Wenn das Thema der Künstlichen Intelligenz aufkommt, gibt es immer auch die Frage nach der Universalheit dieser. Wann ist eine KI wirklich intelligent? Lässt sich eine solche KI überhaupt einfach nur programmieren? Oder ist Intelligenz etwas, das ausschließlich einem Lebewesen mit Bewusstsein vorbehalten ist? Und daraus resultiert schließlich die Frage: Kann ein künstliches, lernendes Bewusstsein geschaffen werden?

Eine starke Künstliche Intelligenz, so wie wir sie heute oft verstehen, entspricht eher einem künstlichen Bewusstsein, welches sich wie das eines Menschen erst noch entwickeln muss. Das bedeutet, dass man einer KI für die Verarbeitung von Daten beibringen muss, wie sie diese verarbeiten kann. Der Vorgang, in dem eine KI ihre Aufgabe erlernt, nennt sich „Maschinelles Lernen“. Dazu wird zum Beispiel ein Konstrukt benutzt, welches in vereinfachter Weise das menschliche Gehirn nachstellt: ein Neuronales Netzwerk. Dieses Netzwerk besteht, wie ein Gehirn aus Neuronen und Neuronen-Verbindungen.

Doch statt der ca. eine Billiarde Nervenzellen, die das Gehirn eines durchschnittlichen Erwachsenen bilden, setzt sich ein Künstliches Neuronales Netzwerk – KNN (engl. ANN) – aus nur wenigen Neuronen zusammen. Die Verarbeitung einer Information erfolgt nun, wie bei echten Neuronen, über die Verknüpfungen: Ein Neuron besitzt Eingangs- und Ausgangs-Verknüpfungen, und einen Informationswert, der sich aus den Eingangs-Verknüpfungen ergibt und über die Ausgangs-Verknüpfungen weitergegeben wird. In einem KNN gibt es nun eine Eingabe-Schicht aus Neuronen, die die zu verarbeitenden Informationen erhalten, eine versteckte Schicht, welche die eigentliche Arbeit übernimmt, und eine Ausgabe-Schicht, welche das Endergebnis enthält.

Doch wie lernt nun ein KNN, wie es Daten verarbeiten soll?

Eins der komplexesten Themen im Zusammenhang mit Neuronalen Netzwerken ist das Training dieser. Für dieses sind neben den Neuronen die Verbindungen oder Verknüpfungen dieser sehr wichtig: In unseren Gehirnen erreichen ein Neuron oft gleichzeitig verschiedene Informationen (elektrische Impulse) von anderen Neuronen auf einmal, doch in das Ergebnis, welches das Neuron wiederum weitersendet, fließen diese Impulse verschieden Stark mit ein – die Verknüpfungen sind gewichtet und besitzen verschiedene „Prioritäten“, welche sich im Lernvorgang nach und nach verändern und anpassen. Und genau so lernt nun auch das künstliche Neuronale Netzwerk: Indem das Netzwerk immer und immer wieder mit Eingangsdaten gefüttert wird, von denen wir das Ergebnis bereits kennen, und das berechnete Ergebnis dann mit dem erwarteten Ergebnis verglichen wird, verändert sich die Struktur des Netzwerkes immer weiter selbst, indem die Gewichtungen der einzelnen Verknüpfungen solange verändert werden, bis die Ergebnisse mit nur noch geringer Abweichung übereinstimmen. Nach diesem Training erfolgt dann nach dem gleichen Prinzip ein Test, bei dem als Input dem Netzwerk noch unbekannte Daten verwendet werden und das Ergebnis wieder mit dem Original verglichen wird. Stimmen sie mit nur kleinen Abweichungen überein, so war der Lern-Prozess erfolgreich: Das Neuronale Netzwerk kann nun selbstständig Daten verarbeiten.

Kurzinfo: Lernen im Gehirn
Natürlich werden in der Natur nicht erwartetes und tatsächliches Ergebnis verglichen, es geht hierbei viel mehr um den Erfolg der beabsichtigten Handlung. Zum Beispiel spielen bei den ersten Schritten und dem Erlernen des Laufens im Kindheitsalter die vielen Fehlversuche eine große Rolle, da es eine riesige Anzahl an Informationen aus dem Körperinneren und aus der Umwelt gibt, welche in den Nervenzellen verarbeitet werden, welche jedoch nicht alle für den Vorgang des Laufens relevant sind. Einerseits durch genetisch vorprogrammierte Verknüpfungen, andererseits durch die Gewichtungsveränderungen dieser Verknüpfungen werden bestimmte Informationen, wie die des Gleichgewichtsorganes im Ohr, die der Muskeln in den Beinen, oder die des gesehenen Bildes stark gewichtet, während andere Informationen nur sehr schwach einfließen oder eine Verknüpfung sogar ganz entfernt wird – wie zum Beispiel die Information darüber, dass mein linker Finger schmerzt.

Wie nun oben zu sehen ist, ist diese Methode des Lernens ein sehr komplexer und langwieriger Vorgang und führt außerdem nur zu auf bestimmte Aufgaben spezialisierten KIs. Aber wozu dienen diese KIs? Mehrere KIs dieser Art tragt ihr vermutlich alle gerade bei euch, verarbeitet in einem kleinen Gerät, welches sich als „schlau“ bezeichnet: dem Smartphone: Neuronale Netzwerke finden hier Anwendung, wenn es zum Beispiel um die Erkennung von gesprochenen Wörtern (Sprachsteuerung), die Handschrifterkennung, die Personalisierung von Tastatureingaben (Schreibhilfen) oder auch das Erkennen von Wörtern und Gegenständen auf Bildern bei der Google-Suche geht.

Um eine „umfassende“ KI mit eigenständigem Bewusstsein zu kreieren, müsste schon ein sehr sehr großes Neuronales Netzwerk benutzt werden, ähnlich einem menschlichen Gehirn, welchem lange und aufwendig jede Kleinigkeit beigebracht werden müsste – doch so weit ist die Wissenschaft von heute, vielleicht auch zum Glück, noch nicht.

Veröffentlicht in: www.50676-humboldt.de

Quellen:

[1] https://upload.wikimedia.org/wikipedia/commons/thumb/3/3d/Neural_network.svg/2000px-Neural_network.svg.png

[2] http://moenchberg-praxis.de/index.php?tinymceimg=gehirn_neuronen.jpg

http://www.uni-magdeburg.de/MWJ/MWJ2004/braun.pdf
https://de.wikipedia.org/wiki/K%C3%BCnstliches_neuronales_Netz
https://de.wikipedia.org/wiki/Neuronales_Netz
http://www.neuronalesnetz.de/

Microsoft „//build/“-Event: https://channel9.msdn.com/Events/Build/2013/2-401

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.