LE-2-2023

LOGISTIK express

LOGISTIK express 2/2023 | S86 alle relevanten Informationen in den jeweiligen Datenmassen vorhanden sind. Wo das jedoch nicht der Fall ist, ist KI nicht nur nicht in der Lage, einfache Unterscheidungen zu treffen, die für den Menschen augenfällig sind. Hier besteht vielmehr eine konzeptionelle Grenze, die durch Fortschritte innerhalb des maschinellen Lernens nicht aufgehoben werden können. Vorhersage einer Sonnenfinsternis kaum möglich Künstliche Intelligenz kann auch nur dann valide Vorhersagen treffen (oder eben „lernen“), wenn sie mit einer großen Masse von Daten gefüttert wird. Eine Sonnenfinsternis vorhersagen könnte eine KI zum Beispiel wohl kaum – eine ausreichende Datengrundlage dafür ist nicht vorhanden. Gerade die Vorhersage von Sonnenfinsternissen gilt als herausragende Leistung der menschlichen Intelligenz, aus der Beobachtung von Daten zu tatsächlichen Erkenntnissen über Gesetzmäßigkeiten zu gelangen, die einer bestimmten statistischen Datenverteilung zugrunde liegen. Könnte eine Künstliche Intelligenz aus der Auswertung von Daten eine Formel angeben für das Auftreten von Sonnenfinsternissen oder von ständig stattfindenden Ereignissen, wie zum Beispiel aus der Tatsache, dass alles zu Boden fällt, das Newtonschen Gravitationsgesetz ableiten? Für bestimmte Klassen von Datenverteilungen lassen sich unter genau vorgegebenen Bedingungen tatsächlich Algorithmen für die zugrundeliegenden Kausalstrukturen angeben – das ist mathematisch beweisbar. Kausales Denken ist einer Künstlichen Intelligenz also nicht prinzipiell verschlossen. Offen bleibt, auf welchem Level der Intelligenz das für eine Künstliche Intelligenz möglich sein kann. Oder auch, ob Künstliche Intelligenz Gesetzmäßigkeiten wie die Hauptsätze der Thermodynamik oder die Darwinsche Evolutionstheorie ermitteln könnte, die auf keinen strengen und unmittelbaren Kausalzusammenhängen beruhen. Lernprozess nur nach dem Bottom-Up-Prinzip Warum benötigt Künstliche Intelligenz Millionen von Katzenbildern um zu „begreifen“, was eine Katze ist, während ein Kind dafür höchstens eine Handvoll Beispiele dafür benötigt? Weil Deep Leaning ein Bottom-Up Lernen ist, das aus sensorischen Daten und deren statistischer Häufigkeit schließlich angeben kann, wie diese Daten konturiert sind und welche Relevanz sie haben. Menschliches Lernen funktioniert allerdings auch Top-Down. Menschen generieren bzw. erlernen Begriffe mithilfe derer es ihnen möglich ist, sensorische Daten zu klassifizieren. Die menschliche Intelligenz arbeitet mit logischen oder symbolischen Begriffen (bzw. Generalisierungen von sensorischen Daten). Mithilfe dessen ist die menschliche Intelligenz auch zu logischen Schlüssen fähig im Hinblick auf Begriffe und Sachverhalte, die als Parameter dem gegebenen Datensatz nicht beigemengt sind. Kinder begreifen, dass viele Aussagen über Katzen auch für Hunde gemacht werden können. Dieses Denken in Begriffen und die entsprechende Abstraktionsfähigkeit ist ein spezifisches Charakteristikum der menschlichen Intelligenz. Warum der Mensch zu solchen Generalisierungen und zum Denken in Begriffen fähig ist, ist nach wie vor unbekannt. Es lässt sich allerdings keine Möglichkeit angeben, wie aus einem bloßen Bottom-Up-Lernen entsprechende Begriffe generiert werden können. Und mehr noch: Keine Theorie kann bisher angeben, wie ein generalisiertes logisches Denken ohne symbolisches Verstehen und ohne symbolische Logik möglich sein sollte. Hybride Künstliche Intelligenz als Zukunftsziel Eine Zusammenführung von symbolischer und subsymbolischer KI wird als hybride KI bezeichnet. Statistische Lernmethoden mit logischen und wissensbasierten Methoden zu verbinden ist das Zukunftsziel der KI-Forschung und Entwicklung. Ob damit eine ähnliche generelle Leistungsfähigkeit wie die der menschlichen Intelligenz erreicht werden kann, weiß man noch nicht, denn diese scheint noch aus etlichen anderen Komponenten zu bestehen und etliche andere Zutaten zu benötigen. Einstweilen eignen sich symbolische und subsymbolische Künstliche Intelligenzen hervorragend, begrenzte Aufgaben zu meistern. Und einstweilen definiert auch die Europäische Union Künstliche Intelligenz als etwas, das sich auf die Lösung von bestimmten, gegebenen Aufgaben bezieht – und nicht eine allumfassende, generalisierte Superintelligenz oder als menschenähnliche Roboter. (RED) SICHERN SIE SICH IHREN WETTBEWERBSVORSPRUNG MJR MEDIA WORLD.BUSINESS https://mjr-media-world.business/