Seit über einem Jahrzehnt halten uns große Medienunternehmen in Unruhe, oszillierend zwischen zwei gegensätzlichen Polen des AI-Fortschritts: Entweder steht die Technologie kurz davor, jede arbeitsfähige Person zu automatisieren, oder es kommen Zweifel auf, ob diese neue Intelligenz tatsächlich intelligent ist. Dieser Beitrag wird hoffentlich beweisen, warum KI klüger ist, als wir denken, und vor allem, dass sie das Potenzial hat, die treibende Kraft hinter der 4. industriellen Revolution zu sein.
Klaus Schwab, ein deutscher Ökonom und Gründer des Weltwirtschaftsforums, argumentiert in seinem Buch von 2016 mit dem Titel The Fourth Industrial Revolution, dass die Menschheit am Beginn einer radikalen Veränderung in der Art und Weise steht, wie wir leben, arbeiten und interagieren. Die Breite und exponentielle Geschwindigkeit der Veränderungen werden in der modernen Geschichte als beispiellos prognostiziert und führen zu neuen Geschäftsmodellen und definieren Produktion, Lieferketten sowie Transport neu. Was entscheidend ist, wie Schwab 2016 betonte, ist, dass die gesellschaftliche Front kurz vor einer Paradigmenverschiebung in Bezug auf Kommunikation, Ausdruck und unsere Art zu informieren, zu bilden und uns zu unterhalten, steht. Die laufenden Veränderungen, beschleunigt durch die erzwungene Digitalisierung, verursacht durch das schwarze Schwan-Ereignis der COVID-Pandemie, sind historisch in Bezug auf Größe, Geschwindigkeit und Umfang. Die aktuelle Kritik an diesen mutigen Behauptungen oder der Zweifel an den Fähigkeiten technologischer Systeme sind auffallend analog zu Platons Phaidros, bekannt für seine berühmte Kritik am Schreiben, das zu seiner Zeit die Rhetorik übernahm.
Der Weg zum aktuellen Zustand künstlichen Denkens begann mit Alan Turings berühmtem Papier On computable numbers. Natürlich gab es in den 1930er Jahren keine Technologie, die schnelle Fortschritte ermöglichte; dennoch legte sie die anfänglichen theoretischen Grundlagen. Versuche, eine allgemeine künstliche Intelligenz nachzubilden, die Menschen imitiert, wurden aufgegeben, da das Forschungsfeld stark durch KI-Winter* beeinflusst wurde, die das Interesse und Finanzierungen begrenzten. Interessanterweise halfen die Hindernisse dabei, die Forschung auf einen effizienteren Ansatz des Teile-und-Herrsche zu lenken. Anstatt sich auf die große Aufgabe eines allmächtigen Systems zu konzentrieren, war das Ziel, Unteraufgaben wie Bildverarbeitung oder Textgenerierung voranzutreiben. Das Feld folgte dann den prophetischen Worten von Von Neumann, der in seinem Vortrag in Princeton 1948 sagte: „Sie bestehen darauf, dass es etwas gibt, was eine Maschine nicht tun kann. Wenn Sie mir genau sagen können, was das ist, dann kann ich immer eine Maschine bauen, die genau das tut.“ Auf dem holprigen Weg des Fortschritts gab es einige bahnbrechende Errungenschaften, die großes Interesse weckten, insbesondere solche, bei denen schlaue Algorithmen mit der Realität rechnerisch komplexer Spiele wie Schach oder Go konfrontiert waren. Aus diesem Grund ist es wert, diese Fälle kurz zu betrachten.
Jeder nicht-menschliche Wettbewerber, der ein sequenzielles Zwei-Spieler-Spiel gewinnen möchte, muss eine Gewinnstrategie entwerfen, um einen Gegner zu überlisten. Um den Umfang der Aufgabe zu verstehen, genügt es, sich alle möglichen Züge zweier Spieler in einem einfachen Spiel Tic-Tac-Toe vorzustellen. Das Drei-mal-drei-Brett ist eine Falle, die fälschlicherweise eine einfache Aufgabe verspricht. Es gibt 765 wesentlich unterschiedliche Positionen und für einen Spieler acht Gewinnpositionen. Die große Anzahl erreichbarer Zustände im Spiel ist noch manuell zu bewältigen, um alle möglichen Strategien zu finden, die Gewinnen oder zumindest ein Unentschieden garantieren. Diese Herausforderung kann schnell mit einem Spiel Dame eskalieren. In 2007 nach 13 Jahren, in denen Computer 500 Milliarden legale Positionen analysiert haben, wurde festgestellt, dass, wenn zwei Spieler ein perfektes Spiel spielen, das Ergebnis ein Unentschieden sein wird. Dass eine Maschine vielleicht nicht in der Lage ist, ein Duell zu gewinnen, aber sie wird es sicherlich nicht verlieren. Schließlich verkörpert Schach den Mount Everest dessen, was rechnerische Komplexität darstellt. Es wird geschätzt, dass die Anzahl der Schachzüge die Anzahl der Atome im Universum übersteigt. Verständlicherweise kann das Spiel nicht gelöst werden, was es zu einem perfekten Kandidaten machte, um Behauptungen über Maschinen zu validieren oder zu widerlegen. Kasparows Niederlage gegen Deep Blue war ein wichtiger Schritt, aber wirklich bemerkenswert war der Ansatz von DeepMind zur widrigen Umgebung des Spiels. Ihr AlphaGo Zero nutzte die Methode der Monte-Carlo-Baumsuche; das neuronale Netzwerk wurde darauf trainiert, die besten Züge und ihre Gewinnprozentsätze zu bestimmen. Bemerkenswert ist, dass das Training nicht den Wettbewerb gegen menschliche Spieler oder Schachprogramme beinhaltete, sondern eine große Anzahl von Spielen gegen sich selbst umfasste. Es basierte auf einer Variation des Tabula-rasa-Ansatzes, der nur das Wissen über die Regeln des Spiels umfasste. Nicht nur, dass es nach ein paar Tagen übermenschliche Leistungen erzielte, berühmte Schachprogramme besiegte, sondern das System wurde auch genutzt, um seine Fähigkeiten mit einem anderen berühmten Spiel - Go - zu demonstrieren. Nach nur acht Stunden Training gewann es gegen Lee Sedol, einen renommierten koreanischen Profispieler.
Warum war es ein Durchbruch? Es war ein idealer Test, um zu beweisen, dass Intelligenz und vor allem das Handeln in einer unsicheren Umgebung nicht ausschließlich menschliche Fähigkeiten sind. Wie im Machines that Think vom New Scientist angegeben: „Warum ist es so schwierig, eine Maschine zu programmieren, um diese Dinge zu tun? Traditionell wird ein Programmierer wissen, welche Aufgabe er einen Computer machen lassen möchte. Der Kniff bei KI ist es, einen Computer dazu zu bringen, das Richtige zu tun, wenn man nicht weiß, was das sein könnte.“ Das stellt sofort die Frage nach menschlicher Kontrolle über diese Systeme. Wenn sie in der Lage sind, ein Labyrinth von Gewinnwahrscheinlichkeiten zu navigieren, statt fest codierte Wege, ist es unmöglich, ihre interne Argumentation im Detail zu analysieren.
Eine weitere Mainstream-Quelle des Hypes um KI wurde durch ChatGPT geschaffen. Große Sprachmodelle gibt es schon seit einiger Zeit, aber Sam Altman und sein Team von OpenAI haben es geschafft, ein benutzerfreundliches Werkzeug einem breiteren Publikum zu liefern. Ob es „Autocomplete auf Steroiden“ ist oder nicht, ist eine andere Frage. Jedoch erweitert es durch seine bemerkenswerte Fähigkeit, Sprache zu generieren und zu verstehen, den Umfang der laufenden Revolution enorm. Es stellt auch eine breitere Demokratisierung des Wissens dar, die zuvor durch Wikipedia repräsentiert wurde. ChatGPT visualisiert durch seine Arbeitsweise großartig die Agilität, die sich selbst verbessernden und selbst prüfenden Ideen hinter der KI, die im Gegensatz zu vorprogrammierten, fest verdrahteten Ansätzen stehen. Es hat auch die Debatte über Superintelligenz neu entfacht, ein Konzept, das von Nick Bostrom eingeführt wurde. Der schwedische Philosoph argumentiert, dass eine echte Bedrohung in einem Szenario entsteht, in dem eine KI Fähigkeiten besitzt, ihren eigenen Quellcode zu verbessern, ihre Fähigkeiten zu steigern, die dann menschliche Intelligenz weit übertreffen könnten. Dann hätte sie erhebliche Vorteile gegenüber Menschen in der Technologieforschung, wäre in der Lage, soziale Manipulationen zu betreiben, um menschliche Unterstützung zu gewinnen, Strategien zu entwickeln, um Menschen auszutricksen, und wirtschaftliche Produktivität, was die menschlichen Nutzer dazu veranlassen würde, sie auf ihren Systemen laufen zu lassen; dann schließlich Hacking, das es ihr ermöglichen würde, ihre Kopien zu verbreiten, sich zu verstecken oder Gelder für ihre Ziele zu stehlen. So beängstigend und real sie bereits klingen mögen, es ist zu spät, um strenge Kontrollen über den weiteren Fortschritt zu verhängen. In einem Szenario, in dem das passiert, wo wir in ein stabiles System von Regeln und Beschränkungen über KI eintreten, kommt die Spieltheorie ins Spiel. Nash argumentierte, dass die Seite, die die Regeln bricht, einen signifikanten Vorteil gegenüber ihren Gegnern gewinnt. Natürlich sind einige Aspekte mehr oder weniger aus den Bereichen der Science-Fiction-Welt; jedoch wurde die Barriere der wissenschaftlichen Forschung, wohl am herausforderndsten, bereits durchbrochen. Im Jahr 2023 wurden zwei Wissenschaftler von DeepMind mit dem Lasker-Preis („Amerikas Nobelpreis“) „für die Erfindung von AlphaFold, einer revolutionären Technologie zur Vorhersage der dreidimensionalen Struktur von Proteinen“ ausgezeichnet. AlphaFold ist ein KI-Programm. Um die immer noch weit verbreitete Skepsis gegenüber den Fähigkeiten von KI zusammenzufassen, lohnt es sich, eine Passage aus Nietzsches Also sprach Zarathustra zu paraphrasieren: "Aus Lücken bestand der Geist dieser Erlöser; aber in jede Lücke hatten sie ihren Wahn gestellt, ihren Lückenbüßer, den sie KI-Leugnung nannten."
Was das Jahr 2023 angeht, so entfernt sich die Weltwirtschaft langsam von ihren Grundlagen – der internationalen Ordnung, geprägt durch den freien Fluss von Waren, Daten, Dienstleistungen, Menschen, Technologie und Kapital. Heiko Borchert bezeichnet diese Schlüsselbereiche als strategische Flüsse. Konkurrenten, konfrontiert mit der drohenden Realität der Thukydides-Falle, werden sicherlich nach Bereichen suchen, die asymmetrische Vorteile gegenüber ihren Gegnern ermöglichen. Warum ist das wichtig und was hat es mit KI zu tun? Hardware- und Softwarefortschritt ist eng mit der Entwicklung internationaler Standards verbunden. 5G-Netzwerke sind hauptsächlich softwarebasierte Architekturen, im Gegensatz zu ihren hardwarebasierten Vorgängern. Je komplexer das Netzwerk ist, desto mehr wird KI benötigt, um sie zu verwalten. Um geeignete Modelle zu erstellen, wird viel Rechenleistung benötigt – Mikrochips. Die führenden Hersteller befinden sich in den Vereinigten Staaten, Japan, Südkorea und auch in Taiwan. Dies ist eine mögliche Erklärung für Trumps Sanktionen gegen Huawei, Bidens gegen die chinesische Chipindustrie und beweist, dass KI Teil eines potenziellen neuen Rüstungswettlaufs sein wird.
Schwabs Vorhersagen aus dem Jahr 2016 wurden möglicherweise stark unterschätzt.
* In der Geschichte der künstlichen Intelligenz werden Phasen als KI-Winter bezeichnet, in denen öffentliche und private Forschungsförderung, Start-up-Finanzierung und Investitionen in die Künstliche Intelligenz stark zurückgehen.
Weitere Beiträge dieses Autors
Kontakt
movisco AG
Osterbekstraße 90a
22083 Hamburg
Fon + 49 40 767 53 777
Fax + 49 40 767 53 377
E-Mail info@movisco.com
Hier können Sie uns auch antreffen:
movisco AG
Fritz-Schäffer-Straße 1
53113 Bonn
Fon + 49 40 767 53 777
E-Mail info@movisco.com
movisco AG
Wiesenhüttenplatz 25
60329 Frankfurt am Main
Fon + 49 40 767 53 777
E-Mail info@movisco.com
Mitglied DSAG
Partner
Zertifikate
Mitarbeiterbewertungen
Wir freuen uns über Ihre direkte Kontaktaufnahme!