„Zwischen Mensch und Maschine gibt es grundlegende Unterschiede in der Art, wie Fragen formuliert werden, um mehr über die Welt zu erfahren“, sagt Brenden Lake, als wir mit ihm telefonieren – er sitzt in seinem Büro an der New York University. ­Zwischen uns liegt der Atlantische Ozean. Lake untersucht, was wir Menschen besser können als Maschinen. Dabei dient der Mensch als Vorlage für jene Dinge, die künstliche Intelligenz noch nicht kann. Lake versucht so auch, Intelligenz besser zu verstehen. „Beim Erforschen dessen, wie Menschen lernen, kreativ sind, fragen oder sich Konzepte aneignen, ergeben sich Potenziale, das Maschinenlernen und auch kognitive Wissenschaften zu verbessern“, antwortet er auf die Frage, warum er so gerne in diesem Forschungs­gebiet arbeitet. Die Liste seiner Publikationen ist lang. Der gebürtige Amerikaner hat ausserdem regelrechte Schwergewichte in seinem Lebenslauf: Nach dem Studium mit Schwerpunkt auf kognitiven Wissenschaften an der Stanford University zog es ihn an die Ostküste, nach Boston genauer gesagt, ans Massachusetts Institute of Technology, wo er seinen Ph.D. machte – ebenfalls in kognitiven Wissenschaften. Seine Dissertation zu menschenartigem Lernen für Maschinen hat wohl auch den Weg für sein jüngstes Projekt bereitet: eine KI, die Fragen stellen kann. Anhand eines Spiels, das „Schiffe versenken“ ähnelt, haben er und zwei Forscherkollegen eine KI programmiert, die aus den Fragen, die Menschen in so einem Spiel stellen, Konzepte entwickelt. Das führte dazu, dass die KI – nachdem dieser Katalog an Fragen eingespeist worden war – das Spiel gewann. Die KI hatte, anstatt einfach nur einen Datenberg – zum Beispiel nach Mustern – zu durchsuchen, Konzepte verstanden, gelernt und angewandt. In Kombina­tion mit Wahrscheinlichkeitsmodel­len hat sie zudem berücksichtigt, welche Frage wohl den meisten Informations­gewinn zur Folge haben wird.

Herr Lake, wie kamen Sie auf die Idee, eine KI zu programmieren, die Fragen stellen kann?
Meine Kollegen und ich haben begonnen, uns dafür zu interessieren, weil KIs ganz anders Fragen stellen als Menschen beziehungsweise Informationsbedürfnisse ganz anders angehen. Da gibt es enorme Unterschiede. Wenn ein Kind etwa in den Zoo geht und man ihm einen Koala zeigt, der in einem Baum sitzt, wird es fragen, warum der Koala in einem Baum sitzt. Zeigt man ihm einen Hai, wird es etwa fragen, was der Unterschied zu anderen Fischen ist. Und es wird immer weiter fragen. KI kann keine Kontraste erarbeiten, sondern Bezeichnungen für Datenpunkte. Eine KI im Bereich der Algorithmen und des Maschinenlernens fragt höchstens, was etwas ist, und das immer und immer wieder. Wir wollten verstehen, welche Rolle das Fragenstellen im Zusammenhang mit dem, wie wir Menschen lernen, hat. Menschen scheinen einen sehr gezielten, intui­tiven Zugang zu haben, schnell das meiste aus Informationen über ihre Umwelt machen zu können. Und sie machen das sehr intelligent. Diese Fähigkeit scheint nahezu endlos zu sein.

Aber warum wollten Sie das in einem Umfeld eines Spiels wie „Schiffe versenken“ testen?
Nun, Chatbots etwa funktionieren und fragen in einem geschlossenen Umfeld. Das heisst: Das, was und wie sie fragen, ist durch die Umwelt begrenzt. Menschen aber können intuitiv auch in einer geschlossenen Umwelt alles Mögliche fragen, was ihnen in den Sinn kommt. Sie sind kreativer. Bei „Schiffe versenken“ spielt man mit einem anderen Spieler und klickt auf ein Feld, von dem man glaubt, dass darauf ein Schiff ist. Das Spiel besteht also eigentlich aus einem Set an Fragen – einem Katalog sozusagen. Basierend darauf haben wir einen Algorithmus entwickelt. (Lake und seine Kollegen haben die Spielsituation nachgestellt, aufgenommen und so einen Katalog an Fragen zusammengetragen. Diese haben sie in Konzepte eingeteilt und in einen Algorithmus überführt, Anm.) Wir haben Fragestellungen entwickelt, die sich auf Konzepte wie etwa die Länge eines Schiffs bezogen – „Hat es vier Kästen?“, „Wie lang ist es?“ – oder die Position – „Berühren das rote und das blaue Schiff einander?“ zum Beispiel. In diesem Zusammenhang sind Fragen wie ein Computerprogramm zu sehen. Die KI hat das Konzept der Frage verstanden und konnte deshalb anhand weniger Beispiele selbst eigene Fragen stellen, basierend auf dem, was sie gelernt hatte. Dadurch bekamen wir ein Modell dafür, welche Fragen die wertvollsten Informationen generieren werden. Basierend auf diesem Modell konnte die KI ebensolche neuen Fragen generieren und hat am Ende welche entwickelt, die gänzlich neu in dem Spiel waren – sie hat ebendiesen Katalog der menschlichen Fragen weiterentwickelt. Manche KI-Fragen inkludierten mathematische Formeln. Wenn man dieses Konzept etwa bei Chatbots anwendet, wird die Kommunikation mit ihnen effektiver, effizienter und auch befriedigender.

Es wurde teils behauptet, dass Maschinen die besseren Fragen stellen …
Man kann nicht sagen, ob Menschen oder Maschinen die besseren Fragen stellen. Und diese KI kann dem Menschen ja zum Beispiel auch dabei helfen, besser zu fragen. Es war für uns auch ein Projekt, das uns geholfen hat, die kognitiven Prozesse hinter dem Fragenstellen der Menschen besser zu verstehen. Menschen sind darauf ausgerichtet, Neues herauszufinden. Maschinen hingegen sind in dieser Hinsicht in ihren Fähigkeiten stark limitiert. Es gibt überhaupt noch grosse Lücken zwischen menschlicher und künstlicher Intelligenz. Momentan ist künstliche Intelligenz sehr beschränkt und noch weit weg von einer Intelligenz, so breit und flexibel, wie wir Menschen sie haben. Wir verstehen noch immer nicht, wie das menschliche Gehirn funktioniert, ergo können wir Intelligenz auch nicht wirklich künstlich nachbilden.

Was ist also der grösste Unterschied zwischen menschlicher und künstlicher Intelligenz?
Ein wesentlicher Unterschied ist, dass Menschen aus weitaus weniger Daten und Informationen viel mehr Wissen generieren. Zum Beispiel: Es braucht nur ein Bild mit einem Menschen auf einem Segway, damit ein anderer Mensch versteht, was ein Segway ist. Egal, in welcher Farbe oder mit welchen Reifen er daherkommt, ein Mensch wird immer verstehen, dass es um einen Segway geht. Er erkennt und lernt das mit einem Blick. Und während man dieses Konzept lernt, kann sich ein Mensch auch schon vorstellen, wie der Motor in Beziehung mit den Reifen steht und so weiter, und könnte wahrscheinlich auch einen Segway nachzeichnen – der Mensch kann das Konzept auch beliebig interpretieren und anwenden und auch bedeutungsvolle Allgemein­aussagen dazu generieren. Das ist einzigartig beim Menschen. Künstliche Intelligenz kann das nicht – vor allem aktuell eingesetzte Tools der KI sind ganz spezifisch in einem System gebaut und werden ganz gezielt auf die Erfüllung einer isolierten Aufgabe trainiert. Sie haben nicht die Breite – Erfahrung mit anderen Spielen etwa, wenn es eine KI ist, die bei einem Spiel zum Einsatz kommt – oder Erfahrung mit unterschiedlichen Objekten. Der menschliche Verstand ist zudem weitaus schärfer.

Sie beschäftigen sich ja schon länger mit künstlicher Intelligenz. Woher kommt Ihr Interesse daran und wie stehen Sie zu diesem mitunter sehr hochgelobten Feld?
Ja, ich habe eigentlich immer in diesem Bereich gearbeitet. In den letzten fünf Jahren haben sich die Anwendungen und Möglichkeiten in Sachen künstliche Intelligenz mit Sicherheit sehr verändert. Es gab viel Aufregung darum und auch viele Berührungspunkte zwischen Neurowissenschaften und künstlicher Intelligenz. Das menschliche Gehirn hat schon immer eine Faszination auf mich ausgeübt – genauso wie unsere Intelligenz. In Sachen künstlicher Intelligenz werden mittlerweile grosse Datensätze gesammelt und die Kapazitäten, Daten zu absorbieren, haben dramatisch zugenommen – mit dem Ausreizen der Grenzen der Hardware und aus dem Kontrast der beiden „Intelligenzen“ lernen wir auch mehr über die Unterschiede zur menschlichen Intelligenz. Menschen wollen aus Informationen Modelle entwickeln – um zu verstehen, woher Informationen kommen, und nicht einfach nur etwas zu verwenden, das präsent ist oder auch nicht. Mit Modellen können wir Daten sozusagen auch erklären, anstatt wie Maschinen einfach Muster in Datensätzen zu erkennen, um Probleme zu lösen. Um aus kleinen Datenmengen neue Konzepte zu lernen, braucht es viele Fähigkeiten: Man muss Objekte mit hoher Genauigkeit erkennen können; visuelle Szenen zu verstehen ist etwa gar nicht so einfach. Wenn Sie einem Menschen ein Bild zeigen, auf dem ein anderer Mensch von einem Fahrrad fällt, versteht der Mensch, dass diese Person auf dem Bild bei dem Versuch, Fahrrad zu fahren, stürzt. Eine KI kann diese Zusammenhänge nicht erkennen.

Viele sehen in künstlicher Intelligenz ja die übermächtige Innovation, die uns abschaffen wird …
Ich glaube, dass uns KI in sehr vielen Bereichen sehr helfen und Grossartiges leisten können wird. Vieles ist auch noch so weit weg, dass es schwer ist, Vorhersagen zu machen. Das menschliche Gehirn ist in vielen Dingen nach wie vor die beste Lösung: Konzepte und Fähigkeiten erlernen, Szenen verstehen, Sprachen lernen, Fragen stellen, Erklärungen formulieren, um nur ein paar Beispiele zu nennen. Maschinen haben nach wie vor Schwierigkeiten, diese Dinge umzusetzen. Ausserdem haben wir Eigenschaften, die uns ebenfalls einzigartig machen. Das menschliche Gehirn ist so erstaunlich. Wir haben Neugier, Kreativität, Selbsteinschätzung und man könnte sagen – „Hausverstand“.

Dieser Artikel ist in unserer Februar-Ausgabe 2018 „Künstliche Intelligenz“ erschienen.