Was ist eigentlich künstliche Intelligenz?

In der heutigen Zeit über künstliche Intelligenz zu reden ist schwierig. Von der einen Seite schlägt einem überbordende Euphorie entgegen. Auf der anderen Seite ist man mit enttäuschten Erwartungen konfrontiert. Fragt man, worum es eigentlich gerade geht, endet man meist bei mehr Erklärungs- und Definitionsversuche als Anwesenden.

Künstliche Intelligenz ist ein überaus weites und schwer zu definierendes Feld. Auch in diesem Beitrag werde ich keine allumfassende Definition dieses Bereiches liefern können. Mir geht es vielmehr darum, eine aus meiner Sicht nützliche Definition zu liefern. Nützlich beziehe ich dabei auf meine Rollen als Berater, Gestalter und Entwickler. Insofern stellt dieser Beitrag auch eine Möglichkeit dar, meine Herangehensweise kennenzulernen.

In den ersten drei Abschnitten gehe ich darauf ein, welche Ansätze es bereits gibt, was die Definition so schwierig macht und warum es Umschreibungen nicht einfacher machen. Eilige Leser können direkt zum Abschnitt eine nützliche Definition für KI springen. Im letzten Abschnitt gehe ich darauf ein, warum diese Definition hilfreich ist.

Welche Ansätze gibt es bereits?

Eine Unterscheidung, von der man immer wieder liest, ist die Differenzierung in starke und schwache KI. So zum Beispiel in der Wikipedia oder auch in der KI-Strategie der Bundesregierung. Zu meinem eigenen Unmut liegt mir aktuell keine wissenschaftliche Übersichtsarbeit vor, welche beide Strömungen vergleicht. Letztendlich sind beides aber Strömungen, welche sich in ihrer Zielstellung sehr grundlegend unterscheiden. In der Wikipedia steht dazu, an bereits verlinkter Stelle:

Letztlich geht es der schwachen KI somit um die Simulation intelligenten Verhaltens mit Mitteln der Mathematik und der Informatik, es geht ihr nicht um Schaffung von Bewusstsein oder um ein tieferes Verständnis von Intelligenz. Während die Schaffung starker KI an ihrer philosophischen Fragestellung bis heute scheiterte, sind auf der Seite der schwachen KI in den letzten Jahren bedeutende Fortschritte erzielt worden.

Die Frage, was eigentlich Intelligenz ist, ist zweifelsfrei spannend. In der Intensität, wie sie für starke Intelligenz gestellt werden muss für mich als Berater, Gestalter und Entwickler allerdings nicht zielführend. Die Strömung der starken Intelligenz ist somit für mich nicht nützlich. Science-Fiction-AutorInnen werden dies völlig zurecht anders sehen.

Wichtig ist diese Unterscheidung, weil wir ihm wirtschaftlichen Kontext mit KI aktuelle schwache KI meinen, dies allerdings im gesellschaftlichen Kontext selten so klar kommunizieren. Insofern ist es verständlich, dass dies Ängste weckt, die eher im Zusammenhang mit starker KI stehen, allerdings handelt es sich dabei eben primär um ein Kommunikationsproblem.

Eine Ecosia-Suche nach “Definition KI” liefert auf Seite 1 Links zum Gabler Wirtschaftslexikon, dem bereits zitierten Wikpedia-Artikel, Spektrum, SAP, Microsoft, ComputerWeekly, der Wirtschaftsförderung Bremen, zum Fraunhofer IAO und ein zweites Mal zum Gabler Wirtschaftslexikon.

Die Unterscheidung zwischen starker und schwacher KI zieht sich dabei durch nahezu alle Artikel. Auch der Fokus auf schwache KI ist den meisten Links gemein, lediglich der zweite Artikel aus dem Gabler Wirtschaftslexikon weist darauf hin, dass in Bezug auf Roboter inzwischen teilweise Fähigkeiten nachgefragt werden, welche eher der starken KI zuzuordnen sind.

Aus Sicht der nachgefragten Fähigkeiten mag dies richtig sein. Eben aus dieser Sicht wirkt aber auch die schwache KI intelligent, simuliert sie doch intelligentes Verhalten. Mit den Implementationsmöglichkeiten von heute und der mittelfristigen Zukunft wird ein Roboter kein eigenes Moralverständnis haben. Zunächst unterliegt lediglich sein autonomer Handlungs- und Gestaltungsspielraum moralischen Grenzen. In Zukunft wird er eventuell moralische Zusammenhänge gelernt haben. Das heißt aber nur, dass seine Entscheidungen durch die zugrunde liegenden Regeln moralisch erscheinen. Er simuliert also Moral, soweit dies sein Modell ermöglicht.

Was macht die Definition von KI so schwierig?

Nachdem wir im letzten Abschnitt geklärt haben, dass wir mit KI ausschließlich schwache KI meinen, lässt sich auch verdeutlichen, warum uns die Definition von KI so schwierig fällt. Die Links zeigen, dass sich die Definitionen von KI immer um die Simulation intelligenten Verhaltens drehen. Dabei werden Mittel aus der Mathematik und Informatik verwendet.

Die unklare Definition von intelligentem Verhalten sehe ich dabei nicht als das Hauptproblem. Die eigentliche Herausforderung lässt sich aus dem semiotischen Dreieck ableiten. Mit den beiden Buchstaben KI bzw. den Wörtern künstliche Intelligenz, haben wir ein Symbol. Der Begriff, den wir versuchen zu definieren, ist aber nicht nur mit diesem Symbol verknüpft, sondern bezieht sich auch auf ein Ding. Damit sind Gegenständen, Sachverhalten, Ereignissen und Ähnliches gemeint, aus denen die Welt besteht. Die Frage ist also, welche Dinge sind künstliche Intelligenz und worauf muss sich unsere Definition beziehen?

Das eigentliche Problem ergibt sich hier aus der Verwendung von Simulation. Laut Wiktionary ist eine Simulation “ein System, das mit ähnlichen Eigenschaften wie ein Original erstellt wurde, um Reaktionen und Veränderungen des Originals zu ermitteln” oder der Prozess, bei dem dieses benutzt wird. Ein System ist ein abgegrenztes Gebilde aus verschiedenen Komponenten, welche miteinander in Beziehung stehen. In unserer komplexen Welt kann ich diese Grenzen beliebig ziehen und somit eine unendliche Anzahl an Systemen mit intelligentem Verhalten definieren. Unendlichkeit ist für den Menschen nicht greifbar und damit ist auch das Ding, welches wir mit künstlicher Intelligenz meinen, nicht wirklich greifbar.

Warum es die Umschreibung nur schwieriger macht?

Betrachtet man die vorherrschende Strategie zur Lösung dieses Dilemmas, so wird versucht, dieses unendliche Ding, welches wir KI nennen, durch Eigenschaften näher zu spezifizieren. Zum einen ist da die Eigenschaft “zeigt intelligentes Verhalten”. Die anderen weitverbreiteten Umschreibungen zeigt die Abbildung im Gabler Wirtschaftslexikon. Einerseits wird versucht, KI über die Anwendungsfelder zu umschreiben und andererseits über die Methoden.

Das macht es nicht einfacher. Die Anwendungsfelder sind vielleicht nicht unendlich, aber immerhin sehr vielfältig. Hinzu kommt, dass das Anwendungsfeld primär intelligentes Verhalten fordert. Dieses kann aber sowohl mit künstlicher als auch natürlicher bzw. menschlicher Intelligenz erreicht werden. Insofern kann dieses Eigenschaft nicht klar differenzieren.

Mit den Methoden verhält es sich ähnlich. Mit einer logistischen Regression lässt sich mitunter ein Modell erstellen, welches intelligentes Verhalten simuliert. Über die Genauigkeit kann sicherlich gestritten werden. Genauso kann eine logistische Regression aber lediglich zu statistischen Zwecken verwendet werden, ohne das das Ergebnis als intelligentes Verhalten aufgefasst wird. Hinzu kommt, dass es im Bereich der KI in den letzten Jahren große Fortschritte gab, unter anderem weil neue Methoden entwickelt wurden. Dies verdeutlicht das Henne-Ei-Problem. Definiert die Methode die KI oder die KI die Methode?

Diesen Umschreibungen gemeinsam ist, dass sie das Ding, welches wir mit künstlicher Intelligenz meinen, nicht wirklich greifbarer machen. Weder begrenzen sie die Unendlichkeit, noch wird wirklich klarer, was gemeint ist.

Eine nützliche Definition für KI

Bevor ich zu einer aus meiner Sicht nützlichen Definition von KI komme, möchte ich noch einmal auf das Verhältnis von künstlicher Intelligenz, maschinellem Lernen und Deep Learning hinweisen.

AI, ML & DL Original file: Avimanyu786SVG version: Tukijaaliwa, CC BY-SA 4.0, via Wikimedia Commons

Die vorangegangene Abbildung zeigt, dass Deep Learning eine Untergruppe des maschinellen Lernens ist. Maschinelles Lernen wiederum ist ein Teilbereich der künstlichen Intelligenz. Die Fortschritte seit den 2010er-Jahren stammen aus dem Bereich des Deep Learnings. Daraus haben sie vielversprechende neue Möglichkeiten ergeben.

Diese Unterscheidung ist wichtig, weil die aktuellen Hoffnungen und Erwartungen durch diese Fortschritte geweckt wurden. Künstliche Intelligenz ist aber viel mehr als Deep Learning. Vor allem zählen dazu auch viel einfachere Methoden und Anwendungen.

Wie am Anfang beschrieben, geht es bei KI um die Simulation intelligenten Verhaltens. Der Beobachtungsgegenstand ist also das Verhalten der KI und nicht, ob die KI tatsächlich intelligent ist. Die Frage ist demnach, was die Minimalanforderung ist, damit ein Verhalten als intelligent wirken kann. Diese Frage ist nicht im Sinne von, wie intelligent ein System ist, gemeint, sondern ob. Also ob das Verhalten eines Systems für eine Form der Intelligenz spricht.

Intelligenz kommt vom Lateinischen intellegere und wird mit wahrnehmen, merken, erkennen, empfinden, einsehen, verstehen, begreifen oder wissen übersetzt. Im Verhalten erkennbar ist dies aber erst durch eine Reaktion, also eine Verhaltensänderung.

Aus dieser Argumentation heraus sind KI für mich Systeme, deren Verhalten das Resultat automatisierter Entscheidungen ist. Wie zu Beginn dieses Kapitels erläutert, umfasst dies deutlich mehr als die Fortschritte der letzten Jahre. Diese ermöglichen es lediglich, viel kompliziertere Entscheidungskontexte mathematisch zu beschreiben und damit auch solche Entscheidungen zu automatisieren.

Am Ende soll dieser Beitrag aber vor allem zeigen, dass es nicht darum geht, KI zu haben. Eine KI ist erst dann sinnvoll, wenn sie hilfreiche Entscheidungen von ausreichender Entscheidungsgüte trifft. Menschliche Entscheider werden schließlich auch eingestellt, um notwendige Entscheidungen richtig zu treffen - sollte man zumindest meinen ;-). In diesem Aspekt unterscheidet sich eine KI übrigens nicht vom Menschen. Keiner von beiden ist in seinen Entscheidungen fehlerfrei.

Warum ist diese Definition hilfreich?

Natürlich gibt es inzwischen zahlreiche Beispiele, was KI inzwischen alles kann. Auch die Komplexität der Entscheidungskontexte, in denen dies einigen Systemen gelingt, wird zunehmend beeindruckender. Gleichzeitig ist das, was andere können, nicht mehr als eigener Wettbewerbsvorteil zu gebrauchen.

Als Unternehmer bzw. Entscheider ist die Frage, lässt man andere das Potenzial von KI nutzen, greift auf deren Lösungen zurück und macht sich damit abhängig, oder nutzt man das eigene Potenzial. Die Fortschritte der letzten Jahre haben vor allem neue Möglichkeiten geschaffen, kompliziertere Entscheidungen als jemals zuvor zu automatisieren. Man kann sich dazu entscheiden, andere diese Möglichkeiten nutzen zu lassen, oder man nutzt die internen Ressourcen und Kompetenzen, um mit diesen Möglichkeiten selber alte Geschäftsfelder durch Prozessinnovationen zu sichern und neue zu erschließen.