Die Zukunft von Künstlichen Intelligenzen

KI’s: Gefährlich oder sinnvoll für die Zukunft?

Künstliche Intelligenzen stehen momentan sehr im Vordergrund. Ob im Beruf, im Alltag, in der Schule oder in den Medien, man wird ständig mit dem Thema konfrontiert. Es ist ein schnell wachsendes Forschungsgebiet, wo es immer neue Entwicklungen, Fortschritte und Anwendungen gibt . Da Künstliche Intelligenz ein momentan weit aufgegriffenes Thema ist, gibt es viele Menschen, die sich damit beschäftigen. Jedoch gibt es dazu viele unterschiedliche Meinungen. In vielen Bereichen sind Forscher überzeugt von den entwickelten künstlichen Intelligenzen, doch in anderen Bereichen werden Grenzen für künstliche Intelligenzen gesucht. Daraus stellt sich die Frage: Sind künstliche Intelligenzen nun wirklich sinnvoll oder eher gefährlich für die Zukunft?

Was versteht man unter Künstlicher Intelligenz?

Den Begriff "Künstliche Intelligenz" zu definieren, ist tatsächlich keine einfache Aufgabe, da es keine einheitliche Definition gibt, auf die sich alle KI-Experten einigen können. Grundsätzlich versteht man unter KI jedoch „die Fähigkeit von Maschinen, menschenähnliche Intelligenzleistungen zu vollbringen“. Das bedeutet, dass Maschinen Fähigkeiten wie logisches Denken, selbständiges Lernen und Probleme lösen erhalten. Künstliche Intelligenz basiert auf Algorithmen, Datenverarbeitung und Computerrechenleistung. KI-Systeme können große Mengen an Daten analysieren, Muster erkennen und auf diese reagieren, um komplexe Aufgaben zu lösen. Künstliche Intelligenzen stehen im engen Zusammenhang zu Maschine Learning, Deep Learning, Natural Language Processing und Neurone Netze. Natural Language Processing erlaubt es Computer die menschliche Sprache zu verstehen, zu interpretieren und zu generieren. Die Künstlichen Intelligenzen erkennen nicht nur Wörter, sondern analysieren diese. Das ist der Fall bei der Spracherkennung. Unter Neurone Netze versteht man künstliche Neuronen, die sich aus mehreren Reihen von Datenknoten zusammensetzen. Die Informationen auf jeder Schicht werden weitergetragen, bis das erwünschte Ziel erreicht wurde. Dies wird bei der Bilderkennung eingesetzt. Machine Lernening und Deep Learning sind Teilgebiete des Oberbegriffes Künstliche Intelligenz. Machine Learning, auch maschinelles Lernen genant, ermöglicht es künstliche Intelligenzen automatisch aus Daten zu lernen und sich zu verbessern, ohne, dass dies programmiert wurde. Das heißt aus Erfahrung wird Wissen verbessert/erlernt. Deep Learning ist ein Teilbereich des Maschine Learning, welches es für Modelle ermöglicht „große Mengen an Daten zu verarbeiten und zu analysieren, um automatisch zu lernen wie sie eine bestimmte Aufgabe ausführen sollen“. Deep Learning benutzt dafür die künstlichen neuorale Netze.

Arten von Künstliche Intelligenz

Bei Künstlichen Intelligenzen unterscheidet man die Starke KI und die Schwache KI. Schwache KI, auch methodische KI genannt, ist nicht kreativ und kann nicht eigenständig „lernen“. Ihre Lernfähigkeiten sind darauf beschränkt, Muster zu erkennen (Maschinelles Lernen) oder große Datenmengen abzugleichen und zu durchsuchen. Mit schwacher KI können klar definierte Aufgaben mithilfe einer festgelegten Methode beseitigt werden. Somit ist es möglich komplexe und spezifische Probleme zu lösen. Die Stärken der schwachen KI liegen in der Automatisierung und Steuerung von Prozessen sowie in der Spracherkennung und -verarbeitung. Beispiele dafür sind die Text- und Bilderkennung, , die Spracherkennung, die Übersetzung von Texten und Navigationssysteme usw. Bekannte Beispiele, die wir aus dem Alltag kennen sind Siri und Alexa. Bei der starken KI handelt es sich um ein Konstrukt, welches es momentan nicht gibt. Das Konzept der starken KI strebt an, dass Mensch und Maschine effizient zusammenarbeiten, um beispielsweise eine produktive Mensch-Maschine-Kollaboration zu gewährleisten. Eine solche starke KI hätte die Fähigkeit, selbstständig Aufgaben zu erkennen, zu definieren und dazu eigenständig Wissen zu erwerben. Sie wäre in der Lage angemessene und kreative Lösungen zu finden, indem sie Probleme untersucht und analysiert. Die Erfindung der starken KI stellt große Herausforderungen auf, für die noch weiterhin zahlreiche Forschungen förderlich sind. Dabei spielen nicht nur technologische, sondern auch ethische und soziale Hinsichten eine Rolle.

Typen von Künstliche Intelligenz

Künstliche Intelligenz lässt sich noch neben der Unterscheidung von starker und schwachen KI noch in vier verschiedenen Typen unterscheiden. Man spricht von:

Typ 1 - Reaktive Maschinen Der erste Typ von Künstlicher Intelligenz sind reaktive Maschinen. Diese führen nur eine Aufgabe aus und können nicht aus Erfahrungen handeln. Sie sind für die bestimmte Aufgabe „trainiert“. Ein Beispiel hierfür ist der Schachcomputer Deep Blue.

Typ 2 - Begrenzte Speicherkapazität Bei der begrenzten Speicherkapazität, auch Limited Memory AI genannt, sind System in der Lage, mit vergangenen Daten und Wissen, Entscheidungen zu treffen. Dieser Typ von KI wird heutzutage am meisten gebraucht.

Typ 3 - Theorie des Geistes Der dritte Typ von KI existiert noch nicht. Diese Systeme sollen in Zukunft in der Lage sein, menschliche Gefühle wahrzunehmen und sich dementsprechend anzupassen.

Typ 4 - Selbstwahrnehmung Bei dem vierten Typ von KI handelt es sich ebenfalls, um ein Konzept, welches es heute noch nicht gibt. Dieser Typ soll die höchste Stufe darstellen und Roboter hätten damit eine „Selbstwahrnehmung und ein Bewusstsein“, wie der Mensch. Sie würden damit eine vollständige Nachbildung des Menschen darstellen.