Künstliche Intelligenz (KI) ist manchem unheimlich – wie können Computer / Roboter solche Intelligenzleistungen vollbringen und den Menschen überflügeln?

von Georg-Ludwig Verhoeven

Zu Beginn sollten wir Systeme außer acht lassen, deren gefühlte „Intelligenz“ auf einer Riesen-Datenmenge („Big Data“) und deren schnller Auswertung (Algorithmen) basiert. Solche System lernen nicht, sondern sind einfach schnell, präzise und zuverlässig. Intelligent sind sie nicht. Stattdessen konzentrieren wir uns auf eine der am weitesten verbreiteten Technik, nämlich der der neuronalen Netzwerke, die dem menschlichen Gehirn mit seinen Neuronen (Nervenzellen) und Synapsen (Verbindungen zwischen Zellen) ähnlich sind. Nur diese Systeme können selbstständig „lernen“, also aufgrund gemachter Erfahrung bzw. „Training“ ihr Verhalten ändern und bessere Ergebnisse liefern.

Das funktioniert (etwa) so: Wir stellen uns eine Maschine vor, nennen wir sie Aiki. Aiki kann Bilder auswerten, also z. B. Farben (von Gesichtern und Haaren) und Konturen (wie Gesichtszüge, Nasenform, Brille ja/nein, Bart ja/nein) erkennen, vielleicht auch ganz feine Details, wie z. B. die Iris von Menschen. Aiki bekommt den Auftrag festzustellen, ob zwei Bilder den gleichen Menschen zeigen. Wir zeigen Aiki nun das Bild eines Menschen (nennen wir ihn Oli Original) mit blonden Haaren, bekleidet mit einem roten T-Shirt und einer schwarzen Hose. Als nächstes zeigen wir Aiki ein Bild (andere Bilder von Oli oder anderen Menschen) und bitten sie um ihr Votum. Je nach Aikis Antwort antworten wir mit „richtig“ oder „falsch“ und zeigen weitere Bilder. Das wiederholen wir viele Male.

Lernen nach Merkmalen

Aiki wird auf diese Weise „lernen“, dass die Merkmale Kleidung, Haarlänge, Bart, Brille etc. nicht zur richtigen Antwort führen. Wenn sie aber die Gesichtszüge, die Nasenform, evtl. die Iris als Erkennungsmerkmal benutzt, wird die Antwort richtig. So wird sie nach und nach diesen Merkmalen mehr Bedeutung zuordnen als den anderen.

Was geschieht bei Aiki intern? Sie hat für jedes Merkmal gewisse „Knoten“, in denen sie dieses verarbeitet – die also beim Betrachten mehrerer Bilder ein „ja“ oder ein „nein“ liefern. Zunächst sind die Ergebnisse aller Bereich bei der finalen Entscheidung gleich gewichtet. Wenn Aiki nun merkt, dass das häufig zu falschen Ergebnissen führt, wird sie die Gewichtung der Knoten ändern, also z. B. der Farbe der Kleidung weniger Bedeutung beimessen, der Nasenform, den Gesichtszügen und der Iris aber mehr. Sie wird sogar lernen, dass Bart und Brille keine wichtigen Merkmale sind. So kommt sie zu einer immer höheren Trefferquote. Moderne neuronale Netzwerke können mit hunderten von Merkmalen arbeiten und so zu hohen Erkennungsquoten kommen. Bei der Prüfung von Unterschriften liegt die Trefferquote inzwischen sehr nahe bei 100 %.

Voraussetzung hierfür ist das „Training“, bei dem Aiki tausende von Vergleichen macht und jedesmal die Rückmeldung erhält, ob ihre Entscheidung richtig war. Das kann zunächst in einem initialen Training stattfinden, aber auch im Dauerbetrieb – natürlich muss jemand die Rückmeldung liefern. Bei jeder Rückmeldung werden die Gewichte neu justiert – Aiki lernt ständig dazu.