Direkt zum Inhalt
Login erforderlich
Dieser Artikel ist Abonnenten von Spektrum der Wissenschaft frei zugänglich.

Robotik: Selbstständig lernende Roboter

Ein Zweig der Forschung an künstlichen Intelligenzen versucht, die Lernprozesse von Kleinkindern nachzubilden – und erreicht damit sogar menschlich wirkende Fähigkeiten wie soziales Handeln. Zudem verhilft die Vorgehensweise zu tief ­greifenden Erkenntnissen darüber, wie Geist und Körper beim menschlichen Lernen zusammenspielen.
Der iCub ist einem Kleinkind nachempfunden.

In "Chappie", einem Sciencefiction-Film von 2015 , will der Ingenieur Deon eine denkende und fühlende Maschine erschaffen. Dazu schreibt er eine KI-Software, die auf dieselbe Weise lernt wie ein Kind. Chappie, sein Prototyp, erwirbt Allgemeinwissen, Sprache und komplexe Fähigkeiten durch einfaches Beobachten und Experimentieren. Das können heute selbst die fortschrittlichsten KI-Systeme noch nicht.

Natürlich gibt es Maschinen, die in manchen Bereichen den Menschen überlegen sind, etwa bei dem Wissensspiel "Jeopardy" oder Brettspielen wie Schach oder dem fernöstlichen Go. Es erregte einiges Aufsehen, als das britische Unternehmen DeepMind im Oktober 2017 AlphaGo Zero vorstellte, die neueste Version seines Go spielenden Systems. Im Gegensatz zu seinem Vorgänger AlphaGo, der durch eine große Anzahl von Spielen zwischen Menschen trainiert wurde, sammelte die neue künstliche Intelligenz eigenständig Erfahrungen, indem sie gegen sich selbst antrat.

Aber so bemerkenswert diese Leistung auch ist: Hier ging es nur darum, ein Spiel mit klar festgelegten Regeln zu beherrschen – und der Erwerb der übermenschlichen Fähigkeiten erforderte Millionen von Probespielen. Kinder dagegen lernen von Anfang an, indem sie ihre Umgebung erforschen und mit Bewegung und Sprache experimentieren. Sie sammeln selbstständig Daten, passen sich neuen Situationen an und sind zu geistigen Transferleistungen über verschiedene Gebiete hinweg fähig.

Seit der Jahrtausendwende versuchen Robotiker, Neurowissenschaftler und Psychologen, solche Fähigkeiten auf Maschinen zu übertragen. Inzwischen haben sie Androiden erschaffen, die Objekte bewegen können, einen Grundwortschatz sowie elementares Rechnen beherrschen und sogar Anzeichen von sozialem Verhalten zeigen. Gleichzeitig helfen diese KI-Systeme den Psychologen dabei, zu verstehen, wie das Lernen bei Kindern eigentlich abläuft …

Juli 2018

Dieser Artikel ist enthalten in Spektrum der Wissenschaft Juli 2018

Kennen Sie schon …

Januar 2018

Spektrum der Wissenschaft – Januar 2018

In dieser Ausgabe widmet sich Spektrum der Wissenschaft den neuronalen Netzwerken. Außerdem: bunte Dinosaurier, die Buchhaltung der Babylonier und die Rückkehr der Mädchen

Dossier 1/2015

Gehirn&Geist – Dossier 1/2015: Digitale Revolution

Bildgebung: Forscher machen Nervengewebe unsichtbar • Großrojekte: Europäer und Amerikaner im Wettrennen ums Gehirn • Neurochips: Künstliche Nervenzellen im Computer

Lesermeinung

1 Beitrag anzeigen

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 und Literaturtipp

Cangelosi, A., Schlesinger, M.: Developmental Robotics. From Babies to Robots. MIT Press, Cambridge (MA), 2015

Oudeyer, P.-Y., Smith, L. B.: How Evolution May Work through Curiosity-Driven Developmental Process. In:Topics in Cognitive Science 8, S. 492–502, 2016

Rao, R. P. N., Ballard, D. H.: Predictive Coding in the Visual Cortex: A Functional Interpretation of some Extra-Classical Receptive-Field Effects. In:Nature Neuroscience 2, S. 79–87, 1999

Stahl, A. E., Feigenson, L.: Observing the Unexpected Enhances Infants’ Learning and Exploration. In:Science 348, S. 91–94, 2015

Tani, J.: Exploring Robotic Minds. Actions, Symbols, and Consciousness as Self-Organizing Dynamic Phenomena. Oxford University Press, 2016

Literaturtipp

Hawkins, J.: Die Zukunft der Intelligenz. Wie das Gehirn ­funktioniert und was Computer davon lernen können. Rowohlt Taschenbuch, Reinbek 2006