept von KI noch sehr theoretisch und abstrakt. Eine erstmalige Umsetzung in der Praxis gelang in den 1960ern. Es wurden Algorithmen verwendet, die mit einem bestimmten Datensatz trainiert werden, um anschließend Aussagen über eine Wahrscheinlichkeit zu treffen.
Auf der Grundlage von Mustererkennung sind solche Aussagen möglich, also der Algorithmus erkennt selbstständig Regelmäßigkeiten und Muster. Die Muster, die er erkennt, sind dabei auch nicht vorgegeben, sondern werden vom Algorithmus gefunden. Man kann einen Algorithmus beispielsweise auf die Erkennung von Menschen in Bilddateien trainieren. Es werden tausende Bilder zur Verarbeitung zur Verfügung gestellt und der Algorithmus kann daraufhin optische typische Merkmale eines Menschen erkennen und zuordnen. Nach diesem Muster sucht er dann in Bildern und kann nach der Analyse eine Aussage über die Wahrscheinlichkeit treffen, ob auf dem Bild ein Mensch zu sehen ist oder nicht.
Deep Learning – Künstliche Superhirne?
Eine weitere Teildisziplin des maschinellen Lernens ist das tiefe Lernen (Deep Learning). Aufgrund dieses Konzepts sind KIs wie ChatGPT so erfolgreich. Das Deep Learning beinhaltet das Training von neuronalen Netzen, einfacher gesagt viele künstliche Neuronen, die miteinander verschaltet sind. Es soll dem menschlichen Gehirn in der Funktion ähnlich nachempfunden sein. Besonders in den letzten 10 Jahren konnte sich das Deep Learning anderen Methoden gegenüber durchsetzen und fand schnell eine breite Anwendung. Da man diese Netze anhand der Software verschieden groß skalieren kann, erfolgte der Durchbruch. Einzig die Hardware bietet ein Limit der Speichergröße dar. Neuronale Netze haben eine Vielzahl an Funktionen, außer Mustererkennung können sie Bilder und Videos generieren, Texte schreiben u. v. m. Doch wie genau arbeiten solche neuronalen Netze eigentlich und was hat das mit dem menschlichen Gehirn zu tun?
Grafik: Andreas Büsch nach studyflix.de/informatik/neuronale-netze-4297
Neuronale Netze bestehen aus vielen Schichten. Diese Schichten bestehen wiederum aus Knoten, auch künstlichen Neuronen genannt. Der Grundaufbau beginnt mit einer Eingabeschicht, mehreren verborgenen Schichten und endet mit der Ausgabeschicht. Alle Knotenpunkte sind über Kanten mit den Knoten der darüber sowie darunter liegenden Ebene verbunden. Dabei sind die Knoten in jeder Schicht unterschiedlich gewichtet und es gibt einen Schwellenwert. Liegt ein Knotenpunkt über dem Schwellenwert, wird dieser aktiviert. Die Daten dieser Schicht werden an die nächste Schicht weitergeleitet. Die Gewichtung und der Schwellenwert basieren auf einer Wahrscheinlichkeitsrechnung. Auf der Grundlage einer riesigen Trainingsdatenmenge können diese Wahrscheinlichkeiten berechnet werden. Endergebnis ist eine Zusammensetzung aus den wahrscheinlichsten Faktoren.
Technische Neuheit oder uraltes Konzept?
Durch den rasanten KI-Aufschwung scheint es, als wäre KI plötzlich in den letzten Jahren aus dem Nichts entstanden, dabei ist KI keineswegs ein neues Konzept. Wie vorher bereits erwähnt, gibt es bereits Theorien zu Funktionen und Arbeitsweise in den 1950er Jahren. Noch viel älter ist die Idee von denkenden Maschinen; sie existiert schon seit der Antike. Eine Wissenschaft dazu entsteht allerdings viel später, etwa Mitte den 20. Jahrhunderts.
Das Konzept von KI, wie wir es heute kennen, wird in den 1950er Jahren entwickelt. Forschenden war klar: Maschinen sind in der Lage zu denken und zu lernen, nur wann ist unklar. Erste Erfolge sind verbunden mit dem Programm „ELIZA“ von Joseph Weizenbaum in den 1960ern. Dieses Programm war in der Lage, menschliche Gespräche im Stil der Gesprächspsychotherapie nach Carl R. Rogers zu imitieren, und gilt als erster Chatbot. Außerdem wird unter anderem ein Expertensystem entwickelt, das in der Medizin angewendet werden kann. Allerdings erfolgt auf Erfolg auch ein Abschwung. In den 1970er Jahren kommt es zum ersten sogenannten KI-Winter, denn die tatsächlichen Fortschritte bleiben deutlich hinter den Erwartungen zurück, die an die neue Technik gestellt werden.
Aufschwung und zweiter KI-Winter
Die 90er Jahre des letzten Jahrhunderts bringen einen weiteren Aufschwung mit sich. Die Entwicklung von PC hat dazu geführt, dass die Computer-Technik günstiger und weiter verbreitet ist, und das Internet wird langsam zum Massenphänomen. Schnellere Rechner kommen im Jahrestakt auf den Markt; mit der Zeit stehen riesige Datenmengen jedem zur Verfügung. Diese Faktoren begünstigen die Entwicklung von komplexeren KI-Systemen. Maschinelles Lernen steht nun weiter im Vordergrund. Die Programme sollen ihre Ergebnisse immer verbessern und aus Daten lernen. Beispielweise werden Suchmaschinen wie Google entwickelt und basieren auf maschinellem Lernen.
Ab 2010 gelingt KI der endgültige Durchbruch mit Deep Learning. Denn die Verwendung von neuronalen Netzwerken leistet genau das, worauf von Anfang an gehofft wurde. Spracherkennung wie z. B. Siri oder Gesichtserkennung wurden greifbar und umsetzbar. Heute wird KI immer stärker ein Teil unseres Alltags. Ob in Autos, Smartphones, Industrie oder Wissenschaft, sie ist überall im Einsatz. Und auch aus der Zukunft ist KI nicht mehr wegzudenken. Die Entwicklung von immer komplexeren Systemen ist im vollen Gange. Mit der Weiterentwicklung entstehen auch unzählige Fragen und Sorgen. Damit stellen sich neue Fragen: Kann KI uns eines Tages auslöschen? Wie weit wird man bei der Entwicklung von KI gehen? Kann man eventuell lebenswichtige Entscheidungen einer KI überlassen?
Utopie oder Dystopie?
Viele Sorgen sind von einer Angst, einem Kontrollverlust über die eigene Schöpfung geprägt. Diese Angst findet auch einen Niederschlag in kulturellen Medien wie Film und Fernsehen. Terminator, Matrix u. v. m. zeichnen uns eine Dystopie, in der Maschinen die Überhand besitzen und die menschliche Existenz bedrohen.
Trotz aller offenen Fragen ist eine Sache sicher: KI wird ein fester Bestandteil der Zukunft sein. Auseinandersetzung und Ausprobieren unserer neuen Alltagsbegleiter ist mehr als empfehlenswert. Unsere Aufgabe ist es, sich kritisch mit KI auseinander zu setzten. Denn wir sollten uns bewusst werden, wie wir unser Leben gestalten möchten, Potenziale in unseren menschlichen Fähigkeiten und dem maschinellen Fortschritt zu erkennen und wie man beides ethisch vereinbaren kann. Schlussendlich gestalten wir im politischen Diskurs unsere eigenen Lebenswelten. Schließlich ist aktive Mitgestaltung unserer Lebenswelt eine Kerndisziplin unserer Demokratie. Wir besitzen das Privileg, dass jeder seine Umwelt prägen kann und darf. Wir entscheiden also letztendlich selbst, wie sich unser Umgang mit KI gestalten wird.
Beitrag erstellt unter Verwendung einer Präsentation von Prof. Andreas Büsch an der KH Mainz – 03.02.2025