Roboter Blitzrechnen ohne Geist

Vor 50 Jahren prägten Forscher den Begriff »Künstliche Intelligenz«. Doch bis heute hat noch kein Computer denken gelernt.

Die Künstliche Intelligenz ist hirntot.« Diese herbe Diagnose stammt von einem der Väter der Künstlichen Intelligenz (KI), Marvin Minsky. »Es gibt keinen Fortschritt in Richtung allgemeine Intelligenz«, sagt Minsky, der vor 50 Jahren zusammen mit John McCarthy zur Darmouth Conference on Artificial Intelligence einlud. Dort bekam die interdisziplinäre Forschungsrichtung ihren Namen. Minsky und McCarthy, heute beide 78 Jahre alt, forschen noch, Minsky am Massachusetts Institute of Technology, McCarthy in Stanford. An diesem Wochenende werden sie am Dartmouth College in New Hampshire wieder zusammenkommen und mit anderen darüber diskutieren, wie intelligent Maschinen inzwischen geworden sind.

Nicht alle beurteilen die Disziplin so vernichtend wie Minsky. Weitaus milder äußert sich zum Beispiel der Deutsche Sebastian Thrun, 39, Leiter des KI-Labors in Stanford, das einst McCarthy gegründet hat. Sein autonomer VW Touareg absolvierte im vergangenen Jahr ohne menschliche Hilfe in knapp sieben Stunden einen über 200 Kilometer langen Wüstenparcours und gewann damit einen vom US-Verteidigungsministerium ausgelobten Wettbewerb. »Heute geht’s einfach darum, clevere Systeme zu bauen. Unser Roboter kann durch die Wüste fahren, und niemand wird sagen: Das ist aber nicht die Lösung für das menschliche Intelligenzproblem!«

Weil der Begriff Intelligenz diverse spezifisch menschliche Fähigkeiten beschreibt (die Zahl angeblicher Intelligenzen, von der kognitiven über die emotionale bis zur sozialen, wächst jährlich), war Künstliche Intelligenz von Anfang an ein Reizbegriff. Den Forschern ging es eigentlich stets darum, ihren Computern und Robotern Fähigkeiten beizubringen, die beim Menschen Intelligenz erfordern – aber kaum waren sie wieder einen Schritt weiter, da nörgelte jemand: Das ist doch ein ganz simples Programm, das ist doch nicht intelligent! »Wenn Künstliche Intelligenz schließlich funktioniert, dann wird es nicht mehr KI genannt«, sagt Wilfried Brauer von der TU München. Er übersetzt KI lieber mit »Künftige Informatik«.

Das beste Beispiel dafür ist das Schachspiel: Schachprogramme rechnen heute wie vor 30 Jahren im Prinzip sämtliche möglichen Züge möglichst weit voraus (mit ein paar »intelligenten« Abkürzungen). Man musste nur warten, bis die Rechner so viel Power hatten, dass 1997 das IBM-Programm Deep Blue den Weltmeister Garri Kasparow schlagen konnte. Menschliche Intuition haben diese Programme nicht, aber dafür können sie eben schneller rechnen als jeder Mensch.

Schach gehört zu den für uns schweren, aber für Maschinen einfachen Problemen. Dass die Schwierigkeitsskala für Computer fast umgekehrt verläuft wie bei uns, wussten schon die KI-Pioniere. 1961 schrieb Jim Slagle ein Programm, das Integrale lösen konnte – Mathematik auf Hochschul-Level. Das Programm war so gut wie ein Student im ersten Semester. 1964 entwickelte Dan Bobrow eine Software, die Textaufgaben aus der Oberstufen-Mathematik verstehen und in Formeln umsetzen konnte – ein ungleich schwierigeres Problem. Das Programm war etwa so gut wie ein Gymnasiast. Bis heute aber versteht kein Computer die Geschichten in einem Lesebuch für Erstklässler.

Wir kennen Millionen Banalitäten. Der Rechner kennt sie nicht

Grund dafür ist das vertrackte Problem des Alltagswissens. Menschen verfügen über ein umfangreiches Wissen über die Welt, teils angeboren, teils erlernt. Minsky schätzt den Umfang dieses Common-Sense-Wissens auf etwa 30 bis 50 Millionen »Tatsachen«: Man kann mit einem Strick ziehen, aber nicht schieben. Das Geburtsdatum eines Menschen liegt vor seinem Todestag. Bäume stehen stets am selben Ort. Solches Alltagswissen kommt immer wieder ins Spiel, wenn KI-Programme spektakulär scheitern – sei es beim Übersetzen von Texten oder beim Erkennen von Objekten.

Wie bringt man Computern Alltagswissen bei? Ein Einzelgänger, Doug Lenat, betreibt in Texas die Firma Cycorp. Die 40 Mitarbeiter seines Cyc-Projekts geben seit mehr als 20 Jahren einzelne Tatsachen über die Welt in ein Programm ein, Millionen »Banalitäten« sind bereits erfasst. Die meisten KI-Forscher betrachten das Projekt als gescheitert, vor allem weil Cyc keine Widersprüche duldet. »Lenat hat so wenig Fortschritte gemacht, weil er keine Konkurrenz hatte«, sagt Marvin Minsky. Er betreibt im Internet eine ähnliche Faktensammlung (»Open Mind«). Der Rest der Forschergemeinde hingegen versucht, das Common-Sense-Problem weiterhin zu umschiffen.

Auch Sebastian Thrun gibt zu, dass Alltagswissen der »Heilige Gral« der KI ist. Er hält aber nichts davon, all dieses Wissen zu programmieren. »Uns schreibt ja auch keiner die Gesetze der Welt auf.« Den Robotiker interessieren Systeme, die selbst die Welt beobachten und daraus lernen. »Das heißt nicht, dass ich die Lösung habe, aber ich denke, mit statistischen Verfahren kann man das erreichen.«

Diese statistischen Verfahren gelten als letzter Schrei der KI-Forschung. Seit Computer in Sekundenbruchteilen riesige Datenbestände durchsuchen können, findet das »Data Mining« immer mehr Anwendungen. Die Suchmaschine Google kann man als die größte KI-Firma der Welt ansehen: Sie sammelt Informationen von Milliarden Web-Seiten. Der Grund für ihren Erfolg ist nicht die Datenmenge, sondern das (in Details geheime) Verfahren, das die besten Fundstellen für eine Suchanfrage liefert. Ohne Verständnis für den Inhalt, nur aus dem Beziehungsgeflecht zwischen Internet-Seiten schließt Google auf deren Relevanz. Nun wenden Google-Forscher dieses Verfahren auch auf maschinelle Übersetzungen an: Die Auswertung großer Mengen übersetzter Texte soll Beziehungen zwischen den Wörtern zweier Sprachen herstellen und damit neue Übersetzungen ermöglichen. Bisher können Computerprogramme zwar ungefähr den Inhalt eines fremdsprachlichen Textes erschließen helfen, sie produzieren aber meist keine korrekten Sätze und oft komische Fehler.

»Wir sind die Wissenschaft, die mit großen Datenmengen umgehen kann«, sagt Sebastian Thrun selbstbewusst über die statistischen KI-Verfahren. In vielen Disziplinen werden die Verfahren eingesetzt, etwa zur Erforschung des menschlichen Genoms. »Die Biologie ändert sich fundamental, sie verwandelt sich in eine Datenverarbeitungs-Disziplin«, sagt der KI-Forscher. »Das wird in anderen Fächern auch passieren, in der Ökonomie oder in den meisten Ingenieurswissenschaften. Vielleicht haben wir irgendwann sogar eine KI-Sicht der Geschichte und rechnen aus, warum etwas passiert ist.«

Die Gesellschaft eines Menschen sollte Roboter klug werden lassen

Die alten KI-Hasen betrachten die Euphorie bei einzelnen neuen Verfahren mit gesunder Skepsis. Schon in mehreren Modewellen wollte man grundlegende Probleme lösen, in den späten Siebzigern waren es so genannte Expertensysteme, die Fachwissen, etwa von Ärzten oder Geologen abbilden sollten. Trotz großzügiger Förderung kamen nur Nischenanwendungen heraus, das Versagen führte in den achtziger Jahren zum »KI-Winter«, zu der großen Krise.

Man verfiel ins andere Extrem: Der Roboterforscher Rodney Brooks, heute Leiter des KI-Labors am MIT, nahm sich nun Insekten zum Vorbild, die ohne höhere kognitive Fähigkeiten und zentrale Wissensverarbeitung erstaunlich gut zurechtkommen. Bei einfachen Robotern funktionierte das noch. Dann verstieg sich Brooks Anfang der Neunziger zu der Idee, man müsse einen Roboter mit einfachen, dezentralen Prozessoren nur lange genug menschlicher Gesellschaft aussetzen, und er würde eines Tages wie ein zweijähriges Kind brabbeln und sich menschlich-intelligent verhalten. Das Projekt »Cog« verschwand still in der Versenkung.

Minsky spottet heute über fast metaphysische Hoffnungen, höhere kognitive Fähigkeiten könnten sich so quasi von selbst entwickeln. Er beklagt die Situation in der Robotik: »Keiner arbeitet an Robotern, die über das nachdenken, was sie tun. Alles läuft auf der Verhaltensebene, die ganze Energie geht in Fußballroboter, und man lernt nicht viel daraus.«

Der Altmeister wird im Herbst ein Buch mit dem Titel The Emotion Machine herausbringen. Seine These: Alle Verfahren der KI haben ihre Berechtigung, aber auch Beschränkungen. Die wirkliche Intelligenz unseres Gehirns bestehe darin, je nach Problem verschiedene »Untermodule« ein- und auszuschalten. »Es gibt nicht nur eine Art zu denken«, sagt er. Die Hirnforschung wisse viel zu wenig über die Struktur unseres Denkorgans auf der mittleren Ebene.

Die jungen Praktiker heute sehen in den Bewusstseins- und Intelligenzfragen eher philosophische Spielereien, sie haben gar nicht den Anspruch, das Gehirn nachzubauen. Sebastian Thrun sagt: »Computer sind gut im Rechnen, aber schlecht im Bewerten einer Situation.«

Also liegt die Strategie der heutigen KI-Forscher weitgehend darin, ähnlich wie beim Schach komplexe Probleme mit immer leistungsstärkeren Computern »totzurechnen«. Aber auch wenn Thruns Auto eines Tages führerlos durch San Francisco brausen sollte – alte Skeptiker wie Marvin Minsky wird er damit kaum überzeugen.

Der Artikel zum Hören: www.zeit.de/audio