Foto: agsandrew - shutterstock.com
Wer in letzter Zeit über Künstliche Intelligenz liest, erhält schnell einen bizarren Eindruck: Heute oder spätestens morgen schon werden wir es mit autonom handelnden und denkenden Maschinen zu tun haben – seien es bedrohliche Killerdrohnen auf der einen oder heilsbringende Chirurgenroboter auf der anderen Seite. Und die Produktionsroboter werden viele unserer Arbeitsplätze obsolet machen. Nicht zu vergessen die Künstlichen Intelligenzen, die unsere Taten im realen und digitalen Leben mal mehr, mal weniger präzise gegeneinander aufwiegen und Schlüsse sowie Vorhersagen daraus ziehen.
Werkzeugkiste KI
In der Praxis haben Menschen, die mit Künstlicher Intelligenz forschen, höchstens ein müdes Lächeln für diese Szenarien übrig. Sie sind in etwa so weit weg von der Wirklichkeit wie ein Wochenendtrip zum nächsten Sonnensystem.
Künstliche Intelligenz kann man heute vielmehr mit einer gut ausgestatteten Werkzeugkiste vergleichen. So wie darin Schraubenzieher, Rohrzange oder Hammer für Schraub-, Lös- oder Schlaganwendungen zu finden sind, gibt es im Bereich Dateninterpretation mittels KI Routensuchmaschinen für Google Maps, Websuchmaschinen wie Bing oder Bildklassifikationsmaschinen wie Clarifai.
Und – um die Analogie weiterzuspinnen – so wie man beim Hausbau verschiedenen Tätigkeiten nachgeht (beispielsweise etwas Aufbauen oder Abreißen) und zugehörige Spezialwerkzeuge und Materialien benötigt, gibt es auch im Bereich der Künstlichen Intelligenz grundlegend verschiedene Arten von Tätigkeiten (beispielsweise Klassifizieren oder Markieren) und Materialien – meist in Form von Daten oder datenproduzierenden Sensoren.
Mit KI Leben retten?
Eine spezifische KI-Tätigkeit ist etwa das Anfertigen von Prognosen und möglichen Verläufen auf Basis strukturierter Daten. Ein Beispiel aus der Medizin: Leidet ein Patient nach einer Infektion erst an langsam fallendem, dann plötzlich schnell steigendem Fieber, kann sich eine Künstliche Intelligenz unter Berücksichtigung weiterer Faktoren dazu entscheiden, umgehend Alarm zu schlagen - noch vor der nächsten regulären, menschlichen Kontrolle - und so wertvolle Stunden sparen.
Sämtliche Datenströme und Signale in diesem Zusammenhang lassen sich klar und eindeutig voneinander unterscheiden und sind damit strukturiert. Es ist lediglich ein stetiges Überwachen relevanter Signale nötig sowie eine Klassifikationsmaschine, die lernt, brenzlige von regulären Situationen zu unterscheiden und unterschiedliche Situationen durch fortwährenden Einsatz immer besser einschätzen kann.
Dies ersetzt zwar nicht reguläre Kontrollgänge und damit auch nicht die menschliche Verantwortung im Krankenhaus. Aber KI kann das Personal sinnvoll unterstützen und das eine oder andere Leben retten.
Unstrukturierte Daten verstehen
Die wahre Herausforderung an KI-Werkzeuge ist allerdings, auch weniger bis gar nicht strukturierte Daten zu interpretieren. Dazu gehören zum Beispiel Bild- oder Textdaten. In einem Bild können alle möglichen Elemente enthalten sein - von einer schlecht abfotografierten Powerpoint-Folie mit einer Tabelle von Datenpunkten bis hin zu einem Bild von einem Knäuel mit drei Kätzchen.
Ein Text wiederum kann gleichzeitig ein konkretes Experiment beschreiben und zugleich eine geniale Idee für entscheidende Fortschritte in der Medizin beinhalten, die dann wiederum in einem anderen Text weiter beschrieben werden.
Es gibt nach wie vor keine Künstliche Intelligenz, die sich Bilder anschauen oder Texte lesen kann und von sich aus versteht, was sie da sieht oder liest. Sämtliche Durchbrüche beim Einsatz von KI der vergangenen Jahre beruhen darauf, dass ein (bzw. viele) Mensch(en) Trainingsdaten für die KI anfertigen. Das heißt, zu einem Bild gibt man vorab an, was darauf zu sehen ist, oder in einem Text werden Passagen markiert, die von Interesse sind. Alles, was die KI dann lernt, ist, solche oder ähnliche Strukturen auf anderen Bildern oder in Texten wiederzuerkennen.
Es gibt einige sehr interessante Verfahren, die Bilder und Texte ohne menschliches Zutun voranalysieren und Strukturen erkennen. Diese vordefinierten Strukturen sind dann für KI-Werkzeuge besser greifbar, was für eine Beschleunigung des Prozesses und eine Verbesserung der Ergebnisse sorgen kann. Aber es ist und bleibt lediglich eine Art statistische Vorauswertung.
Menschliche Lehrer für Künstliche Intelligenz
Mit anderen Worten, ohne den menschlichen Lehrer kommt heute auch die fortschrittlichste KI noch nicht aus. Das ist die schlechte Nachricht.
Die gute Nachricht ist, dass KI-Werkzeuge immer besser darin werden, den Input des Menschen zu verstehen und zu verallgemeinern.
Interessanterweise ist aber ein Bereich für KI-Werkzeuge bis heute de facto kaum erschlossen: die Sprache. Zu verstehen und sicher zu klassifizieren, welche Fakten in einem Dokument wirklich durch Sprache ausgedrückt, welche Zusammenhänge beleuchtet und was daraus geschlossen werden kann, das blieb bis vor kurzem ein Ding der Unmöglichkeit.
Erst seit kurzem existieren einige Ansätze, mit denen auch in der Praxis ausreichend gut gezielt bestimmte Faktentypen, Zusammenhänge oder auch ganze Fachbeiträge zuverlässig und automatisch extrahiert werden können. Dadurch ist es beispielsweise für den einzelnen Forscher in der Pharmaindustrie nicht mehr nötig, Abertausende Artikel zum Thema Alzheimer zu lesen, wenn er doch nur wissen will, an welchen Wirkstoffen in diesem Bereich aktuell geforscht wird und wo welche Durchbrüche erzielt wurden.
Einfaches Training von KI
Da erfolgreiche KI-Systeme nur durch menschlichen Input funktionieren können, ist es auch entsprechend wichtig, den Aspekt der Input-Aufnahme näher zu beleuchten. Ist das Training eines KI-Systems umständlich, langwierig und der erfolgreiche Ausgang fraglich, wird keine Organisation diesen Prozess lange genug durchziehen können. Das Training muss deshalb einfach und Erfolge müssen schnell realisierbar sein. Demzufolge verlagert sich der Fokus in der Entwicklung auch dahin, dass das Produzieren von Trainingsdaten möglichst einfach wird und eine KI sogar aus der beiläufigen Nutzung indirekt Informationen ziehen kann, welche sie besser macht.
Lösungen aus der KI-Fabrik
Mittlerweile ist es sogar möglich, statt fertig trainierter Systeme individuelle KI-Werkzeuge zu entwickeln, die durch direkten Input auf die persönlichen Bedürfnisse des Nutzers angepasst und dadurch besser werden. Es handelt sich hierbei um die nächste Generation von KI-Systemen - um eine Art „KI-Fabrik“, wie sie zum Beispiel ExB Labs anbietet. Eine solche Fabrik ist eine Weiterentwicklung klassischer Modelle, bei denen Nutzer ihr individuelles System durch Nutzung eines zentralen Systems trainieren - unabhängig davon, ob es sich um Gesundheits-, Automobil- oder Daten anderen Ursprungs handelt.
Um beim Eingangsbeispiel zu bleiben: In Zukunft werden in Krankenhäusern interne und somit „persönliche“ KI- Systeme arbeiten, die von den dort ablaufenden Prozessen lernen und somit stetig besser werden. Gleichzeitig lassen diese Systeme (anonymisiertes) Wissen in übergeordnete Systeme einfließen, die wiederum aus der globalen Perspektive heraus auch statistisch schwache Signale herausgreifen und ungeahnte Zusammenhänge aufspüren können, beispielsweise zwischen Wirkstoffen und Krankheiten.
Somit kommen wir in der Gesamtwirkung tatsächlich irgendwann zu einem scheinbar weisen Gesamtsystem, welches aus Millionen von Fakten heraus Schlussfolgerungen ziehen kann, die der Mensch nicht hätte treffen können.
Aber am Ende wird auch diese KI ein Werkzeug bleiben. Und ein Mensch trifft die finalen Entscheidungen. (PC-Welt)