Facebook Pixel

KI auf der Überholspur?

Autobahnstreifen, Überholspur

Martin Schwehla auf den Spuren des Megatrends:
KÜNSTLICHE INTELLIGENZ


Über Wege und Umwege Künstlicher Intelligenz


Künstliche Intelligenz scheint auf der Überholspur zu sein, zumal sie immer mehr ein menschenähnliches Denkverhalten aufweist. Wird sie uns bald weit hinter sich lassen, weil Algorithmen in einem zunehmenden Ausmaß imstande sind, sich selbst zu optimieren – auf ein übermenschliches Niveau? 


Die Diskussionen darüber und die damit einhergehende Angst der Menschen, durch Roboter und KI abgelöst zu werden, gibt es schon seit den Anfängen dieser Entwicklungen in den 1950er-Jahren. Auch zahlreiche Science-Fiction-Autoren und Filmemacher stellen die Bedrohung der Menschheit durch intelligente Maschinen gern in den Mittelpunkt. Aktuell gilt jedenfalls: [1]

  • In engen, gut erprobten Anwendungsbereichen konnte die Überlegenheit von KIs gegenüber Menschen bereits nachgewiesen werden. 
  • In komplexeren Systemen, wo mehrere Algorithmen mit hoher Geschwindigkeit interagieren, besteht ein erhöhtes Risiko, dass die neuen KI-Technologien unerwartet systemisch fehlschlagen.

Auch logisches Schlussfolgern ist der Künstlichen Intelligenz nicht einfach "in die Wiege" gelegt und muss erst "vertiefend" gelernt werden – Stichwort: Deep Learning. So wird beispielsweise bei Microsoft Research ein System namens Lean dazu trainiert, Mathematiker bei der Ausarbeitung von Beweisen zu unterstützen. Lean soll nun Beweise auch eigenständig führen, versteht allerdings derzeit noch nicht einmal die Problemstellungen. A long way to go ...

Andererseits gibt es mächtige Sprachsoftware-Anwendungen, die Gebrauchstexte, Geschichten und Gedichte verfassen können – es ist sogar ziemlich wahrscheinlich, dass wir auf Facebook oder anderswo schon mit ihnen Bekanntschaft gemacht haben, ohne es zu bemerken. Und KI ist bereits in den Startlöchern, um für uns Software zu schreiben. Auch bei der pathologischen Mustererkennung leistet Künstliche Intelligenz schon wertvolle Dienste für Mediziner.

Aber lesen Sie doch einfach selbst mehr darüber in den Beispielen, die Martin Schwehla für Sie bereitgestellt hat, um Möglichkeiten, aber auch Grenzen von KI-Anwendungen aufzuzeigen.
 

DREI AKTUELLE BEISPIELE 


Nimmt an der nächsten Mathematikolympiade eine künstliche Intelligenz teil?


Bei der Internationalen Mathematik-Olympiade messen junge Talente ihr Können und ihre mathematische Kreativität mit gleichermaßen Begabten aus anderen Ländern. Es werden ihnen Aufgaben in Form von mathematischen Aussagen gestellt, die zu bestätigen oder zu falsifizieren sind, und es geht vor allem darum, mit relativ einfacher Methodik mittels logischer Schlussfolgerungen mathematische Zusammenhänge zu erkennen. Das gelingt Computern bisher nicht. Obwohl sie z.B. viel besser als Menschen immer größere Primzahlen berechnen können, läge Euklids vor etwa 2300 Jahren erbrachter Nachweis, dass es eine unbegrenzte Anzahl davon geben muss, noch weit jenseits ihrer Möglichkeiten. Dies wäre aber für KI-Forscher ein Schlüssel zu „menschenähnlicherem“ Denkverhalten ihrer Deep-Learning-Systeme. Seit 2013 wird bei Microsoft Research ein System namens Lean dazu trainiert, Mathematiker bei der Ausarbeitung von Beweisen zu unterstützen. Lean soll nun Beweise auch eigenständig führen, versteht allerdings derzeit noch nicht einmal die Problemstellungen. Zunächst wird das System mit mathematischem Wissen aus der Bibliothek MathLib gefüttert und lernt, sich wie ein Schachcomputer an die jeweils beste Problemlösung heranzutasten. Doch dass Lean einen Lösungsweg für ein Problem hier niemals zuverlässig auf andere Probleme anwenden kann, erschwert den Lernprozess entscheidend. Es müssen die Gemeinsamkeiten für das System formal verständlich aufgelöst werden, damit ein funktionierender Algorithmus daraus wird – Lean muss sozusagen erst lernen zu erkennen, in welchem Spiel es sich befindet, bevor es den besten Zug finden kann. Ziel ist es, Lean an der nächsten Mathematik-Olympiade teilnehmen zu lassen – zunächst nach dem Motto: Nicht gewinnen, dabei sein ist wichtig. [2]


Webdesign per KI – kräftiger Schub für die No-code-Bewegung?


Im Mai 2020 veröffentlichte die KI-Open-Source-Initiative OpenAI die dritte Version ihrer mächtigen Sprachsoftware, genannt GPT-3, die Gebrauchstexte, Geschichten und sogar Gedichte verfassen kann, denen wohl die wenigsten Leser noch ansehen dürften, dass sie von keinem menschlichen Autor stammen. Und das System kann sogar Software schreiben. Bereits der Vorgänger GPT-2 konnte nach dem Studium von 2 Mio. Programmierbeispielen mit hoher Trefferquote in 22 Programmiersprachen Code vervollständigen. GPT-3 lernt aber viel, viel schneller. Der junge Programmierer Sharif Shameem brachte ihm anhand von nur zwei HTML-Codebeispielen bei, weitgehend funktionierende Komponenten von Webseiten zu schreiben. Wie ein auf Twitter gepostetes Video zeigt, erfüllt das System zwangslos formulierte, einfache Wünsche für Design und Inhalt, etwa „Buttons in allen Farben des Regenbogens“ oder „eine Tabelle der reichsten Länder der Welt“. Damit bewegt sich GPT-3 zwar erst in der HTML-Welt der 1990er-Jahre, doch entwickelt Shameems Start-up „Debuild“ bereits einen App-Generator – in der Erwartung, dass in 5 Jahren dafür ein KI-System mit höherer Komplexität als das menschliche Gehirn zur Verfügung steht. Er nährt damit die Hoffnung der No-code-Bewegung, dass jeder bald seinen Computer selbst programmieren kann. Werden nun alle Programmierer arbeitslos? Tatsächlich prognostizieren Beobachter, dass rein technische Aufgaben in absehbarer Zeit von lernenden Systemen übernommen werden könnten. Ob und wann diese auch kreative Aufgaben für sich beanspruchen werden, wagt noch niemand vorauszusagen. [3]


KI-System als Prostatakrebs-Pathologe bereits zu 72% zuverlässig


Etwa 11% aller Männer entwickeln Prostatakrebs. Zu bestimmen, wie aggressiv der Tumor ist, ist wichtig, um Behandlungen mit oft nachhaltigen Nebenwirkungen möglichst präzise auf die nötigen Fälle zu beschränken. Weltweit wird dazu der Gleason Score herangezogen, eine Skala, deren Wert aus unterschiedlichen Graden der Zellmissbildung und deren Häufigkeit in der Gewebeprobe errechnet wird. Schätzungen zufolge wird eine Probe jedoch in 50% aller Fälle je nach Pathologen unterschiedlich bewertet. Ein Forschungsteam von Google Health untersuchte erstmals, ob ein KI-System imstande wäre, eine zuverlässige Bewertung nach der Gleason-Skala vorzunehmen. Ein DSL (Deep Learning System), das entnommene und diagnostizierte Prostatae bereits exakt bestimmen konnte, sollte aus Proben, die bei Biopsien entnommen werden, die Tumorzellen unterscheiden und bewerten lernen. Dies ist deutlich schwieriger, weil die Proben viel kleiner und die Zellen meist weniger differenziert sind. Das System teilt die Probe zunächst in Bereiche mit unterschiedlichen Mustern ein, ordnet ihnen Gleason-Grade zu und errechnet aus den Häufigkeiten den Gleason-Wert. Sechs ausgewiesene Prostatakrebs-Pathologen bescheinigten dem System eine Zuverlässigkeit von 72%, während eine Vergleichsgruppe von 19 Pathologen ohne spezielle Erfahrung mit Prostataproben nur eine Quote von 58% erreichte. Allerdings werden in der klinischen Praxis bis zu 18 Biopsieproben pro Fall analysiert, und es wurde nicht überprüft, wieweit die Diagnosen des Systems bzw. der Experten mit dem weiteren klinischen Verlauf der untersuchten Fälle übereinstimmten. Für den klinischen Betrieb muss das System noch verbessert werden, doch erweist sich die KI-Unterstützung schon jetzt als nützlich, wo weniger erfahrene Experten Diagnosen anhand der Gleason-Skala stellen müssen. [4]


Diese drei Beispiele konnten Ihnen hoffentlich einen kurzen Eindruck vermitteln, auf welchen "Wegen und Umwegen" die KI sich gerade bewegt. Unabhängig von der Frage, ob sich Künstliche Intelligenz auf der Überholspur befindet, wird zunehmend die Frage relevant, welche Ziele bzw. ethischen Werte einem KI-Algorithmus einprogrammiert werden sollen und wie dafür gesorgt werden kann, dass diese Werte nicht manipuliert werden. [1] Wir versuchen jedenfalls auf der "Spur" zu bleiben und Sie weiterhin "up-to-date" zu halten. Falls Sie sich einstweilen inhaltlich vertiefen möchten, um sich selbst ein besseres Bild zur Eingangsfrage zu machen, können wir Ihnen die unten angeführten Quellen und Lesetipps empfehlen. 

Martin Schwehla und das gesamte in-manas-Team

II 


QUELLEN UND LESETIPPS

[1] Künstliche Intelligenz: Chancen und Risiken 

[2] At the Math Olympiad, Computers Prepare to Go for the Gold: omputer scientists are trying to build an AI system that can win a gold medal at the world’s premier math competition.

[3] Künstliche Intelligenz entwickelt Webseiten-Frontend auf Befehl

[4] Google claims its AI system can grade prostate cancer samples with 72% accuracy 

[5] Richard David Precht: „Künstliche Intelligenz und der Sinn des Lebens“ - Warnung vor dem transhumanistischen Zeitalter 

[6] Competing in the Age of AI: Strategy and Leadership When Algorithms and Networks Run the World


HINWEIS IN EIGENER SACHE

Neben unseren digitalen Management- & Consulting-Assistenzsystemen haben wir auch einen Innovationskompass, der Sie durch die neuesten branchenrelevanten Innovationen & Trends "führt". Wenn Sie mehr darüber erfahren möchten, dann melden Sie sich doch einfach bei uns. 
 

MEHR ERFAHREN 

 

Der Autor

Foto: Martin Schwehla
Martin Schwehla
alle Artikel
Der Kulturwissenschaftler und freie Lektor ist auch mit Knowledgebases vertraut, da er an der Universität Wien ein kollaboratives audiovisuelles System entwickelt und darin Studierende in Filmanalyse und Semiotik unterrichtet hat. "So ganz nebenbei" ist er nun als Innovationsscout bei in-manas tätig und begibt sich regelmäßig auf die Suche nach spannenden Innovationsbeispielen und sich abzeichnenden Trends quer über alle Branchen hinweg: angefangen von Bildung über IKT bis hin zu Pharma und Gesundheit. Immer wieder wird er uns ausgewählte Beispiele auch im Rahmen dieser Blogserie vorstellen.