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 …