Was ist eigentlich KI?

Seit einigen Jahren ist das Thema Künstliche Intelligenz (KI) in den Medien omnipräsent. Von Siri zum intelligenten Schreibassistenten über Bildgeneratoren, Empfehlungsalgorithmen, selbstfahrende Autos und Haushaltsroboter – der Begriff KI wird oft ungenau oder übermäßig verwendet. Mit der Beitragsreihe klaro!KI möchten wir einen verständlichen Einstieg in das Themenfeld KI bieten. Heute geht es darum, was KI eigentlich genau ist.

Forschungsgebiet Künstliche Intelligenz

Künstliche Intelligenz ist ein Teilgebiet der Informatik. Im Zentrum steht die Frage: Wie können Computer dazu befähigt werden, Dinge zu tun, die bislang nur Menschen können? Dazu gehört das Verstehen von Sprache, das Treffen von Entscheidungen oder das Erkennen von Objekten in Bildern. Im allgemeinen Sprachgebrauch und in den Medien wird der Begriff dagegen Synonym zu Systemen wie ChatGPT, oder in der Science-Fiction als ein eigenständiges Wesen beschrieben. Allerdings gibt es nicht „die eine KI”, sondern ganz verschiedene Technologien und Ansätze, die versuchen, Intelligenz (oder Teile davon) nachzubilden oder zu simulieren.

Aber wie können wir beurteilen, ob ein System tatsächlich intelligent ist? Der Mathematiker Alan Turing hatte 1950 die Idee zu einem Test, der diese Frage beantworten sollte: Beim Turing-Test handelt es sich um eine Unterhaltung zwischen einem Menschen und einem unbekannten Gegenüber. Eine Maschine gilt dann als intelligent, wenn der Mensch nicht sicher sagen kann, ob das Gegenüber ein Mensch oder eine Maschine ist.

Wissensbasierte Systeme

Eines der ersten bedeutenden KI-Programme war ELIZA, entwickelt von Joseph Weizenbaum im Jahr 1966. ELIZA simuliert mit der Hilfe von einfachen Regeln ein simples, aber durchaus glaubwürdiges Gespräch. Einige Testerinnen und Tester, die nicht wussten, dass sie mit einem KI-Programm interagierten, hielten ELIZA für einen menschlichen Gesprächspartner. Selbst einfache Regeln können also den Anschein von Intelligenz erwecken, den Turing-Test besteht ELIZA aber nicht.

Systeme die aus Regeln bestehen, gehören zu den Wissensbasierten Systemen. Dort wird vorhandenes Wissen von Experten strukturiert, um daraus für bestimmte Anfragen logische Rückschlüsse zu ziehen. Um Ärzte bei der Diagnose von bakteriellen Infekten zu unterstützen, wurde in den 1970ern beispielsweise auch das System „Mycin“ entwickelt.

Maschinelles Lernen

Rein wissensbasierten Ansätzen fehlt die menschliche Fähigkeit, aus Erfahrungen zu lernen. Methoden des Maschinellen Lernens dagegen werden mit vorgegebenen Daten trainiert und verallgemeinern über Muster darin. Der große Vorteil dieser Ansätze liegt darin, dass Probleme gelöst werden können, die wir Menschen nicht direkt oder nur sehr schwer beschreiben können. Wie gut diese Ansätze werden, hängt dabei auch sehr stark von der Datenqualität ab.

Vieles Wissen, das wir Menschen haben, können wir nicht genau mit Sprache ausdrücken. Versuchen Sie es mal, indem Sie Katzen genau und allgemein gültig beschreiben!

Für einige spezifische Probleme, wie die Hautkrebserkennung, sind solche Systeme schon besser als ausgebildete Ärzte. Sie haben sonst allerdings kein tieferes Verständnis, wie Hautkrebs entsteht oder wie er behandelt werden könnte. Der Lernprozess benötigt zudem sehr viele Daten, in diesem Fall zehntausende Bilder, die von Experten in Bilder mit oder ohne Hautkrebs eingeteilt wurden.

Künstliche Neuronale Netze

Der bisher vielversprechendste Ansatz im Bereich des Maschinellen Lernens sind Künstliche Neuronale Netze. Diese bestehen aus sogenannten künstlichen Neuronen deren Struktur den biologischen Neuronen ähnlich ist. Durch Verbindungen zwischen den Neuronen wird aus eingegebenen Daten eine Ausgabe berechnet. Im Lernprozess wird die Wichtigkeit der Verbindungen dann so angepasst, dass die Ergebnisse möglichst korrekt sind.

Die aktuell weit bekannten KI-Systeme wie ChatGPT, Gemini oder DALL-E basieren auch auf Künstlichen Neuronalen Netzen. Die Fortschritte in bestimmten Architekturen für die Netze und die Möglichkeit auf allen Daten des Internets zu trainieren, ist ausschlaggebend für die erstaunlich guten Ergebnisse.

Sind ChatGPT und Co. aber schon intelligent? Die KI-Systeme bestehen in einigen Studien den Turing-Test, aber sie scheitern besonders bei Aufgaben, die logisches Denken erfordern. Damit sind sie noch nicht mit menschlicher Intelligenz vergleichbar. Woran das liegt, werden wir in unseren nächsten Beiträgen genauer betrachten.