KI-Anwendungen, maschinelles Lernen, Interaktion zwischen Mensch und Maschine

Ich danke Ihnen vielmals. Was sind die wichtigsten KI-Technologien und die wichtigsten KI-Anwendungen bis heute? 

KI wird bereits in unserem täglichen Leben eingesetzt. Denken Sie nur an Suchmaschinen, Google oder die Computer Vision, die zur Erkennung von Objekten eingesetzt wird, oder an die Code-Balken auf Ihrem Handy oder die Spracherkennung, also alles, was mit komplexen Problemen zu tun hat, die ein gewisses Maß an Intelligenz erfordern, um gelöst zu werden. 

Und was ist mit Objekterkennung und Stimmerkennung? Kann man Gesichts- und Spracherkennung damit in Verbindung bringen? 

Ja. Alles, was mit der Erkennung von Objekten auf Bildern oder in Videostreams zu tun hat, gehört zu diesem großen Bereich, der Computer Vision genannt wird. Und man kann Objekte erkennen, wobei man die Objekte, die man erkennen will, in gewisser Weise definiert. Zum Beispiel möchte man Sofas oder verschiedene Arten von Möbeln oder Legos oder was auch immer erkennen, dann muss man die Kategorien definieren, die man erkennen möchte. Normalerweise trainiert ein System ein Modell, um diese Arten von Objekten zu erkennen. Bei der Gesichtserkennung ist es das Gleiche, nur dass man hier nicht mit physischen Objekten, sondern mit menschlichen Gesichtern arbeitet. Und auch hier braucht man ein System, das ein Modell trainiert, das verschiedene Arten von Personen anhand ihres Gesichts erkennt. Und bei der Spracherkennung ist es im Grunde dasselbe, außer dass es sich natürlich nicht um eine visuelle Eingabe handelt, sondern um eine Audioeingabe. Aber die Idee ist dieselbe: Man erkennt einige Muster in den Audiodaten, die verschiedene Arten von Klängen definieren, und wenn man die Klänge zusammensetzt, ergeben sie Wörter, sie ergeben Sätze, und dann kann man erkennen, was gesagt wird, und es transkribieren. 

Können Sie uns sagen, welche Trends sich heute abzeichnen? 

Die künstliche Intelligenz ist bereits ein großer Bereich, der ziemlich schnell wächst. Aber einer der größten Trends entsteht natürlich dank der breiten Verfügbarkeit großer Mengen von Trainingsdaten. Einer der wichtigsten Trends besteht darin, die Technologie so zu erweitern, dass sie wirklich große Datenmengen verarbeiten kann, im Grunde alles, was man im Internet finden kann. Das gilt sowohl für die Sprachtechnologie als auch für Text und Computer Vision, denn im Internet gibt es Milliarden von Bildern. Die Skalierung der Technologie ist also ein wichtiger Trend. Andererseits ist ein wichtiger Trend, den ich sehr interessant finde, die Tatsache, dass sich immer mehr Forscher:innen mit den ethischen Fragen hinter der Technologie befassen. Zum Teil, weil wir zum Beispiel alles, was wir im Internet finden, verwenden, ohne menschliche Personen, deren Bilder gezeigt werden, um ihre Zustimmung zu ihrer Verwendung für diese großen Systeme zu bitten, aber auch, weil wir erkennen, dass KI wirklich einen Einfluss auf unser tägliches Leben hat. Und dann sollten wir darüber nachdenken, ob KI zum Beispiel voreingenommen sein oder Stereotypen ausdrücken oder hasserfüllt werden kann, manchmal sogar, weil sie mit Daten trainiert wurde, die überall im Web zu finden sind. Und wir wissen, dass das Web manchmal ein seltsamer Ort ist. Wir sollten also darüber nachdenken, wie KI funktioniert, was lernt das Modell, wenn es das Web nach Daten durchsucht, und wie können wir sicherstellen, dass es unsere Erwartungen erfüllt? Und natürlich die Vorschriften zur Nicht-Diskriminierung. Zum Beispiel.

Und was ist der Unterschied zwischen maschinellem Lernen und Deep Learning? 

Deep Learning ist eine besondere Art von Technologie für maschinelles Lernen. Es ist nicht die einzige, aber sie ist für einige Arten von Problemen sehr beliebt geworden. Beim Deep Learning geht es darum, so genannte neuronale Netze mit vielen Schichten der Verarbeitung lernen zu lassen. Man hat also ein recht komplexes mathematisches Modell, das aus kleinen Rechenknoten besteht, die Informationen empfangen und dann an andere Neuronen oder andere Rechenknoten weiterleiten, die bestimmte mathematische Eigenschaften haben. Und obwohl diese kleinen Knoten für sich genommen recht einfach sind, kann die Tatsache, dass man sie miteinander kombiniert und zu großen Netzen mit Millionen solcher Knoten verbindet, ähnlich wie in unserem Gehirn, wo die Neuronen miteinander verbunden sind, dazu führen, dass Systeme lernen, komplizierte Aufgaben auszuführen. Zum Beispiel tiefe neuronale Netze. Und Deep Learning wird für die maschinelle Übersetzung eingesetzt. Wir wissen, dass die automatische Übersetzung, wie bei Google Translate, eine komplizierte Aufgabe ist: Man muss den Kontext des Satzes verstehen. Man muss die linguistischen Eigenschaften sowohl der Eingabesprache als auch der Zielsprache verstehen. Man muss verstehen, wie Wörter miteinander kombiniert werden, so dass zwei Wörter zusammengesetzt eine Konstruktion ergeben, die unterschiedlich übersetzt wird. Es handelt sich also um wirklich komplexe Aufgaben, und wir wissen, dass Latif bis 2010 mit Hilfe des traditionellen maschinellen Lernens Ergebnisse erzielt hat, die in den meisten Fällen in Ordnung waren, aber schwerwiegende Fehlern und Problemen hatten beispielsweise beim Verstehen von Kontextfaktoren, während Deep-Learning-Netzwerke nachweislich bessere Übersetzungen von hoher Qualität liefern konnten. Dennoch ist das Problem noch lange nicht gelöst und es gibt noch viele Probleme mit der maschinellen Übersetzung, aber es hat sich gezeigt, dass sie besser verstehen, wie man übersetzt. 

Und was ist der Unterschied zwischen maschinellem Lernen, Deep Learning und herkömmlicher Programmierung? 

Maschinelles Lernen ist ein Oberbegriff für alles, was im Bereich der künstlichen Intelligenz anhand von Daten trainiert wird. Es ist also ein ziemlich großer Bereich. Es umfasst Deep Learning, aber auch andere Techniken, von denen einige bis in die siebziger Jahre zurückreichen. Deep Learning ist zwar eine spezielle Technologie, die auf neuronalen Netzen basiert und in vielen Fällen funktioniert, aber es gibt auch viele andere Techniken, die gut funktionieren und andere interessante Eigenschaften haben. Vielleicht kann ich sagen, worin einer der Hauptmängel von neuronalen Netzen besteht. Zunächst einmal sind große Datenmengen erforderlich, und für einige Probleme stehen große Datenmengen zur Verfügung, was aber bei weitem nicht für alle Probleme gilt, wenn man sie übersetzt. Bei der maschinellen Übersetzung einer Sprache zum Beispiel, für die man nicht viele Ressourcen hat, wird es schwierig sein, Deep Learning einzusetzen. Ein weiteres Problem ist, dass es sich um komplette Black Boxen handelt. Das heißt, man versteht nicht, was das System gelernt hat, und manchmal ist das auch in Ordnung. Man muss nicht immer alles verstehen. Aber nehmen wir an, Sie entwickeln ein System, das entscheidet, ob Sie einer Person einen Kredit geben sollen. Und Sie haben ein System, das möglicherweise auf dem Gehalt der Person basiert und darauf, wo sie wohnt und ob sie verheiratet ist oder nicht, und so weiter und so fort. Verschiedene demografische Faktoren. Und Sie haben ein System, das eine gute Vorhersage darüber treffen kann, ob eine Person Anspruch hat. Aber es ist nicht in der Lage, die Logik für diese Entscheidung zu erklären. Das wird sehr problematisch sein, denn man braucht ein System, das nicht nur eine Antwort gibt, sondern auch erklärt, warum es zu dieser bestimmten Antwort gekommen ist. Das ist also ein wichtiges Manko neuronaler Netze. Aus diesem Grund haben maschinelle Lernsysteme manchmal eine etwas geringere Leistung, sind aber in der Lage, die Schritte, also die Verarbeitungsschritte hinter ihrer Entscheidung zu erklären. Es gibt also keine einheitliche Methode zur Bewertung dieser Modelle. Es gibt verschiedene Arten von Vor- und Nachteilen hinter verschiedenen Arten von Technologien. Ja, und die traditionelle Programmierung ist einfach das, was man macht, wenn man das Modell nicht lernen lässt, wo man einfach alle Regeln im Voraus programmiert.

Nun werden wir uns der Interaktion zwischen Mensch und Maschine zuwenden. Was sind Ihrer Meinung nach die Ziele der Interaktion zwischen Mensch und Maschine? 

Das Ziel der Mensch-Maschine-Interaktion besteht einfach darin, gute Schnittstellen zwischen einem Menschen, der eine bestimmte Aufgabe erfüllen möchte, und einer Maschine, die diese Aufgabe unterstützt, zu schaffen. Und eine grafische Benutzeroberfläche ist ein sehr einfaches Beispiel dafür. Aber natürlich gehört alles, was mit Interaktion, mit Technologie zu tun hat, dazu. Ich habe zum Beispiel an sprechenden Robotern gearbeitet und das ist eine andere Art von Interaktion, die sich von einem Fenster auf dem Bildschirm unterscheidet, aber es ist auch eine Schnittstelle in dem Sinne, dass man in diesem Fall gesprochene Sprache verwendet, um Anweisungen zu geben und Rückmeldungen darüber zu erhalten, was bei der Ausführung der Aufgabe passiert. Die Frage ist immer, wie wir eine flüssige Kommunikation erreichen können, bei der die Person versteht, was vor sich geht, und einfach vermitteln kann, was zu tun ist. 

Und wie können die Geräte gesteuert werden? 

Das hängt wirklich von der Technologie ab. Ich meine, bei einem Computerfenster ist es ziemlich einfach, solange man die Schnittstelle versteht, dass ein kleines Kreuz bedeutet, dass man das Fenster schließt. Bei komplizierteren Geräten ist es natürlich etwas schwieriger, weil man etwas finden muss, das intuitiv genug ist, aber auch leistungsfähig genug, um die Möglichkeiten des jeweiligen Geräts auszuschöpfen. Bei einem Roboter zum Beispiel ist die Menge der möglichen Dinge, die der Roboter in der Welt sagen und tun kann, ziemlich groß. Man braucht also eine Art von Transparenz, und das ist einer der Grundgedanken der Mensch-Roboter-Interaktion. Das bedeutet, dass das System so weit wie möglich explizite Signale darüber geben sollte, was das System verstanden hat, was es nicht verstanden hat und wo es sich bei der Ausführung der Aufgabe befindet, damit der Benutzer so weit wie möglich die Kontrolle hat, denn ohne Informationen gibt es keine Kontrolle.