Künstliche Intelligenz

Künstliche Intelligenz

# ^ChanceKI

Liebe Leserin, lieber Leser, Künstliche Intelligenz, die dem Menschen dient – daran arbeitet deutsche Spitzenforschung.

Künstliche Intelligenz verän­

dert unsere Art, zu leben und zu arbeiten. Wir stellen uns darauf ein und entwickeln eine KI „made in Europe“. Eine KI, die unseren Werten entspricht,

die unsere Wirtschaftskraft stärkt und die unser Leben besser macht. Zum Beispiel als Roboter, die Pflegekräfte entlasten, als Unterstützung von Ärztinnen und Ärzten bei ihren Diagnosen oder in autonomen Fahrzeugen, die den Straßenverkehr sicherer machen.

Werfen Sie mit uns einen Blick in die Welt der KI – und darauf, wofür wir sie in Zukunft nutzen können.

Anja Karliczek

Mitglied des Deutschen Bundestages Bundesministerin für Bildung und Forschung

Inhalt

4

Künstliche Intelligenz – was ist das eigentlich?

10

Wie KI lernt

12

Müssen wir uns vor KI fürchten?

14

KI:

Eine Chronologie

22

Strategie Künstliche Intelligenz der Bundes­

regierung

24

KI praktisch gedacht

32

Wer forscht wo?

34

Antworten auf drängende Fragen

38

Verrückte KI­Welt

Künstliche Intelligenz –

was ist das eigentlich?

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik. Sie erforscht Mechanismen, die intelligentes menschliches Verhalten simu­

lieren können. Das beinhaltet zum Beispiel,

eigenständig Schlussfolgerungen zu ziehen,

angemessen auf Situationen zu reagieren

oder aus Erfahrungen zu lernen.

Erstmals geprägt wurde der Begriff vom US-amerikani- schen Informatiker John McCarthy auf der Dartmouth Conference im Jahr 1956. Diese Tagung gilt auch als

„Geburtsstunde“ des Fachgebiets Künstliche Intelligenz.

Dieses besteht aus mehreren Themenfeldern, wie zum Bei- spiel der Mustererkennung und dem Maschinellen Lernen, der Robotik oder der Mensch-Maschine-Interaktion.

Aber was bedeutet das alles eigentlich genau?

MASCHINELLES LERNEN

Maschinen lernen, indem sie aus vorliegenden Beispieldaten Muster erkennen, daraus Modelle ent wickeln und dieses Wissen auf neue, ihnen bisher unbekannte Situationen anwenden.

Je größer und aussagekräftiger die Datenmenge, desto besser lernen sie.

05

KÜNSTLICHE NEURONALE NETZE (KNN)

KNN knüpfen an das biologische Vorbild des menschlichen Nervensystems an. Sie bestehen aus vielen Ebenen, die in komplexen Schichten miteinander verbunden sind. Die

„Neuronen“ können Informationen entweder von anderen Neuronen oder von außen aufnehmen und daraus eine Ausgabe ableiten.

DEEP LEARNING

Maschinelles Lernen mit großen KNN wird als Deep Learning bezeichnet. Je komplexer das KNN, desto höher ist der mög­

liche Abstraktionsgrad und desto schwierigere Sachverhalte können bearbeitet werden. Alltägliche Anwendungs­

beispiele sind die Bild­ oder Spracherkennung.

BIG DATA

Als Big Data wird eine große Menge von verschiedenartigen Daten bezeichnet, die so komplex und schnelllebig ist, dass sie auf herkömmlichem Weg nicht oder nur schwer ver­

arbeitet werden kann. Der Begriff beinhaltet auch Lösun­

gen und Systeme, die dabei helfen, diese Datenmengen zu verarbeiten, um darin neue Muster und Zusammenhänge zu erkennen.

MENSCH-MASCHINE-INTERAKTION

Mensch­Maschine­Interaktion ist der Austausch von Aktio­

nen und Informationen zwischen Mensch und Maschine.

Die Interaktion sollte an menschliche Bedürfnisse und Fähigkeiten angepasst sein, um eine optimale Benutzbarkeit bzw. eine hohe Nutzerzufriedenheit zu erreichen.

07

STARKE UND SCHWACHE KI

Grundsätzlich unterscheidet man zwischen schwacher und starker KI: Eine schwache KI konzentriert sich auf konkrete Anwendungsprobleme, während eine starke KI die gleichen oder größere intellektuelle Fähigkeiten als ein Mensch aufweisen kann. Bis heute ist diese Vorstellung jedoch Zukunftsmusik, denn eine starke KI existiert bisher nicht – und Forschende sind sich uneinig, ob sie jemals

existieren wird.

SYMBOLISCHE UND NEURONALE KI

Auch die KI­Methoden

unterscheiden sich voneinander:

Die symbolische KI verfolgt einen auf logischen Modellen aufbauenden Ansatz und wird oft als

„klassische“ KI bezeichnet. Sie geht davon aus, dass menschliches Denken von einer logisch­

begrifflichen Ebene aus rekonstruiert werden kann.

Die neuronale KI nähert sich aus einer anderen Richtung:

Sie versucht, die Lernfähig­

keit des menschlichen Gehirns nachzubilden und Muster in Daten zu erkennen.

09

KI lernt Wie

Um Gesichter zu erkennen, Gegenstände und Tiere zu unterscheiden oder Texte zu überset­

zen, braucht eine KI eine gute Datengrundlage, mit der sie gefüttert und damit trainiert wird.

Die künstlich intelligente Maschine verarbeitet die gelernten Informationen, erkennt Muster, entwickelt Modelle und wendet sie auf unbe­

kannte Situationen an. Man spricht in diesem

Fall von „Maschinellem Lernen“.

BEISPIEL:

AUTONOMES FAHREN

Autonom fahrende Autos lernen zum Beispiel dadurch, dass ein Mensch sie eine Zeit lang steuert und die Fahrzeuge dieses Verhalten dann „nachahmen“. KI kann auf dem menschlichen Fahrverhalten aufbauend eigene Lö­

sungswege suchen und selbst Entscheidungen treffen.

Zusätzlich tasten Kameras, Laser­ und Radarscanner sowie Ultraschallsensoren die Umgebung rund um das autonome Fahrzeug ab und bieten damit eine Übersicht über das

aktuelle Verkehrs­

geschehen.

Mit Deep Lear­

ning werden diese Informationen ver­

arbeitet, sodass die KI ihre Umgebung erkennen kann – also zum Beispiel andere Fahrzeuge, Radfahrende oder Ampeln.

Quelle: DPMA

Prozent der Patentanmeldungen rund

um das autonome Fahren kommen aus Deutschland.

11

Müssen wir uns

vor KI

fürchten?

In Büchern oder Filmen werden immer wieder düstere Szenarien entworfen, in denen eine KI die Weltherrschaft übernimmt. Auch deshalb stehen einige Menschen KI im ersten Moment kritisch gegenüber und fragen sich, ob Roboter bald dem Menschen überlegen sein werden.

Diese Angst ist jedoch unbegründet, denn das

klügste aller Systeme ist und bleibt immer noch

das menschliche Gehirn.

Während Computer zwar immer leistungsfähiger werden und eine weitaus größere Datenmenge viel schneller ver­

arbeiten können als der Mensch, steckt doch keine emo­

tionale Intelligenz oder soziale Kompetenz dahinter. Auch das Maschinelle Lernen ist auf konkrete Anwendungsfälle begrenzt.

Und wie sich eine KI entwickelt, hat am Ende immer noch derjenige Mensch in der Hand, der sie mit Daten füttert. Ein gutes Beispiel ist der Chatbot „Tay“ von Microsoft. Binnen weniger Stunden, die er auf Twitter verbrachte, wurde er zu einem rassistischen Chat­

Roboter – und zwar nur aufgrund der Informationen, mit denen ihn die Userinnen und User fütterten.

Microsoft schaltete den Bot daraufhin ab und erklärte das technische, soziale und kulturelle Experiment für geschei­

tert. Die Erkenntnis:

Eine KI ist immer nur so schlau wie der Mensch, der sie mit Daten füttert.

13

1950 Alan Turing und der Turing-Test

Erster Chatbot der Welt

(ELIZA)

1966

1997 Deep Blue

KI

Eine Chronologie

Versteigerung eines KI-Gemäldes bei Christie’s

2018

2017 Übersetzungs- programm DeepL

2019 Deutsches Team gewinnt

RoboCup

15

A

Welt: ELIZA.

Könnten Si e ELIZA – od er einen ande ren Chatbot – v on einem ech ten Menschen unter- scheiden

D

Hierbei kommunizieren Testpersonen ohne Sicht­

und Hörkontakt mit zwei ihnen unbekannten Ge­

sprächspartnern: einem Computer und einem Men­

schen aus Fleisch und Blut.

Wenn die Fragestellerin bzw. der Fragesteller nicht mehr unterscheiden kann, welcher von beiden die Maschine ist, hat diese den Turing­Test bestanden.

1950 Alan Turing und der Turing-Test

1966

Probieren S ie es aus – in unserem Spiel

(S. 18–19)

Erster Chatbot der Welt (ELIZA)

Bereits ein Jahr zuvor hat Kasparow gegen die von IBM entwi ckelte Maschine den Kürzeren gezogen, da­

mals allerdings nur in einer Partie. Es war der erste Sieg eines Computers gegen den amtierenden Schachwelt­

meister, bei dem Zeitvor­

gaben eingehalten werden mussten.

E

In einem aus sechs Partien bestehenden Wettkampf verliert der russische Schach- weltmeister unter Turnier- bedingungen gegen den Computer Deep Blue.

Das Computerprogramm kann menschliche Spra­

che verarbeiten und ist damit ein direkter Vor­

fahre von Systemen wie Alexa oder Siri. ELIZA kann in Textform direkt in menschlicher Sprache kommunizieren. Sie ist dem Gesprächsverlauf mit einem Psycho­

therapeuten nach­

gebildet.

Deep Blue

1997

BOT OR NOT ?

17

Aus welch er Feder stammen d ie folgen-

den Gedic htauszüge

Weltraum d er Straßen

Eine Gesellschaft, die in nichts Schönes verwandelt werden kann. 

Die Furcht, sich dem näm- lichen Leben ergeben zu müssen.

Es ist ein solches Vergnü- gen, schlafen zu wollen, um zum Weltraum der Straßen zu gelangen, zum Planet der Luftschiffe.

Von der Treppe der Erde zur Stadt der Strahlen.

Eine neue Form der Welt, die das Gesicht des Tages erblickt.

Schatten stehen vor dem weiten Blick der Welt, die Macht der Menschen an einer starken Stelle. 

Im Kopf die Bestimmung, die Zukunft zu verstehen, eine Betrachtung der Zeit.

Gedanken des Kampfes und schwere Stunden.

Die Verdrängung des Un- bewussten, ein Einbruch.

Letzte Wanderungen, Er- kenntnisse auf dem Weg.

„Es ist ein Geheimnis“, sprach die Zeit.  

Geringe Worte einer neuen Menschheit.

Der Schmerz in den Antworten.

Die Falle des Lebens, der Einbruch der Verdrängung. 

Eine verwandelte Erde des Erstaunens.

?

Chancen für uns

Das Licht ist ein guter  Bekannter von früher  strahlend bleiben Farben und gehen vorüber  im Kopf

Ein Loch  im Gedächtnis gerissener Film

beim Auspacken versehentlich beschädigter Sinn

im Dunst Kein Grund  zur Verzweiflung ich halte dich fest das was noch bleibt  der goldene Rest für dich

Um mich zu lieben 

bedarf es nur Licht Farben sind Chancen sobald ich verblich mit Vernunft Dein Duft  im Grünen

verlassen für immer  im Anblick des Falls reagierst du noch dümmer wir stehn Im Regen  zerflossen

vor Ängsten vor Angst  bleiben doch Tropfen verblichen 

und sanft sie glitzern

Auflösung auf S. 43

BOT OR NOT ?

19

Er wird mit Daten aus dem Online­Wörterbuch Linguee gefüttert und übersetzt (zu­

nächst kostenlos) in sieben Sprachen, unter anderem Englisch, Französisch und Spanisch. Linguee ist mit einer Suchmaschine gekoppelt und stellt Wörter in einen Kon­

text, ein Vorteil gegenüber wörtlichen Übersetzungen.

Die Grundlage bilden künst­

liche neuronale Netze, die laufend trainiert werden. Im Blindtest mit professionellen Übersetzenden schneidet DeepL wesentlich besser ab als andere Online­Dienste.

D

2017 Übersetzungs- programm DeepL

Das etwas verschwom­

men wirkende Bild kommt im britischen Auktionshaus Christie’s für 432.500 Dollar unter den Hammer. „Gemalt“

wurde es auf Basis einer Datenbank von 15.000 Porträtgemälden aus der Zeit vom 14. bis zum 20. Jahrhundert.

Die Pariser Künstler­

gruppe „Obvious“ ließ einen Algorithmus auf

W

Versteigerung eines KI-

Gemäldes bei Christie’s

2018

Bremen und des Deutschen Forschungszentrums für Künstliche Intelligenz (DFKI), in der „Standard Platform League“ mit den humanoiden Nao­Robotern Weltmeister.

Bereits zum vierten Mal in Folge konnte sich damit ein deut­

sches Team den Titel holen.

Kick it like Nao!

Grundlage dieser Porträts ein Bild erstellen und so lange anpassen, bis ein weiterer Algorithmus das Bild nicht mehr von einem von Men­

schen gemachten Gemälde unterscheiden konnte.

2019 Deutsches Team gewinnt

RoboCup

E

Beim Robot Soccer World Cup (kurz: RoboCup), der jedes Jahr in einem anderen Land ausgerichtet wird, treten die besten Teams der ganzen Welt gegeneinander an. 2019 wurde B­Human, das Team der Universität

21

Strategie Künstliche

Intelligenz der Bundes-

regierung

Die KI­Strategie wurde 2018 vom Bundesminis­

terium für Bildung und Forschung (BMBF), dem Bundesministerium für Wirtschaft und Energie (BMWi) und dem Bundesministerium für Arbeit und Soziales (BMAS) ins Leben gerufen. Das ge­

meinsame Ziel: Deutschland zu einem führen­

den Standort in der KI­Forschung zu machen.

Dazu sollen bis 2025 insgesamt drei Milliarden

Euro bereitgestellt werden.

In allen zwölf Handlungsfeldern wurden zahlreiche Projekte angestoßen, mit denen das Ziel der KI­Strategie verfolgt wird. Unter anderem sollen neue KI­Professuren in Deutschland eingerichtet, Start­ups unterstützt und KI­Anwendungen besser in die Wirtschaft integriert werden. 

Quelle: appliedAI/UnternehmerTUM ecosystem

Von 2018 auf 2019 stieg die Zahl der KI­Start­ups in Deutschland um 62 Prozent.

und ist damit der attraktivste nicht englischsprachige Jobstandort der Welt.

86 ^{57 9 8}

Berlin München Karlsruhe Hamburg Köln

Quelle: Boston Consulting Group (BCG), StepStone, The Network

US DE CA AU UK CH FR ES JP IT

DEUTSCHLAND LIEGT AUF DEM 2. PLATZ DER WELTWEIT BELIEBTESTEN ZIELLÄNDER FÜR HOCH QUALIFIZIERTE DIGITALFACHKRÄFTE IM JUNI 2019 WURDEN BUNDESWEIT INSGESAMT 214 KI-START-UPS GEZÄHLT.

23

praktisch KI gedacht

Das BMBF fördert zahlreiche Forschungsprojekte, die sich in verschiedenen Handlungsfeldern mit dem Einsatz von Künstlicher Intelligenz beschäftigen.

GESELLSCHAFT

„Fake News“ erreichten in den letzten Jahren – auch und besonders durch die technische Entwicklung – großen Einfluss und ein ganz neues Level der Täuschung. Chatbots und gezielte Desinformationskampagnen sorgen dafür, dass

falsche und wahre Nachrichten oft nur noch schwer voneinander zu unterschei­

den sind. Initiatoren solcher Aktionen verfolgen verschiedene Ziele, wie beispiels­

weise das Vertrauen in Politik und Medien zu

schwächen, die Gesellschaft zu spalten oder Bürgerin nen und Bürger ganz bewusst zu täuschen. Kurz gesagt:

Fake News manipulieren die Öffentlichkeit. Sie sind besonders dann eine Gefahr für die Demokratie, wenn sich Menschen von der Politik abwenden.

DORIAN

PROJEKT KOORDINATOR: Fraunhofer-Institut für Sichere Informations technologie (SIT)

DORIAN will das ändern: Mit vielen Beispieldaten und der journalistischen Erfahrung von Projektpartnern soll die Des­

information in Online­Medien automatisiert erkannt und im Anschluss gelöscht oder ge­

sperrt werden. Dazu arbeite­

ten Forschende Merkmale aus Online­Beiträgen heraus, zum Beispiel deren Inhalte, Grund­

haltung oder Quellen.

Das Ergebnis sind tech­

nische Hilfsmittel, die es Bürgern, Journalistinnen und Betreibern von Platt­

formen erleichtern sollen, Fake News zu entlarven.

Die Herausforderung dabei war, gleichzeitig weder die Pressefreiheit noch das Recht auf freie Meinungsäußerung einzuschränken.

25

MOBILITÄT

Autonomes Fahren ist möglicherweise eines der Themen, die einem als Erstes in den Sinn kommen, wenn man an KI im (mobilen) Alltag denkt. Aber KI kann in Sachen Mobilität noch viel mehr: zum Beispiel bessere Verkehrsprognosen erstellen und damit Transportketten optimieren sowie um­

weltschädliche Emissionen reduzieren oder uns via Sprach­

assistenz bei der Bedienung eines Fahrzeugs unterstützen.

Gemeinsames Ziel all dieser Projekte ist es, mit KI die Verkehrssicherheit zu erhöhen, den Verkehrsfluss zu optimieren und damit einen Beitrag zum Umwelt­

und Klimaschutz zu leisten.

KoFFI

Robert Bosch GmbH, Car Multimedia

Im Projekt Kooperative Fahrer­Fahrzeug­Inter­

aktion (KoFFI) wurde das teilautomatisierte Fahrzeug als verlässlicher Partner des Menschen erforscht. Das Ziel:

Mensch und Maschine nutzen ihre sich optimal ergänzen­

den Fähigkeiten, um kritische Verkehrssituationen frühzeitig zu erkennen und bestmöglich darauf zu reagieren. Mit mo­

dernen Techniken, wie LiDAR (light detection and ranging) und Radarsystemen, hilft das Fahrzeug zum Beispiel bei der Orientierung in dichtem Nebel.

Im Normalfall entscheidet der Mensch, was zu tun ist.

Ist er unaufmerksam und droht deshalb ein Unfall, greift die Maschine ein. Diese

„Schutzengel­Funktion“

wurde auf der Grundla­

ge von ethischen und rechts­

wissenschaftlichen Leitlinien in Simulationen entwickelt.

Die Vision: Spätere KoFFI­

Generationen optimieren eigenständig ihre Reaktionen im Straßenverkehr.

27

MEDIZIN

Viele Behandlungen und Diagnosen können bereits heute mithilfe Künst­

licher Intelligenz sehr viel effizienter und genauer durchgeführt werden.

Das bedeutet nicht, dass Roboter jemals

echte Ärztinnen und Ärzte ersetzen könnten – aber eine Unterstützung sind sie bereits heute allemal.

Bei der Diagnose von schwarzem Hautkrebs beispielsweise kann eine KI bereits sehr gute Ergebnisse liefern. Das be­

stätigen Beispiele des Deutschen Krebsforschungszentrums und der Universitäts­Hautklinik Heidelberg. Zentral ist jedoch: KI entscheidet nicht über die individuelle Therapie, sondern unterstützt nur dabei, schnell und präzise die rich­

tige Diagnose zu stellen.

HoloMed

mbits imaging GmbH

Erweiterte Realität – Aug­

mented Reality (AR) – kennen viele bereits aus Museen, Aus­

stellungen oder der Gaming­

Branche. AR wird aber auch in der Medizin angewandt:

Im Projekt HoloMed geht es speziell um die Ventrikel­

punktion. Müssen Chirurgin­

nen und Chirurgen bislang von außen ertasten, wo sie einen Katheter einführen, um den Hirndruck zu verringern, kann hier schon bald eine KI unterstützen.

CT­ und MRT­Scans der Patientin bzw. des Patienten werden mithilfe des Maschinellen Ler­

nens strukturiert und analysiert. Der Ärztin oder dem Arzt werden dann virtuell die beste Stelle für den Schnitt und die Bohrung sowie der geeignete Winkel angezeigt, um den Katheter einzuführen.

Michal Hlaváč, Ulmer Neurochirurg

Die HoloMed­Brille ist eine flexible, mobile und kostengünstige Lösung, mit der wir die Qualität solcher Eingriffe deutlich erhöhen können.

29

UMWELT UND NACHHALTIGKEIT

Die Themen Umwelt und Nachhaltigkeit nehmen in unse­

rem Alltag immer größeren Raum ein. Zu Recht, denn die Folgen des Klimawandels spüren wir nahezu täglich. Zum Beispiel, wenn wir weltweit mit großen Hitzewellen, schwe­

ren Waldbränden oder heftigen Überschwemmungen kon­

frontiert werden. Den Klimawandel kann KI nicht aufhal­

ten. Sie kann aber bei vielen Lösungsansätzen helfen, etwa beim Erkennen von Dürreschäden in Waldstücken oder von Plastikverschmutzung in Meeren. So kann rechtzeitig auf Probleme und Herausforderungen reagiert werden.

ALICE-III

PROJEKTKOORDINATOR:

Siemens Aktiengesellschaft, Corporate Technology

Die Launen der Natur machen es schwer, sich zu 100 Pro­

zent auf Sonne, Wind oder Wasser zu verlassen. Erneuer­

bare Energien brauchen aber Planbarkeit, um gut

und sicher zu funktionieren.

An diesem Punkt setzt das Projekt ALICE­III an. Dessen Ziel ist es, Windparks flexibel an ihre Umwelt anzupassen.

Zahlreiche Betriebsdaten der

Andreas Ziehe, KI-Forscher an der TU Berlin

Jedes Windrad soll wissen, wie es seine Rotoren für die beste Leistung ausrichten muss.

Anlagen – zum Beispiel Vibrationen, Ausrichtungs­

winkel und Temperaturen – bilden die Grundlage für das Maschinelle Lernen. Es wer­

den Algorithmen entwickelt, mit denen die Windturbine eigenständig lernt, wie sie ihre beste Leistung erbringt.

Gleichzeitig sind ihre Ent­

scheidungen immer transpa­

rent und werden durch feste, vom Menschen gesetzte Regeln gesteuert. Damit können Lösungswege Schritt für Schritt zurück verfolgt werden.

31

In Deutschland werden viele Forschungs­

institutionen vom BMBF gefördert, um die KI­Forschung voranzutreiben.

Neben dem Deutschen Forschungszentrum für Künstliche Intelligenz (DFKI), das bereits 1988 gegründet wurde, gibt es fünf weitere Kompetenzzentren für KI-Forschung. Sie tauschen sich untereinander und mit der Industrie aus und sorgen damit für eine internationale Sichtbarkeit deutscher KI-Forschung. Perspektivisch sollen die sechs Kompetenz- zentren überregional weiterentwickelt und vernetzt werden.

Bis 2022 wird ihre Förderung deshalb verdoppelt. Damit sollen auch interna tionale Forschende vermehrt für Deutschland gewonnen werden.

WER forscht

WO ?

SAARBRÜCKEN

KI-Forschungs- institutionen

DEUTSCHES FORSCHUNGS - ZENTRUM FÜR KÜNSTLICHE INTELLIGENZ (DFKI) KOMPETENZZENTREN

BERLIN

DRESDEN LEIPZIG

BREMEN

KAISERSLAUTERN

TÜBINGEN

Berlin Institute for the Foundations of Learning and Data (BIFOLD)

Tübingen AI Center – Competence Center for Machine Learning Kompetenzzentrum Maschinelles Lernen Rhein­Ruhr (ML2R)

Competence Center for Scalable Data Services and Solutions Dresden/Leipzig (ScaDS)

Munich Center for Machine Learning (MCML) RHEIN-RUHR

MÜNCHEN

33

Antworten auf

drängende

Fragen

CHANCE ODER JOBKILLER:

NIMMT UNS KI DIE ARBEITSPLÄTZE WEG?

JEIN. Dort, wo routinierte Arbeiten ausgeführt werden, arbeiten Roboter in der Regel bereits heute effizienter als Menschen. Das passiert am Fließband, perspektivisch aber auch in höher qualifizierten Jobs in Büro und Verwaltung, am Bankschalter oder bei Bestellvorgängen.

KI verändert die Arbeitswelt, das ist klar. Bis 2025 fallen weltweit etwa 75 Millionen Jobs durch ihren Einsatz weg – 133 Millionen Arbeitsplätze entstehen jedoch auch durch sie, so eine Studie des Weltwirt­

schaftsforums. Das bedeutet: Es wird nicht weniger Arbeit geben, sondern andere als bisher. Und soziale Fähig­

keiten und individuelle Interpretationen, zum Beispiel in der Medizin, kann kein Roboter ersetzen. Zudem wird es Jobs geben, die wir uns heute noch gar nicht vorstellen können.

SIND BEZIEHUNGEN ZWISCHEN MENSCH UND MASCHINE IN ZUKUNFT NORMAL?

FÜR EINIGE BESTIMMT. „Anthropomorphismus“ wird es genannt, wenn Menschen zum Beispiel Tieren oder Robotern menschliche Eigenschaften zusprechen. Mit der Zuordnung einer menschlichen Rolle wird die Grundlage

35

dafür geschaffen, Gefühle für Roboter entwickeln zu können. Umgekehrt funktioniert das nicht, denn für die Entstehung von Zuschreibungen und Gefühlen sind biolo­

gische und genetisch­hormonelle Grundlagen notwendig, die einem Roboter fehlen.

Trotzdem glauben rund 20 Prozent der Deutschen einer Umfrage des Allensbach­Instituts zufolge, dass Liebesbezie­

hungen zwischen Mensch und Maschine in Zukunft normal sein werden. Bereits heute gibt es Beispiele dafür: 2018 schloss der Japaner Akihiko Kondo die Ehe mit der virtu­

ellen Figur Hatsune Miku – und ist bis heute, nach eigener Aussage, glücklich verheiratet.

WERDEN ÄLTERE MENSCHEN BALD NUR NOCH VON ROBOTERN GEPFLEGT?

NEIN. Allerdings wird der Einsatz von Robotern in der Pflege – die sogenannte Geriatronik – schon heute getestet.

Wo sie helfen können? Bei Hol­ und Bringdiensten zum Beispiel. Roboter assistieren also den Menschen, damit diese mehr Zeit für ihre Patientinnen und Patienten haben.

Unterstützen kann Robotik auch bei der Selbstständigkeit von Pflegebedürftigen. Das Projekt ROBINA entwickelt zum Beispiel robotische Systeme, die das tägliche Leben der

Pflegebedürftigen er­

leichtern, während die Ressourcen der Pflegenden gezielter eingesetzt werden können. Eine Hilfe ist die Robotik also allemal. Doch eines wird ein Roboter wohl nie lernen können:

Empathie.

IST EIN ROBOTER HAFTBAR?

BISHER NICHT. Wenn ein Roboter einen Menschen verletzt, steht schnell die Frage nach der Haftung im Raum.

Strafrechtlich können nur natürliche Personen für ihr Han­

deln verantwortlich gemacht werden. Im Zivilrecht auch juristische – nur ist ein Roboter derzeit weder eine natür­

liche noch eine juristische Person. Hersteller sind haftbar, wenn sie nachweislich einen Fehler beim Bau oder bei der Programmierung gemacht haben. Aber auch das ist mit der stetigen Weiterentwicklung des Maschinellen Lernens nur schwer nachvollziehbar.

Als mögliche Lösung wird die Einführung einer neuen Rechtspersönlichkeit diskutiert, die „elektronische Person“.

Das wirft wiederum ganz andere Fragen auf: Von welchem Vermögen würde ein Roboter seine Geldstrafe bezahlen? Und würde ihm eine Freiheitsstrafe überhaupt etwas ausmachen?

37

Verrückte

KI-Welt

Die Wege des Algorithmus sind manchmal un­

ergründlich und führen zu unerwartet komi­

schen Situationen. Wenn ein selbstlernendes

System zu Ergebnissen kommt, die nicht ganz

den Erwartungen entsprechen, kann das ganz

schön skurril sein. Was unter anderem Bob,

Alice, Alexa und Walter damit zu tun haben,

erfahren Sie in unserer verrückten KI­Welt.

WAS REDEN DIE DA?

BOB: I CAN CAN I I EVERYTHING ELSE.

ALICE: BALLS HAVE ZERO TO ME TO ME TO ME TO ME TO ME TO ME TO ME TO ME TO.

So sah die Unterhaltung aus, die Bob und Alice, zwei von Facebook entwickelte Chatbots, miteinander führten.

Eigentlich sollten sie sich gegenseitig das Verhandeln beibringen, um besser mit Menschen kommunizieren zu können. Im Laufe ihrer Unterhaltung begannen sie allerdings damit, ihre eigenen Codes zu entwickeln.

Die Forschenden konnten die Systeme nun nicht mehr verstehen und schalteten Bob und Alice zunächst ab.

Auf der Suche nach der Ursache für das misslungene Expe­

riment fanden die Entwicklerinnen und Entwickler heraus, dass sie übersehen hatten, der KI die Bedingung zu stellen, ausschließlich englisch zu sprechen. Eine optimierte Ver­

sion der Chatbots ist inzwischen wieder in Betrieb.

WENN ALEXA FEIERT

Feiern, bis die Polizei kommt: In Hamburg war das auch ohne Gäste Realität. Denn Alexa, der digitale Sprachassis­

tent des Online­Versandhändlers Amazon, entschied sich an einem Freitagabend dazu, die Musik via Lautsprecher voll aufzudrehen, während der Eigentümer selbst auf der

39

Reeperbahn unterwegs war. Gegen halb zwei rief eine ge­

nervte Nachbarin die Polizei. Als auch nach wiederholtem Klingeln und Klopfen niemand öffnete, brach diese die Tür auf und beendete die Alexa­Party.

Mittlerweile wurde geklärt, wer die Fete schmiss: Alexa war wohl via Fernzugriff aktiviert und auf maximale Lautstärke gestellt worden. Amazon bezahlte die Folgekosten der Party trotzdem.

KI ERFINDET SPORTART

„Speedgate“ nennt sich eine neue Sportart, die von einer Künstlichen Intelligenz erfunden wurde. Hierfür wurde eine Software über zwei Monate mit mehr als 400 Sport­

arten, 7.300 Regeln und 10.000 Markendesigns aus aller Welt gefüttert. Aus 1.000 Vorschlägen der KI wählten die Forschenden schließlich das temporeiche Spiel aus.

Zwei Teams aus je sechs Spielerinnen und Spielern stehen sich gegenüber und erzielen Punkte, indem sie einen Ball durch eines von drei Toren werfen.

Von der Oregon Sports Authority ist das Speedgate schon als neues Spiel anerkannt worden.

Lust auf ein Match?

WO IST WALTER?

Nicht ganz im Sinne des Autors: Die US­amerikanische Kreativagentur redpepper hatte genug von der ewigen Suche in der Kinderbuchreihe „Wo ist Walter?“. Also baute sie einen Suchroboter, der darauf spezialisiert ist, auf jedem Wimmelbild den Mann im rot­weiß gestreiften Outfit zu finden. Die Maschine, die mit günstiger Hard­ und offener Software gebaut wurde, zeigt dann mit einer kleinen Gummihand auf den bebrillten Walter, wenn sie sich zu 95 Prozent sicher ist, ihn gefunden zu haben.

Es brauchte insgesamt nur 62 Walter­Köpfe und 45 Walter­Figuren, um den Roboter per Maschinellem Lernen zu trainieren. Der bisherige Suchrekord:

4,45 Sekunden – damit ist der Roboter wohl schneller als jedes Kind.

41

Plattform Lernende Systeme

„Lernende Systeme – Die Plattform für Künstliche Intelligenz“ (PLS) wurde im Jahr 2017 vom BMBF ins Leben gerufen.

Sie fördert den Dialog zwischen Wissenschaft, Wirtschaft, Gesellschaft und Politik und erarbeitet Handlungsempfehlungen, um Deutschland international führend für lernende Systeme zu positionieren.

PLATTFORM-LERNENDE-SYSTEME.DE

Die Wissenschaftsjahre

Die Wissenschaftsjahre sind eine Initiative des BMBF, gemeinsam mit Wissenschaft im Dialog (WiD).

Sie setzen sich jedes Jahr mit einem neuen spannenden Thema – wie zum Beispiel KI – auseinander und bereiten es für Bürgerinnen und Bürger transparent, interes­

sant und niedrigschwellig auf. Neugierig, was dieses Jahr auf der Agenda steht?

WISSENSCHAFTSJAHR.DE

Weitere Informationen unter:

KI-STRATEGIE-DEUTSCHLAND.DE

Wollen Sie noch mehr erfahren?

# ^ChanceKI

Bildnachweise:

S. 2: BMBF/Laurence Chaperon S. 5: Getty Images/Westend61 S. 6: Getty Images/Viaframe S. 7: BMBF/Eva Blank S. 8: Getty Images/alashi S. 9, 11, 14, 15, 16, 17, 20, 21, 27, 31, 39:

Getty Images/miakievy S. 11: BMBF

S. 14, 17: Getty Images/lushik S. 15: Adobe Stock, Steve Young S. 15: gemeinfrei

S. 15: Getty Images/

Tomekbudujedomek S. 16: gemeinfrei

S. 21: Adobe Stock/motorama S. 21: BMBF/Hans­Joachim Rickel S. 23: BMBF

S. 24, 25: Adobe Stock/Trueffelpix S. 26: Adobe Stock/metamorworks S. 26: AdobeStock/

vectorstockcompany S. 28: Adobe Stock/Gorodenkoff S. 28: Adobe Stock/LAFS S. 30, 31: Adobe Stock/~Bitter~

S. 31: Adobe Stock/alarts S. 33: Adobe Stock/sunt S. 34: BMBF/Wissenschaftsjahr 2018 S. 37: Adobe Stock/M.Dörr&M.

Frommherz

S. 39: Adobe Stock/Premium Icons S. 41: Getty Images/cnythzl S. 41: Screenshot, vimeo.

com/329197612

BOT OR NOT

DIE AUFLÖSUNG

Das Gedicht „Weltraum der Straßen“

hat eine Maschine verfasst, das Gedicht

„Chancen für uns“ wurde von Anna Teufel, also einem Menschen, geschrieben. Haben Sie richtig geraten?

?

bmbf.de

IMPRESSUM

Herausgeber

Bundesministerium für Bildung und Forschung (BMBF) Referat Öffentlichkeitsarbeit 10117 Berlin

Bestellungen schriftlich an Publikationsversand der Bundesregierung Postfach 48 10 09 18132 Rostock E-Mail:

publikationen@bundesregierung.de Internet: bmbf.de

Tel.: 030 18 272 272 1 Fax: 030 18 10 272 272 1 Stand

März 2020

Text und Gestaltung familie redlich AG – Agentur für Marken und Kommunikation KOMPAKTMEDIEN – Agentur für Kommunikation GmbH Druck

BMBF

Diese Publikation wird vom Bundesministerium für Bildung und Forschung kostenlos heraus­

gegeben. Sie ist nicht zum Verkauf bestimmt und darf nicht zur Wahl­

werbung politischer Parteien oder Gruppen eingesetzt werden.