Maschinenträume 1: KI und der Mythos der Emergenz
Inhalt
Wenn künstliche neuronale Netze (KNN) eine Komplexität ähnlich dem menschlichen Gehirn erreichen, entsteht spontan menschenähnliche Intelligenz – eine AGI (Artifical General Intelligence). So die These vieler KI-Protagonisten: bekannt als die Emergenz – unvermeidlich und automagisch. Durch weitere Skalierung werde schnell "superhuman intelligence" – übermenschliche Intelligenz – erreicht, sagen sie. Logischerweise müssten wir uns diesem wohlwollenden KI-Über-Wesen anvertrauen, denn es würde ja besser wissen als wir, was gut für uns ist.
Gehirnähnliche Komplexität wird wahlweise über die Anzahl der Neuronen unter der Annahme einer 1:1-Entsprechung künstlicher und natürlicher Neuronen definiert, oder über die Gleichsetzung der Anzahl Parameter (Weights) im KNN mit der Anzahl synaptischer Verbindungen im Gehirn. Zeit für eine kritische Analyse der Emergenzthese und ihrer Grundannahmen.
Das menschliche Gehirn enthält knapp 100 Milliarden Neuronen und mehr als 100 Billionen Synapsen (also 100-150×1012). Gelten die zugrunde liegenden Annahmen der Emergenzthese, die menschliche Intelligenz sei aus einem rein mechanischen Gehirnmodell erklärbar und die Komplexität durch die Zahl der Neuronen oder Synapsen bestimmt, müsste die Emergenz eigentlich schon da sein: Der chinesische, "gehirnähnliche" Supercomputer Wukong (benannt nach dem Affenkönig aus dem chinesischen Epos Die Reise nach Westen(öffnet im neuen Fenster)) hat 2 Billionen künstliche Neuronen und mehr als 100 Billionen Synapsen(öffnet im neuen Fenster). Auch der vorherige Rekordhalter Intel Hala Point lag mit 1,15 Billionen künstlicher Neuronen und 128 Billionen künstlicher Synapsen jenseits der Zahlen des menschlichen Gehirns und damit der magischen Schwelle für die Emergenz.
Wo also bleibt die AGI? Vielleicht gilt die 1:1-Entsprechung von Gehirnzellen und Synapsen einerseits, aber von künstlichen Neuronen und Parametern andererseits nicht?
Was menschliche Intelligenz tatsächlich ist, wie sie entsteht und funktioniert, darüber wird mindestens seit zweieinhalb Jahrtausenden nachgedacht – nachweislich in China, Indien und von den griechischen Philosophen in Kleinasien. Wir verstehen sie trotzdem bisher sehr unvollständig und es fehlen breit anerkannte Metriken. Kein guter Startpunkt, um den Fähigkeiten von KI auf den Grund zu gehen.
Handwerklich direkt nützliche Frucht dieses Nachdenkens über menschliche Intelligenz sind Methoden des nachvollziehbaren, fehlerfreien Denkens wie Prädikatenlogik und Mathematik. Anfang des 20. Jahrhunderts gab es in diesen Bereichen weitreichende – sogar spektakuläre – Ergebnisse. Einen Einstieg in diese extrem komplexe Materie wird es in einem zweiten Teil geben, wenn wir die theoretischen Grenzen der KI ausloten. In diesem Artikel befassen wir uns zunächst kritisch mit der mystischen Emergenz.
Künstliche Neuronen
Schon 1943 schlugen der Neurophysiologe McCulloch und der Logiker Pitts ein einfaches mathematisches Modell biologischer Neuronen vor. Ziel war ein besseres Verständnis der Leistungen des Gehirns. Deswegen war das Modell bei aller Vereinfachung deutlich näher an der biologischen Realität als die "künstlichen Neuronen" heutiger künstlicher neuronaler Netze (KNN): Die McCulloch-Pitts-Neuronen (MCP)(öffnet im neuen Fenster) arbeiteten wie reale Neuronen nach dem Alles-oder-nichts-Prinzip – also rein binär, entweder aktiv oder inaktiv.
Der Ausgang des MCP wird aktiv, wenn die Summe der gewichteten Eingänge einen Schwellenwert überschreitet. Weiterhin gibt es wie bei realen Neuronen inhibitorische Eingänge: Liegt an mindestens einem Inhibitor ein Signal an, so ist der Ausgang immer inaktiv (gehemmt).
1957 stellte Rosenblatt auf dieser Basis das Perzeptron(öffnet im neuen Fenster) vor – in moderner Terminologie ein dreilagiges NN aus MCP. Perzeptrons realisierten einen deutlichen Fortschritt bei der Mustererkennung (pattern recognition) und Klassifikation von Eingabedaten – bis heute ein valides und fruchtbares Anwendungsfeld der KI.
Diese Fortschritte lösten einen ziemlichen Wirbel und große Zukunftshoffnungen aus – das "Elektronenhirn" schien in greifbarer Nähe. Auf der Dartmouth-Konferenz(öffnet im neuen Fenster) im Sommer 1956 wurde der Begriff Artificial Intelligence (künstliche Intelligenz) geprägt und zielte tatsächlich auf eine menschenähnliche Intelligenz.
Das Perzeptron schien der Beweis für die schnelle Erreichbarkeit der Visionen der Konferenz. Hoch gesteckte Ankündigungen demnächst zu erwartender Erfolge an verschiedenen KI-Fronten jagten einander – nicht zuletzt wegen des Wettlaufs um Forschungsgelder. Was – da die realen Erfolge weit hinter den Ankündigungen zurückblieben – absehbar in Enttäuschung, Ernüchterung und den ersten KI-Winter mündete.
- Anzeige Hier geht es zu Künstliche Intelligenz: Wissensverarbeitung bei Amazon Wenn Sie auf diesen Link klicken und darüber einkaufen, erhält Golem eine kleine Provision. Dies ändert nichts am Preis der Artikel.