Das PR-Problem der KI

HBOs Westwelt verfügt über ein gemeinsames Handlungsinstrument – ​​synthetische Wirte, die sich gegen ihre gefühllosen menschlichen Schöpfer erheben. Aber ist es mehr als nur ein Plot Twist? Immerhin haben kluge Köpfe wie Bill Gates und Steven Hawking davor gewarnt, dass künstliche Intelligenz auf einem gefährlichen Weg sein und das Überleben der Menschheit bedrohen könnte.

Sie sind nicht die einzigen, die sich Sorgen machen. Der Rechtsausschuss des Europäischen Parlaments hat kürzlich einen Bericht herausgegeben, in dem die EU aufgefordert wird, die Registrierung intelligenter Roboter zu verlangen, auch um ihren ethischen Charakter zu bewerten. Die Bewegung „Stop Killer Robots“, die sich gegen den Einsatz sogenannter autonomer Waffen im Krieg ausspricht, beeinflusst sowohl die Politik der Vereinten Nationen als auch des US-Verteidigungsministeriums.

Künstliche Intelligenz scheint ein PR-Problem zu haben. Es stimmt zwar, dass heutige Maschinen viele Aufgaben (Schach spielen, Autofahren) glaubwürdig ausführen können, die früher Menschen vorbehalten waren, aber das bedeutet nicht, dass die Maschinen intelligenter und ehrgeiziger werden. Es bedeutet nur, dass sie das tun, wofür wir sie gebaut haben.

Die Roboter kommen vielleicht, aber sie kommen nicht für uns – weil es sie nicht gibt. Maschinen sind keine Menschen, und es gibt keine überzeugenden Beweise dafür, dass sie sich auf dem Weg zur Empfindungsfähigkeit befinden.

Jerry Kaplan

Wir ersetzen seit Jahrhunderten qualifizierte und sachkundige Arbeiter, aber die Maschinen streben nicht nach besseren Jobs und höherer Beschäftigung. Jacquard-Webstühle ersetzten im 19. Jahrhundert erfahrene Handarbeiter, aber diese bemerkenswerten Geräte – programmiert mit Lochkarten für eine Vielzahl von Stoffmustern – bedeuteten Schneiderinnen und Schneidern keinen Untergang. Bis Mitte des 20. Jahrhunderts verließen wir uns beim Rechnen auf unsere Besten und Klügsten – Taschenrechner zu sein, war früher ein hoch angesehener Beruf. Jetzt, da vergleichbar leistungsfähige Geräte als Werbeartikel auf Messen verschenkt werden, können sich mathematisch Begabte unter uns auf Aufgaben konzentrieren, die umfassendere Fähigkeiten erfordern, wie z. B. statistische Analysen. Bald wird Ihr Auto Sie auf Befehl ins Büro fahren können, aber Sie müssen sich keine Sorgen machen, dass es sich bei Uber anmeldet, um ein paar zusätzliche Dollar für Benzin zu verdienen, während Sie in einer Mitarbeiterbesprechung sind (es sei denn, Sie beauftragen dies). es zu).

Die KI nutzt einige leistungsstarke Technologien, aber sie passen nicht so gut zusammen, wie Sie vielleicht erwarten. Frühe Forscher konzentrierten sich auf Möglichkeiten, Symbole gemäß Regeln zu manipulieren. Dies war nützlich für Aufgaben wie das Beweisen mathematischer Theoreme, das Lösen von Rätseln oder das Entwerfen integrierter Schaltkreise. Aber einige ikonische KI-Probleme – wie das Identifizieren von Objekten in Bildern und das Konvertieren von gesprochenen Wörtern in geschriebene Sprache – erwiesen sich als schwierig zu knacken. Neuere Techniken, die unter dem aufstrebenden Banner des maschinellen Lernens stehen, erwiesen sich für diese Herausforderungen als viel besser geeignet. Programme für maschinelles Lernen extrahieren nützliche Muster aus großen Datensammlungen. Sie betreiben Empfehlungssysteme auf Amazon und Netflix, verfeinern die Google-Suchergebnisse, beschreiben Videos auf YouTube, erkennen Gesichter, handeln mit Aktien, steuern Autos und lösen unzählige andere Probleme, bei denen Big Data zum Tragen kommen können. Aber keiner der Ansätze ist der Heilige Gral der Intelligenz. Tatsächlich koexistieren sie ziemlich ungeschickt unter dem Label der künstlichen Intelligenz. Die bloße Existenz von zwei großen Ansätzen mit unterschiedlichen Stärken stellt in Frage, ob einer von ihnen als Grundlage für eine universelle Theorie der Intelligenz dienen könnte.

Die in den Medien angepriesenen KI-Errungenschaften sind größtenteils kein Beweis für große Verbesserungen auf diesem Gebiet. Das KI-Programm von Google, das letztes Jahr einen Go-Wettbewerb gewann, war keine verfeinerte Version des Programms von IBM, das 1997 den Schachweltmeister besiegte; Die Autofunktion, die piept, wenn Sie Ihre Fahrspur verlassen, funktioniert ganz anders als die, die Ihre Route plant. Stattdessen werden die Errungenschaften, von denen so atemlos berichtet wird, oft aus einer Wundertüte unterschiedlicher Werkzeuge und Techniken zusammengeschustert. Es könnte leicht sein, den Trommelschlag von Geschichten über Maschinen, die uns bei Aufgaben übertrumpfen, als Beweis dafür zu missverstehen, dass diese Werkzeuge immer intelligenter werden – aber das passiert nicht.

Der öffentliche Diskurs über KI hat sich teilweise von der Realität gelöst, weil das Feld keine kohärente Theorie hat. Ohne eine solche Theorie können die Menschen den Fortschritt auf diesem Gebiet nicht einschätzen, und die Charakterisierung von Fortschritten wird zu jedermanns Vermutung. Infolgedessen hören wir am häufigsten von denen mit den lautesten Stimmen und nicht von denen, die etwas Substanzielles zu sagen haben, und Presseberichte über Killerroboter bleiben weitgehend unwidersprochen.

Ich würde vorschlagen, dass ein Problem mit KI der Name selbst ist – der vor mehr als 50 Jahren geprägt wurde, um Bemühungen zu beschreiben, Computer so zu programmieren, dass sie Probleme lösen, die menschliche Intelligenz oder Aufmerksamkeit erfordern. Hätte man künstliche Intelligenz als etwas weniger Gruseliges bezeichnet, könnte sie so prosaisch erscheinen wie Operations Research oder Predictive Analytics.

Vielleicht wäre eine weniger provokative Beschreibung so etwas wie Anthropic Computing. Ein breiter Spitzname wie dieser könnte Bemühungen umfassen, biologisch inspirierte Computersysteme zu entwerfen, Maschinen, die die menschliche Form oder Fähigkeiten nachahmen, und Programme, die auf natürliche, vertraute Weise mit Menschen interagieren.

Wir sollten aufhören, diese modernen Wunder als Proto-Menschen zu bezeichnen, und stattdessen von einer neuen Generation flexibler und leistungsstarker Maschinen sprechen. Wir sollten vorsichtig sein, wie wir KI einsetzen und verwenden, aber nicht, weil wir einen mythischen Dämon beschwören, der sich gegen uns wenden könnte. Vielmehr sollten wir unserer Neigung widerstehen, unseren Kreationen menschliche Züge zuzuschreiben, und diese bemerkenswerten Erfindungen als das akzeptieren, was sie wirklich sind – mächtige Werkzeuge, die eine wohlhabendere und komfortablere Zukunft versprechen.

Jerry Kaplan lehrt die sozialen und wirtschaftlichen Auswirkungen von KI an der Stanford University. Sein neustes Buch ist Künstliche Intelligenz: Was jeder wissen muss, von Oxford University Press.

verbergen