K\u00fcnstliche Intelligenz steht im Mittelpunkt des gegenw\u00e4rtigen Wandels der Arbeitsmethoden, der Beziehungsformen und der Mentalit\u00e4t, der durch Geschwindigkeit und technische Komplexit\u00e4t gekennzeichnet ist. Dieses Dossier soll uns helfen, die verschiedenen Aspekte und Auswirkungen, einschlie\u00dflich der ethischen Implikationen, mit Hilfe von Fachleuten und den \u00dcberlegungen von Papst Franziskus zu diesen Entwicklungen zu verstehen.<\/p>\n\n\n\n
Fast seit Beginn der Geschichte der Informatik wurden Computer so programmiert, dass sie intelligent handeln. 1956 entwickelte Herbert Gelernter im Poughkeepsie Laboratory von IBM ein Programm, das in der Lage war, Theoreme der ebenen Geometrie zu l\u00f6sen - eines der ersten Beispiele f\u00fcr k\u00fcnstliche Intelligenz. Im selben Jahr trafen sich John McCarthy und andere Pioniere der Computerwissenschaft auf einem Seminar am Dartmouth College in Hannover (USA). Nach der Benennung der neuen Disziplin (k\u00fcnstliche Intelligenz<\/em>) sagte voraus, dass es innerhalb eines Jahrzehnts Programme geben wird, die zwischen zwei menschlichen Sprachen \u00fcbersetzen und besser Schach spielen k\u00f6nnen als der Weltmeister. Dann w\u00fcrden Maschinen mit gleicher oder h\u00f6herer Intelligenz als der unseren gebaut werden, und wir w\u00fcrden einen neuen Weg in der menschlichen Evolution einschlagen. Der alte Traum vom Bau k\u00fcnstlicher Menschen w\u00e4re in Erf\u00fcllung gegangen.<\/p>\n\n\n\n Doch die Dinge entwickelten sich nicht so, wie es die Optimisten vorausgesagt hatten. Obwohl Arthur Samuel von IBM ein Programm f\u00fcr das Damespiel entwickelte, das Informationen \u00fcber den Spielverlauf speicherte und diese nutzte, um seine zuk\u00fcnftigen Z\u00fcge zu \u00e4ndern (d.h. zu lernen), erwies sich Schach als ein viel schwierigeres Ziel. Das Ziel, den Weltmeister zu schlagen, lag mehr als 30 Jahre hinter dem Zeitplan zur\u00fcck.<\/p>\n\n\n\n Auch die \u00dcbersetzung von Texten zwischen zwei nat\u00fcrlichen Sprachen erwies sich als schwieriger als erwartet. Unsere Sprachen sind mehrdeutig, da ein und dasselbe Wort mehrere Bedeutungen haben kann, die in den verschiedenen Sprachen oft unterschiedlich sind, und au\u00dferdem kann ein Wort in ein und demselben Satz verschiedene syntaktische Rollen spielen. <\/p>\n\n\n\n Das Scheitern der Vorhersagen der Experten entmutigte die Forscher im Bereich der k\u00fcnstlichen Intelligenz, von denen sich viele anderen Forschungen zuwandten. Au\u00dferdem zeigten Marvin Minski und Seymour Papert 1969, dass die ein- oder zweischichtigen k\u00fcnstlichen neuronalen Netze, die seit den 1950er Jahren untersucht wurden, nicht in der Lage sind, sehr einfache Probleme zu l\u00f6sen. <\/p>\n\n\n\n In den 1970er Jahren wurde das Interesse an k\u00fcnstlicher Intelligenz durch Expertensysteme neu belebt. Wieder einmal wurden die Alarmglocken gel\u00e4utet und \u00fcberambitionierte sofortige Fortschritte vorausgesagt. Die japanische Regierung zum Beispiel startete Ende der 1970er Jahre das Projekt der f\u00fcnften Generation<\/em>dessen Ziel es war, in zehn Jahren (immer in zehn Jahren) Maschinen zu entwickeln, die in der Lage sind denken<\/em> Ziel des Projekts ist es, die F\u00e4higkeit zu entwickeln, mit uns in unserer eigenen Sprache zu kommunizieren und auf Englisch und Japanisch verfasste Texte zu \u00fcbersetzen.<\/p>\n\n\n\n Aufgeschreckt durch das Projekt starteten die Vereinigten Staaten und die Europ\u00e4ische Union ihre eigenen Forschungsprogramme mit weniger ehrgeizigen Zielen. Die Amerikaner konzentrierten ihre Bem\u00fchungen auf milit\u00e4rische Programme, wie z. B. das Strategische Computer-Initiative<\/em> (SCI), das sich auf den Bau von autonomen, pilotenlosen Fahrzeugen am Boden und in der Luft, \"intelligente\" Waffen und das Projekt mit dem Spitznamen Krieg der Sterne<\/em>die die Vereinigten Staaten vor einem nuklearen Angriff sch\u00fctzen sollte. Europa hingegen konzentrierte sich auf das Problem der maschinellen \u00dcbersetzung mit dem Projekt Eurotra<\/em>.<\/p>\n\n\n\n In den fr\u00fchen 1990er Jahren scheiterte das japanische Projekt. Das US-Milit\u00e4rprogramm war erfolgreicher, wie der zweite Irakkrieg gezeigt hat. Und obwohl das Projekt Krieg der Sterne<\/em> nie umgesetzt wurde, \u00fcbte ihre Ank\u00fcndigung Druck auf die Sowjetunion aus, weshalb einige Analysten glauben, dass sie eine der Ursachen f\u00fcr das Ende des Kalten Krieges war. Was das Projekt betrifft Eurotra<\/em>Dies f\u00fchrte zwar nicht zur Entwicklung eines autonomen maschinellen \u00dcbersetzungssystems, aber es f\u00fchrte zur Entwicklung von Werkzeugen, die den menschlichen \u00dcbersetzern helfen, ihre Produktivit\u00e4t zu steigern, so wie es bei der Google \u00dcbersetzen<\/em>.<\/p>\n\n\n\n 1997, 30 Jahre sp\u00e4ter als erwartet, gelang es einem Computer endlich, den Schachweltmeister (Garri Kasparow) in einem Turnier mit sechs Partien zu schlagen. Auch das automatisierte Fahren von Fahrzeugen (Autos und Flugzeugen) ist weit fortgeschritten. Deshalb hei\u00dft es immer h\u00e4ufiger, dass wir kurz vor der Verwirklichung des wahren Lebens stehen. k\u00fcnstliche Intelligenz<\/em>Ist es m\u00f6glich, ist es wirklich so knapp, wie einige Experten (nicht viele) und die Medien zu glauben scheinen? <\/p>\n\n\n\n Die Forscher sind sich nicht immer einig \u00fcber die Definition dieses Zweigs der Informatik, so dass es nicht einfach ist, die Disziplinen und Anwendungen, die zu diesem Bereich geh\u00f6ren, klar zu unterscheiden. In letzter Zeit ist es in Mode gekommen, den Begriff k\u00fcnstliche Intelligenz <\/em>auf eine beliebige Computeranwendung zu beziehen, so dass die Abgrenzung zunehmend unscharf und verworren ist. Ein System \u00f6ffentlicher Stra\u00dfenb\u00e4nke, das einen WLAN-Repeater und ein Solarmodul zum Aufladen eines Mobiltelefons enth\u00e4lt, wurde sogar als k\u00fcnstliche Intelligenz vorgestellt. Wo ist die Intelligenz? Wenn \u00fcberhaupt, dann bei dem Menschen, der auf die Idee kam, solche Ger\u00e4te zusammenzubauen.<\/p>\n\n\n\n Die am weitesten verbreitete Definition f\u00fcr den Bereich der k\u00fcnstlichen Intelligenz lautet wie folgt: eine Reihe von Techniken, die versuchen, Probleme im Zusammenhang mit der symbolischen Informationsverarbeitung mit Hilfe heuristischer Methoden zu l\u00f6sen<\/em>. <\/p>\n\n\n\n Eine Anwendung der k\u00fcnstlichen Intelligenz sollte die folgenden drei Bedingungen erf\u00fcllen: a) die zu verarbeitenden Informationen sollten symbolischer Natur sein; b) das zu l\u00f6sende Problem sollte nicht trivial sein; c) die praktischste Art, an das Problem heranzugehen, ist die Verwendung heuristischer (erfahrungsbasierter) Regeln. Das Programm sollte in der Lage sein, diese heuristischen Regeln aus seiner eigenen Erfahrung zu extrahieren, d. h. es sollte lernf\u00e4hig sein.<\/p>\n\n\n\n Neben der Entwicklung von Champions f\u00fcr die Spiele, die allgemein als smart<\/em>Es gibt noch viele weitere Anwendungen der k\u00fcnstlichen Intelligenz. In einigen F\u00e4llen sind die Ergebnisse spektakul\u00e4r und kommen dem nahe, was wir intuitiv als eine denkende Maschine verstehen.<\/p>\n\n\n\n Es gibt viele Bereiche, in denen Techniken der k\u00fcnstlichen Intelligenz angewandt werden k\u00f6nnen, so dass das Feld ein wenig un\u00fcbersichtlich geworden ist. Schauen wir uns einige von ihnen an:<\/p>\n\n\n\n -Intelligente Spiele.<\/em> Im Jahr 1997 wurde das Programm Tiefblau<\/em> (eine spezielle IBM-Maschine) schlug den damaligen Weltmeister Garri Kasparow. Das derzeit beste Programm ist AlphaZero<\/em>des Unternehmens DeepMind<\/em> (im Besitz von Google<\/em>), das nicht auf von Menschen eingef\u00fchrten Regeln, sondern auf Selbstlernen beruht (er hat f\u00fcnf Millionen Spiele gegen sich selbst gespielt). Andere erfolgreich gel\u00f6ste Spiele sind Backgammon (Backgammon<\/em>), die Damen, Jeopardy!<\/em>bestimmte Formen des Pokerspiels, und Weiter<\/em>. <\/p>\n\n\n\n -Leistung des logischen Denkens.<\/em> Es gibt drei Arten des logischen Schlussfolgerns: deduktiv (wesentlich in der Mathematik), induktiv (in den experimentellen Wissenschaften) und abduktiv (haupts\u00e4chlich in den Humanwissenschaften, der Geschichte und einigen Zweigen der Biologie, wie der Pal\u00e4ontologie). Das Problem der Programmierung von Computern zur Durchf\u00fchrung logischer Schlussfolgerungen kann als gel\u00f6st betrachtet werden. Andererseits ist es sehr viel schwieriger, induktive oder abduktive Denkprozesse zu programmieren, so dass dieses Forschungsfeld der k\u00fcnstlichen Intelligenz offen bleibt.<\/p>\n\n\n\n -Gesprochenes Wort Prozess.<\/em> Ziel ist es, Computern die menschliche Stimme verst\u00e4ndlich zu machen, so dass es m\u00f6glich ist, ihnen auf nat\u00fcrlichere Weise Befehle zu erteilen, ohne eine Tastatur benutzen zu m\u00fcssen. Die Forschung auf diesem Gebiet wurde durch die Tatsache behindert, dass jeder Mensch seine eigene Aussprache hat und dass die gesprochene Sprache noch mehrdeutiger ist als die geschriebene, aber in letzter Zeit wurden gro\u00dfe Fortschritte erzielt, und oft werden mehr als 90 Prozent der W\u00f6rter verstanden. <\/p>\n\n\n\n -Verarbeitung schriftlicher Texte.<\/em> Sie ist in zwei Hauptbereiche unterteilt: Verarbeitung nat\u00fcrlicher Sprache und maschinelle \u00dcbersetzung. <\/p>\n\n\n\n Ein relativ neuer Bereich ist die Data-Mining<\/em>Ziel ist es, Informationen aus schriftlichen Texten zu entnehmen und zu versuchen, deren Bedeutung zu verstehen. Dazu werden statistische Methoden eingesetzt und annotierte Korpora mit Informationen zu den Begriffen erstellt. Durch ihren Einsatz verbessern oder beschleunigen die Programme das Verst\u00e4ndnis der zu interpretierenden Texte.<\/p>\n\n\n\n Im Bereich der maschinellen \u00dcbersetzung vervielfachen sich die Probleme, da die Programme statt mit einer mit zwei nat\u00fcrlichen Sprachen arbeiten m\u00fcssen, die beide mit Mehrdeutigkeiten und Unregelm\u00e4\u00dfigkeiten behaftet sind und oft nicht miteinander \u00fcbereinstimmen. In der Regel besteht das Ziel dieser Programme darin, eine ungef\u00e4hre (nicht perfekte) \u00dcbersetzung der Ausgangstexte zu erstellen, an der ein menschlicher \u00dcbersetzer arbeiten kann, um sie zu verbessern und so ihre Leistung erheblich zu steigern.<\/p>\n\n\n\n -Automatische Fahrzeug- und Bildverarbeitung.<\/em> Wenn wir eine Szene durch das Sehen beobachten, sind wir in der Lage, die erhaltenen Informationen zu interpretieren und unabh\u00e4ngige Objekte zu identifizieren. Dieser Forschungsbereich zielt darauf ab, Maschinen und Roboter so zu programmieren, dass sie die Elemente, mit denen sie interagieren sollen, visuell erkennen. Eine der spektakul\u00e4rsten Anwendungen ist das automatische Auto. Dieses Projekt, das derzeit von mehreren Unternehmen vorangetrieben wird, zielt darauf ab, fahrerlose Fahrzeuge zu bauen, die sich auf den Stra\u00dfen einer Stadt bewegen k\u00f6nnen. Diese Forschung, die an der Universit\u00e4t Carnegie Mellon<\/em> Die ersten fahrerlosen Autos wurden in den sp\u00e4ten 1980er Jahren eingef\u00fchrt und erhielten in den 1990er Jahren einen gro\u00dfen Schub, als erstmals ein fahrerloses Auto auf deutschen Autobahnen fuhr. Im 21. Jahrhundert hat die Forschung auf dem Gebiet der fahrerlosen Autos weitere Fortschritte gemacht, und es ist nicht mehr lange hin, bis sie kommerziell genutzt werden k\u00f6nnen.<\/p>\n\n\n\n -Experten-Systeme.<\/em> Dabei handelt es sich um Programme, die logische Schlussfolgerungen ziehen, um Wissensregeln anzuwenden, die von menschlichen Fachleuten f\u00fcr die L\u00f6sung konkreter Probleme bereitgestellt werden. <\/p>\n\n\n\n Der erste Versuch (ein Programm namens DENDRAL, das in der Lage war, die Formel einer chemischen Verbindung aus ihrem Massenspektrogramm zu ermitteln) wurde um 1965 an der Stanford University entwickelt. In den 1970er und 1980er Jahren wurde die Forschung im Bereich der Expertensysteme in der medizinischen Diagnostik, der Mathematik, der Physik, der Bergbausuche, der Genetik, der automatischen Fertigung, der automatischen Computerkonfiguration usw. eingesetzt. In den sp\u00e4ten 1980er Jahren ging es jedoch mit ihnen bergab. Obwohl sie nicht v\u00f6llig verschwunden sind, spielen sie heute in der Forschung zur k\u00fcnstlichen Intelligenz keine gro\u00dfe Rolle mehr.<\/p>\n\n\n\n -k\u00fcnstliche neuronale Netze.<\/em> Es handelt sich um eine der \u00e4ltesten Anwendungen der k\u00fcnstlichen Intelligenz, die heute auch am weitesten verbreitet ist. Die Neuronen<\/em> die diese Netze bilden, sind sehr vereinfacht, verglichen mit denen des menschlichen Nervensystems und denen vieler Tiere. Diese Netze sind in der Lage, sehr komplexe Probleme in sehr kurzer Zeit zu l\u00f6sen, obwohl die erhaltene L\u00f6sung in der Regel nicht optimal ist, sondern nur eine Ann\u00e4herung darstellt, die f\u00fcr unsere Bed\u00fcrfnisse oft ausreichend ist. Neuronale Netze werden heute in vielen Anwendungen des maschinellen Lernens eingesetzt, z. B. in den oben erw\u00e4hnten maschinellen \u00dcbersetzern.<\/p>\n\n\n\n -Kognitives Rechnen und Wissensbasis \u00fcber die Welt.<\/em> Eines der Probleme, die die Forschung im Bereich der k\u00fcnstlichen Intelligenz behindert haben, war die Tatsache, dass Computer nur wenig Wissen \u00fcber die Welt um uns herum haben, was sie gegen\u00fcber dem Menschen, der diese Informationen seit seiner Kindheit besitzt und sie zur L\u00f6sung von Problemen des gesunden Menschenverstands nutzen kann, die trivial erscheinen, aber f\u00fcr Maschinen, die nicht \u00fcber die notwendigen Informationen verf\u00fcgen, \u00e4u\u00dferst schwierig zu l\u00f6sen sind, in einen klaren Nachteil versetzt. IBM hat ein Projekt zum kognitiven Computing gestartet, das darauf abzielt, Programme zu entwickeln, die auf der Grundlage sehr umfangreicher Daten (gro\u00dfe Daten<\/em>) und unter Verwendung von Techniken der k\u00fcnstlichen Intelligenz und des maschinellen Lernens in der Lage sind, n\u00fctzliche Vorhersagen und Schlussfolgerungen zu treffen und in nat\u00fcrlicher Sprache formulierte Fragen zu beantworten. <\/p>\n\n\n\n Diese Systeme sind vorerst nicht mit dem Menschen vergleichbar und in der Regel auf einen bestimmten Anwendungsbereich beschr\u00e4nkt.<\/p>\n\n\n\n Im Jahr 1950 versuchte der englische Mathematiker und Chemiker Alan Turing, seiner Zeit voraus, die Bedingungen zu definieren, unter denen man sagen kann, dass eine Maschine in der Lage ist, wie wir zu denken (die \"Maschine\"). Turing-Test<\/em>). Dies wird als starke k\u00fcnstliche Intelligenz<\/em>zur Unterscheidung von der schwache k\u00fcnstliche Intelligenz<\/em>Die neue \"Maschine\", die alle bisher bekannten Anwendungen abdeckt, an die die Maschine offensichtlich nicht denkt. <\/p>\n\n\n\n Der Turing-Test besagt, dass eine Maschine dann so intelligent wie ein Mensch ist (oder denken kann), wenn sie in der Lage ist, einer ausreichenden Anzahl (30 %) von Menschen vorzugaukeln, dass sie Informationen mit einem anderen Menschen und nicht mit einer Maschine austauschen. Turing beschr\u00e4nkte sich nicht darauf, den Test vorzuschlagen, sondern sagte voraus, dass er in etwa f\u00fcnfzig Jahren erf\u00fcllt sein w\u00fcrde. Er hatte nicht ganz unrecht, denn 2014 wurde ein Chatbot<\/em> (ein Programm, das an einer Konversation teilnimmt von Chat<\/em>) gelang es, 33 % seiner Mitstreiter nach f\u00fcnf Minuten Gespr\u00e4ch davon zu \u00fcberzeugen, dass er ein 13-j\u00e4hriger ukrainischer Junge sei. Einige Analysten sehen die Dinge jedoch nicht so klar. Evan Ackerman schrieb: \"Der Turing-Test beweist nicht, dass ein Programm zum Denken f\u00e4hig ist. Vielmehr zeigt sie an, ob ein Programm einen Menschen t\u00e4uschen kann. Und die Menschen sind wirklich dumm\".<\/em><\/p>\n\n\n\n Viele Forscher glauben, dass der Turing-Test nicht ausreicht, um Intelligenz zu definieren oder zu erkennen. Im Jahr 1980 versuchte der Philosoph John Searle dies zu demonstrieren, indem er den Vorschlag machte die<\/em> Chinesisches Zimmer<\/em>. Damit ein Computer als intelligent gelten kann, sind nach Searle neben dem Turing-Test zwei weitere Dinge erforderlich: dass er versteht, was er schreibt, und dass er sich der Situation bewusst ist. Solange dies nicht der Fall ist, kann man nicht von starke k\u00fcnstliche Intelligenz<\/em>.<\/p>\n\n\n\n Hinter all dem verbirgt sich ein sehr wichtiges Problem: Um eine starke k\u00fcnstliche Intelligenz zu schaffen, m\u00fcssen die Maschinen mit einem Bewusstsein ausgestattet werden. Aber wenn wir nicht wissen, was Bewusstsein ist, nicht einmal unser eigenes, wie k\u00f6nnen wir das tun? <\/p>\n\n\n\n Die Neurowissenschaften haben in letzter Zeit gro\u00dfe Fortschritte gemacht, aber wir sind noch weit davon entfernt, definieren zu k\u00f6nnen, was Bewusstsein ist, woher es kommt und wie es funktioniert, geschweige denn, es zu erzeugen oder zu simulieren.<\/p>\n\n\n\n Ist es m\u00f6glich, dass die Fortschritte in der Computertechnik \u00fcber kurz oder lang dazu f\u00fchren werden, dass wir in unseren Maschinen etwas schaffen, das sich wie eine Superintelligenz verh\u00e4lt? Ray Kurzweil prophezeit sie seit Jahrzehnten f\u00fcr eine fast unmittelbare Zukunft, die wie der Horizont immer weiter zur\u00fcckgeht, je n\u00e4her wir ihr kommen. <\/p>\n\n\n\n Wir wissen nicht, ob es m\u00f6glich sein wird, mit Hilfe von Computern Intelligenzen zu konstruieren, die der unsrigen gleichwertig oder \u00fcberlegen sind und die F\u00e4higkeit haben, sich selbst zu erkennen. Doch wenn k\u00fcnstliche Intelligenz praktikabel w\u00e4re, st\u00fcnden wir vor einem gro\u00dfen Problem: dem \"Problem der Eind\u00e4mmung\".<\/p>\n\n\n\n Die Frage lautet wie folgt: Ist es m\u00f6glich, eine Superintelligenz so zu programmieren, dass sie einem Menschen keinen Schaden zuf\u00fcgen kann?<\/em><\/p>\n\n\n\n Im Wesentlichen entspricht das Problem der Eind\u00e4mmung dem ersten Gesetz der Robotik von Isaac Asimov. Nun, es gibt j\u00fcngste mathematische Hinweise darauf, dass es nicht m\u00f6glich ist, das Eind\u00e4mmungsproblem zu l\u00f6sen. Wenn sich dies best\u00e4tigt, haben wir zwei M\u00f6glichkeiten: a) die Erschaffung von Superintelligenzen aufzugeben, und b) die Gewissheit aufzugeben, dass diese Superintelligenzen uns nicht schaden k\u00f6nnen. <\/p>\n\n\n\n Es ist immer riskant, die Zukunft vorherzusagen, aber es scheint klar zu sein, dass viele der Entwicklungen, die leichtfertig als unmittelbar bevorstehend angek\u00fcndigt werden, in weiter Ferne liegen. <\/p>","protected":false},"excerpt":{"rendered":" La inteligencia artificial es uno de los ejes de la actual transformaci\u00f3n de los m\u00e9todos de trabajo, los modos de relacionarse y la mentalidad, caracterizada por la rapidez y por la complejidad t\u00e9cnica. Este dossier quiere ayudar a comprender sus distintos aspectos y sus repercusiones, tambi\u00e9n \u00e9ticas, con la ayuda de profesionales expertos y de […]<\/p>\n","protected":false},"author":3,"featured_media":6252,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_members_access_role":[],"_members_access_error":""},"categories":[40],"tags":[],"class_list":["post-4787","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-dossier"],"yoast_head":"\nDefinition von k\u00fcnstlicher Intelligenz<\/strong><\/h2>\n\n\n\n
Anwendungen der k\u00fcnstlichen Intelligenz<\/strong><\/h2>\n\n\n\n
Kann eine Maschine intelligent sein?<\/strong><\/h2>\n\n\n\n
Problem der Eind\u00e4mmung<\/strong><\/h2>\n\n\n\n