Selbstfahrende Autos sollen in Zukunft den Straßenverkehr effizienter und sicherer machen. Computerprogramme werden Nachrichtentexte direkt aus Datenbanken generieren und dem Journalismus Routinearbeiten ersparen. Automatische Gesichtserkennung soll für mehr Sicherheit sorgen. Was immer man auch von der zunehmenden Dominanz der Algorithmen halten mag: Solange man ihnen nicht beibringt, einigermaßen intelligent zu sein, schaffen wir uns damit womöglich mehr Probleme als wir damit lösen.

Exakt zu definieren, was das Schlagwort »künstliche Intelligenz« bedeutet, ist praktisch allerdings unmöglich. Zumindest bis wir uns einig darüber geworden sind, was wir unter »Intelligenz« verstehen. Auf jeden Fall aber geht es um mathematische Formalismen, die in der Lage sind, zu lernen und auf Basis dessen Entscheidungen zu treffen und Probleme zu lösen. Ein solcher Formalismus sieht so aus:

Diese wilde Ansammlung mathematischer Symbole nennt sich »AIXI« und wurde vom deutschen Computerwissenschaftler Marcus Hutter entwickelt. Die Formel im Detail zu erklären, würde den Rahmen dieser Kolumne sprengen. Aber es reicht, zu wissen, dass es um einen Algorithmus geht, der mit der Methode des »verstärkenden Lernens« funktioniert. Er kann durch konkrete Aktionen (in der Formel mit a_k bezeichnet) mit seiner Umgebung interagieren. Danach erfolgt eine Auswertung (o_k) dessen, was getan wurde und die Zuweisung einer Belohnung (r_k). Basierend darauf trifft der Algorithmus eine neue Entscheidung. Anschließend setzt sich der Zyklus fort mit dem Ziel, die Gesamtheit zukünftiger Belohnungen zu maximieren.

Man sagt dem Programm also nicht, was es tun soll, sondern nur, vereinfacht gesagt, was das Ergebnis sein soll. Dann lässt man das Programm selbst einen Weg zu dem gewünschten Zustand suchen. Das klingt vernünftig und nach dem, was eine künstliche Intelligenz tun sollte. In der Praxis führt es jedoch immer wieder zu absurden Problemen.

Ein klassisches Beispiel besteht darin, dass ein Programm eine Maschine konstruieren soll, die sich von A nach B bewegen kann. Stellen wir uns einen 10 Meter langen Hinderniskurs vor; mit Gräben, Löcher, Hürden, Zäunen. Wir Menschen würden dann etwas konstruieren wollen, das sich so fortbewegt wie wir: Etwas, das in der Lage ist, Hindernisse zu registrieren und mit entsprechenden Beinen darüber springen kann. Ein Algorithmus aber denkt nicht wie ein Mensch: Er konstruiert einen Roboter mit 10 Meter langen Beinen, der nicht mehr tut, als einfach umzufallen. So kommt er ans Ziel, und die Aufgabe wurde erfüllt. Allerdings auf eine nicht sehr intelligente Weise.

In einem anderen Beispiel sollte ein simulierter Roboterarm einen Pfannkuchen in einer Pfanne zubereiten, ohne dass dieser dabei auf den Boden fällt. Sobald das passierte, wurde der Algorithmus bestraft. Dadurch lernte das Programm, den Pfannkuchen so hoch und weit wie nur möglich weg zu werfen. Das maximiert zwar, wie gefordert, die Zeit, in der der Pfannkuchen nicht den Boden berührt. Es stellt allerdings ebenfalls keine intelligente Strategie dar, wenn man am Ende etwas essen will.

Es ist also verdammt schwer, einer Maschine intelligentes Verhalten beizubringen. Zumindest, solange wir nicht intelligent genug sind, sie auch vernünftig zu unterrichten. Da hilft auch die beste Mathematik nicht weiter. Weitere Beispiele für »dumme« künstliche Intelligenz hat die amerikanische Wissenschaftlerin Janelle Shane in ihrem Buch »You Look Like a Thing and I Love You« gesammelt. Der Titel stammt von einem Algorithmus, der neue Anmachsprüche finden sollte. Das Resultat ist ein wenig verstörend – aber genau genommen auch nicht viel schlimmer als viele der Sprüche, die von der natürlichen Intelligenz ersonnen wurden.