Was uns die KI-Forschung über die menschliche Intelligenz verrät

Was uns die KI-Forschung über die menschliche Intelligenz verrät

Die KI-Forschung hat sich bisher schwer getan, das Gehirn nachzubilden. Dennoch kann sie uns eine Menge über die menschliche Intelligenz lehren.

Sicher, die Fortschritte in der Forschung zur künstlichen Intelligenz sind beeindruckend: Programme, die immer mehr Daten durchforsten, übersetzen, Texte erzeugen, Bilder sortieren oder Spiele spielen. Aber die heutigen Systeme sind alle Spezialisten, sie glänzen in ihren jeweiligen Bereichen, scheitern aber an der Komplexität und dem bunten Durcheinander der Welt.

Natürlich ist es nicht falsch, sich darauf zu konzentrieren, Spezialisten zu machen. Nur sieht es bisher nicht so aus, als würden sie wirklich schlau werden, schlau genug, um z. B. einen Roboter-Butler zu liefern, das lang erwartete vollautonome Fahrzeug zu bauen oder mit Mehrdeutigkeit, Ironie und allgemein mit Abweichungen von den Erwartungen umzugehen. “Die KI-Forschung ist technologisch sehr erfolgreich”, sagt Iris van Rooij, außerordentliche Professorin für kognitive Neurowissenschaften an der School of Psychology and Artificial Intelligence der Radboud University Nijmegen. “Aber es wird immer deutlicher, dass dies nicht ausreicht, dass etwas fehlt und dass dies wahrscheinlich schon immer so war.”

 

Menschliche Kognition als Datenverarbeitung

Einige Forscher suchen nach diesem fehlenden Etwas im Gehirn. Sie gehen davon aus, dass wir zuerst das Gehirn verstehen müssen, um intelligente Maschinen zu bauen, denn die Funktionsweise und Architektur des Gehirns könnte dann als Modell für intelligente Maschinen dienen. “Die Zukunft der künstlichen Intelligenz wird auf den Prinzipien des Gehirns beruhen”, schreibt zum Beispiel der Kognitionswissenschaftler, Informatiker und Unternehmer Jeff Hawkins in seinem neuen Buch “A Thousand Brains. Eine neue Theorie der Intelligenz” (New York 2021).

Die grundlegende Funktionsweise des Gehirns besteht laut Hawkins darin, in der Rinde viele konkurrierende Modelle der Welt zu erzeugen und sie in einer Art Wettbewerb gegeneinander auszuspielen. Das Modell der Welt, das sich durchsetzt, bestimmt dann, wie wir die Welt wahrnehmen. “Wenn wir erst einmal herausgefunden haben, wie man solche kortikalen Säulen baut, sollte es relativ einfach sein, eine große Anzahl von ihnen in eine Maschine einzubauen, um sie intelligenter zu machen.” Ja, das ist es. Denn das Problem bei der Nachbildung des Gehirns liegt genau in der Komplexität dieses Organs. Es wird wahrscheinlich einige Zeit dauern, bis wir in seine Funktionsweise eindringen können.

Deshalb versucht die Kognitionsforschung seit ihren Anfängen, sich auf eine Ebene zu retten, die über den neurowissenschaftlichen Details liegt, eine Ebene, auf der das, was intelligentes Verhalten möglich macht, als eine Art Datenverarbeitung, “Computation”, verstanden werden kann, unabhängig davon, ob sie mit Neuronen oder geschickt angeordneten Transistoren erfolgt.

Selbst der Begriff “Berechnung” sorgt noch für Verwirrung: Bedeutet er, dass das Gehirn ein Computer ist? Oder dass es wie ein Computer funktioniert? Und über welche Art von Computer reden wir? “Zum Glück müssen wir diese Frage gar nicht beantworten”, sagt van Rooij. “Die interessante Frage ist nicht, ob das Gehirn ein Computer ist, sondern ob sich Kognition besser erklären lässt, wenn wir sie als Datenverarbeitung betrachten.” Für den Forscher steht “Berechnung” in erster Linie für eine bestimmte Qualität von Theorien: Diese sollten kognitive Fähigkeiten genau und vollständig beschreiben, in endlicher Zeit überprüfbar sein und idealerweise so detailliert sein, dass man diese Fähigkeiten in einem Computer nachbilden kann. “Auch diese Theorien haben Mängel, aber sie sind nicht annähernd so wichtig wie die, die weniger formell formuliert sind”, sagt van Rooij, der gerne Probleme findet, für die andere fertige Lösungen sehen.

 

Wissen über die Welten anderer Menschen

Zum Beispiel in dem Hintergrundwissen, das Menschen in jede Interaktion einbringen, das aber kaum durch Regeln erfasst werden kann. In einem Forschungsprojekt haben van Rooij und seine Kollegen zum Beispiel zwei Meerschweinchen immer wieder sogenannte “Fribbles” gezeigt: scherenschnittartige Figuren auf einem Bildschirm, den sie so gestaltet hatten, dass kein bestimmtes Objekt zu sehen war. Eine der Versuchspersonen musste dann ein “Fribble” auswählen und der anderen erklären, um welches Fribble es sich handelte, wobei sie nur die Sprache benutzen durften: “Der Pinguin dort auf seiner Eisscholle.” “Hä? Der, der aussieht wie ein Kellner mit einem großen Hut?” “Na ja, wenn du zur Seite schaust…”

So schnell wie Menschen solche Aufgaben lösen, ist es schwer, das bei künstlichen Systemen nachzumachen. “Man muss berücksichtigen, was die andere Person weiß und wie sie die Welt sieht”, erklärt van Rooij. “Wenn ich denke, dass du nicht weißt, was ein Pinguin ist, verwende ich das Bild nicht.” Ein Algorithmus hingegen hat keine Ahnung, was andere Menschen über die Welt wissen.

Der Grund, warum sie funktionieren, ist, dass dieses Wissen über die Welt unbewusst in Computerprogramme und Erkenntnistheorien einfließt, erklärt van Rooij. “In der Kognitionsforschung ist es wie in der KI: Menschen machen einen Großteil der Arbeit, die eigentlich Modelle oder Programme machen sollten. Der Mensch gibt den Rahmen vor, definiert die Aufgaben und sagt, was wichtig ist, besonders bei Dingen, die schwer zu formalisieren sind.” Sobald der Mensch ausgeschaltet ist, kann ein solches Programm nur noch das tun, was ihm aufgetragen wurde, und die scheinbare Intelligenz verschwindet. “Wir machen uns etwas vor, wenn wir glauben, dass wir die Wissenschaft automatisieren können”, sagt van Rooij. Künstliche Intelligenz scheint nicht durch traditionelle, “rechnerische” Mittel zu entstehen. Aber mit welchen Mitteln dann? “Ich kenne die Antwort auch nicht”, sagte sie, “aber es könnte damit zu tun haben, dass man die Bedeutung des Körpers und der Umwelt besser berücksichtigt.”

Der Mathematiker Alan Turing hatte bereits 1950 weitsichtig ein solches “verkörpertes” Forschungsprogramm formuliert: Eine Möglichkeit, eine denkende Maschine zu bauen, könnte darin bestehen, einen Roboter mit den besten künstlichen Sinnen auszustatten, die man für Geld kaufen kann, und ihn dann wie ein Kind zu erziehen, schrieb er. Technisch gesehen ist dieser Weg schwieriger als das Experimentieren mit körperlosen Programmen. Giulio Sandini, Professor für Bioengineering an der Universität Genua und Gründungsdirektor des Italienischen Technologieinstituts, ist einer derjenigen, die diesen Weg gehen. “Ich möchte die Grundlagen der biologischen Kognition aus der Sicht eines Ingenieurs verstehen”, erklärt er. “Also mit einer Mischung aus Modellierung, wie es Ingenieure tun, und dem Studium des menschlichen Verhaltens.” Auch ihm geht es nicht um Nachahmung, um Biomimikry, sondern darum zu verstehen, warum etwas so und nicht anders funktioniert. “Wenn du weißt, wie ein Vogel fliegt, kannst du versuchen, ihn nachzuahmen; wenn du das Prinzip des Fliegens verstehst, kannst du ein Flugzeug bauen und brauchst keinen Flügelschlag.”

 

Verkörperte Intelligenz in einem Roboterkörper

Wie kann man zum Beispiel die Leistung der Netzhaut mit einem Computer simulieren? Die Netzhaut erzeugt ein Bild, das in der Mitte scharf ist, aber zu den Rändern hin immer unschärfer wird. “Das ist ein gutes Beispiel dafür, wie das Gehirn spärliche Daten verarbeitet”, erklärt Sandini. “Du kannst richtig sehen, solange du deinen Kopf bewegst. Das ist wichtig: Wenn du einen Sensor baust, der das Auge nachahmt, verstehst du nicht, warum sich das Auge so entwickelt hat, wie es ist. Die Bewegung ist ein Teil davon; das Auge funktioniert nur im Körper. Also statteten wir einen Roboterkopf mit Kameras aus, die von Motoren bewegt wurden, und experimentierten mit Algorithmen für die visuelle Aufmerksamkeit. Die nächste Investition war ein Roboterarm, der die Frage aufwarf, wie sich das Gehirn die Position des Arms, die zum Greifen eines Objekts erforderliche Position und die jeweils richtige Ausrichtung der Hand merkt.

Das scheint weit entfernt von intelligenten Maschinen zu sein, aber in der Überzeugung, dass es ohne einen Körper keinen intelligenten Geist gibt, entwickelten Sandini und sein Team vor 15 Jahren mit finanzieller Unterstützung der EU iCub, einen Roboter von der Größe und Form eines Dreijährigen, mit großen Augen, einer Stupsnase und zarten Händen. Das ist ein Roboter in der Größe eines Dreijährigen, mit großen Augen, einer Stupsnase und zarten Händen. Mund und Augenbrauen leuchten knallrot durch das weiße Plastikgesicht. iCub ist eine Plattform, was bedeutet, dass es nicht nur einen, sondern etwa 40 dieser Kinderroboter gibt, die meisten, aber nicht alle, in europäischen Laboren. Die verschiedenen Forschungsgruppen bringen dem kleinen Kerl verschiedene Fähigkeiten bei, wie zum Beispiel auf einem Bein zu balancieren oder von anderen zu lernen, wie man mit bestimmten Gegenständen umgeht.

Heute ist Sandini mit iCub nur halb zufrieden: “Aus technischer Sicht ist es ein sehr gutes System und eine sehr gute Grundlage, um kognitives Verhalten zu reproduzieren. Aber alle Lösungen, die wir gefunden haben, sind Einzelfälle, individuelle Verhaltensweisen. Wir können einen Algorithmus von einem iCub auf einen anderen übertragen, aber wir können sie nicht zusammenbringen. Dafür fehlt uns eine ‘kognitive Architektur’.” Diese soll einen Kontext schaffen, der es ermöglicht, Forschungsergebnisse über Wahrnehmung, Handeln, Lernen, Gedächtnis, Anpassung, Motivation, Aufmerksamkeit und Zukunftserwartungen in einen Roboter zu integrieren. “Es wäre eine Art Gehirn, an dem wir gemeinsam arbeiten könnten.”

Seit den 1980er Jahren wird an kognitiven Architekturen geforscht, aber in letzter Zeit war es eher ruhig. Jetzt hat Sandini eine Open-Source-Initiative namens iCog gestartet. Das Ziel ist nicht, einen großen Plan für Intelligenz zu entwerfen, sondern in erster Linie eine Arbeitsumgebung zu schaffen, in der Forscherinnen und Forscher damit experimentieren können, verschiedene Forschungsergebnisse aus den verschiedenen Disziplinen der Kognitionsforschung zusammenzubringen. Diesmal wird der Körper nicht vergessen, schließlich gibt es iCub, um die entstandenen Programme gleich an einem Roboter zu testen. Vielleicht entsteht aus den vielen Spezialisten schließlich ein Generalist, der dem Menschen und seiner Flexibilität ein wenig näher kommt. “Wir machen das, um den Menschen besser zu verstehen, um ein Modell der menschlichen Kognition zu bauen”, sagt Sandini. Und nichts treibt die Forscher mehr an, die Lücken in ihren Modellen zu füllen, als ein dummer kleiner Roboter.