Systeme, die selbst dazulernen, ohne dass jemand ihnen etwas explizit beibringt, die selbstständig Muster erkennen und daraus Schlüsse ziehen – das war lange Zeit eher Material für Science Fiction. In den letzten Jahren hat die Forschung zu künstlicher Intelligenz große Schritte gemacht. Wie große Schritte möglich sind, will laut „The Register“ jetzt ein Forscherteam von Google entdeckt haben. Allerdings eher unbeabsichtigt: Denn deren Systeme zur Bilderkennung sind mittlerweile so gut, dass die Entwickler es nach eigenen Aussagen selbst nicht mehr verstehen oder erklären können. Die Computer hätten sich anhand von Analysematerial eigenständig neue Methoden beigebracht.
„Deep learning“
Das Stichwort hier heißt „Deep learning“, einem Begriff aus dem maschinellen Lernen, das wiederum zum Forschungsgebiet Künstliche Intelligenz gehört. Im Zentrum von „Deep learning“ stehen das Lernen und die Analyse anhand von verschiedenen Ebenen. Für die Bildanalyse beispielsweise wird bei den einfachen Grundlagen wie Pixelfarbe und -anordnung angefangen. Über mehrere Ebenen werden die Analysen dann immer präziser und führen – idealerweise – dann zur korrekten Bilderkennung. Und diese aufeinander aufbauenden Ebenen können dann vom Computer dazu genutzt werden, Algorithmen zu unterschiedlichen Motiven beziehungsweise Objekten zu erstellen.
Wie Google-Ingenieur Quoc V. Le am Freitag auf einer Fachkonferenz erklärte, haben sich Google-Rechner nun offenbar ein Stück weit selbstständig gemacht. Bei ihren Forschungen können die Google-Techniker auf die riesigen Datenmengen des Unternehmens zugreifen, um den Systemen genug Lernmaterial zur Verfügung zu stellen. Bereits letzten Juni hatte die „New York Times“ große Schlagzeilen gemacht, dass Google-Netzwerke sich selbst beigebracht hatten, Katzen zu erkennen. Auch da sollten die System sich selbst erarbeiten, was für Merkmale eine Katze eigentlich hat.
Doch jetzt soll die Software noch einen Schritt weiter gegangen sein: Der Computer habe Papierschredder zuverlässiger erkannt als Menschen das geschafft hätten, so Le. Und das alles, ohne dass ihm die (teils nur schwer erkennbaren) Merkmale einprogrammiert worden seien. Und vor allem verstehen die Ingenieure nicht mehr, wie die Algorithmen dazu entstanden sind. Laut Le sind sie aus den Daten selbst entstanden, statt für die Daten programmiert zu werden. Tatsächlich ein selbst lernender Computer? Steht HAL schon vor der Haustür?
Skepsis macht sich breit
Etwas gesunde Skepsis bleibt bei aller Euphorie allerdings angebracht. Zumal auch die Ergebnisse der Google-Forschung nicht wirklich detailliert oder bisher ausführlich belegt sind – inklusive des Vergleichs mit dem Schredder, der einige Fragen offen lässt. Solange nicht entweder klar wird, wie das Vergleichsmaterial ausgesehen hat, oder aber Google weitere überzeugende Versuchsreihen publik macht, werden die Zweifler nicht verstummen. Einige Spötter scheuen sich jedenfalls nicht, bereits zu behaupten, dass die Google-Techniker ihren eigenen Code nicht mehr durchblicken.
Für den Moment ist eines klar: Bildanalyse funktioniert oft auf beeindruckende Weise, scheitert aber auch immer mal wieder. Google setzt große Hoffnungen darauf, dass Systeme selbst lernen, wenn man ihnen nur genügend Daten zur Verfügung stellt. Eine vollständige künstliche Intelligenz ist das aber noch nicht: Dafür sind die Bereiche, in denen die Systeme arbeiten, doch noch zu schmal und auf einzelne Faktoren begrenzt – eher dumme Spezialisten mit sehr kleinem Fachwissen als wirkliche Denker. Im Moment ist das menschliche Hirn also noch überlegen. Trotz angeblicher Schwächen im Erkennen von Büromaterial.
Bild: Sean Davis / Flickr (CC BY-ND 2.0)
