Direkt zum Inhalt
Login erforderlich
Dieser Artikel ist Abonnenten mit Zugriffsrechten für diese Ausgabe frei zugänglich.

Informatik: Maschinen mit menschlichen Zügen

Künstliche Intelligenzen werden uns zusehends ­ähnlicher: Neben einer schnellen Auffassungsgabe und Kreativität verfügen erste Algorithmen nun auch über die Fähigkeit, ihre Umgebung zu verstehen.
Artificial ImaginationLaden...

In den letzten Jahren haben Maschinen in vielen Bereichen eine ähnliche Leistungsfähigkeit wie wir Menschen erreicht, etwa wenn es darum geht, Gesichter zu erkennen oder Texte in andere Sprachen zu übersetzen – ganz zu schweigen von ihren Erfolgen in Brett- und Arcadespielen. Daher könnte man vielleicht erwarten, dass Computerwissenschaftler anfangen, auf die menschliche Intelligenz herabzublicken. Doch ganz im Gegenteil geraten die Forscher geradezu ins Schwärmen, wenn es um das menschliche Gehirn geht: Vor allem dessen Anpassungsfähigkeit und das breite Spektrum an Fähigkeiten erstaunt sie immer wieder.

Von solchen Eigenschaften sind Maschinen nämlich noch weit entfernt. Wenn eine künstliche Intelligenz (KI) auf eine Aufgabe trainiert wurde, fällt es ihr schwer, eine zweite, aber ähnliche zu erlernen. Zudem ist nicht immer klar, wie sie zu ihrem Ergebnis kam; der rechnerische Vorgang ist ziemlich undurchsichtig. Doch das wohl bedeutendste Hindernis für zukünftige Entwicklungen ist, dass die meisten Programme nur sehr langsam lernen und dazu auch noch enorme Datenmengen brauchen, die nicht immer vorliegen.

Aus diesem Grund konzentrieren sich die – durchaus beeindruckenden – Erfolge des maschinellen Lernens auf einige ausgewählte Bereiche. Möchte man etwa eine Bilderkennungssoftware entwickeln, findet man haufenweise Beispielbilder von Katzen oder Prominenten, mit denen man das Programm trainieren kann. Bei anderen Datensätzen, etwa medizinischen Scans, ist das schon schwieriger …

August 2019

Dieser Artikel ist enthalten in Spektrum der Wissenschaft August 2019

Kennen Sie schon …

Dossier 4/2019

Gehirn&Geist – Dossier 4/2019: Die Eroberung des Gehirns

Die Eroberung des Gehirns: Wegweisende Methoden – neue Einsichten: Organoide: Minihirne aus dem Baukasten • Hirnscans: Was die bunten Bilder aussagen • Neuronale Netze: Dem Schaltplan auf der Spur

41/2019

Spektrum - Die Woche – 41/2019

In dieser Ausgabe widmen wir uns den Nobelpreisen, Otto Lilienthal und der KI.

Künstliche Intelligenz - Der Weg in die Anwendung

Spektrum Kompakt – Künstliche Intelligenz - Der Weg in die Anwendung

Die künstliche Intelligenz macht rasante Fortschritte und ist aus manchen Bereichen der Forschung gar nicht mehr wegzudenken. Aber wie weit ist die KI tatsächlich schon, was können wir auch im Alltag von ihr erwarten, und welche Risiken drohen?

Lesermeinung

Beitrag schreiben

Wir freuen uns über Ihre Beiträge zu unseren Artikeln und wünschen Ihnen viel Spaß beim Gedankenaustausch auf unseren Seiten! Bitte beachten Sie dabei unsere Kommentarrichtlinien.

Tragen Sie bitte nur Relevantes zum Thema des jeweiligen Artikels vor, und wahren Sie einen respektvollen Umgangston. Die Redaktion behält sich vor, Leserzuschriften nicht zu veröffentlichen und Ihre Kommentare redaktionell zu bearbeiten. Die Leserzuschriften können daher leider nicht immer sofort veröffentlicht werden. Bitte geben Sie einen Namen an und Ihren Zuschriften stets eine aussagekräftige Überschrift, damit bei Onlinediskussionen andere Teilnehmer sich leichter auf Ihre Beiträge beziehen können. Ausgewählte Lesermeinungen können ohne separate Rücksprache auch in unseren gedruckten und digitalen Magazinen veröffentlicht werden. Vielen Dank!

  • Quellen

Finn, C. et al.: Model-agnostic meta-learning for fast application of deep newtorks. ArXiv 1703.03400, 2017

Goodfellow, I. et al.: Generative adversarial networks. ArXiv 1406.2661, 2014

Higgings, I. et al.: β-VAE: Learning basic visual concepts with a constrained variational framework. International conference on learning representations 5, 2017

Nasr, K. et al.: Number detectors spontaneously emerge in a deep neural network designed for visual object recognition. Science Advances 5, 2019

Pomerleau, D. et al.: ALVINN: An autonomous land vehicle in a neural network. Advances in Neural Information Processing Systems 1, 1989