Warum die Herrschaft der Roboter nicht in Sicht ist

Roboter; Gehrin

Dieses Post  dient dem Nachdenken über künstliche Intelligenz  und Roboter. In dem  unten verlinkten (englischsprachigen) Blogpost beschäftigt sich der Mathematikstudent Tim Dettmers mit dem Unterschied zwischen menschlichem und maschinellem Lernen.

Der recht lange Beitrag steigt auch tief in Erkenntnisse der Gehirnforschung und der Biologie ein – ist also keine leichte Kost. Es ist der erste Teil einer dreiteiligen Serie, die in den kommenden Tagen und Wochen komplettiert werden soll. Aber da bei diesem Thema unter dem Schlagwort „Herrschaft der Roboter“ oft oberflächlich diskutiert wird, lohnt es sich wirklich, einmal tiefer einzusteigen, insbesondere für jeden, der in irgendeiner Weise mit der Frage beschäftigt ist, wie denn die IT langfristig unser menschliches Leben umkrempeln wird.  Damit der Zugang zu dem Text einfacher wird, will ich einige Kernthesen des Artikels kurz zusammenfassen.

1. Die rein technologiebasierten Hochrechnungen zur künstlichen Intelligenz vernachlässigen neuere Erkenntnisse der Biologie, die unser Gehirn als viel komplexer betrachtet als noch vor wenigen Jahren.

2. Die heutigen Simulationen können die wahren Prozesse im Gehirn nicht ansatzweise abbilden.

3. Allein die Zahlen zu den  entscheidenden Komponenten  im Gehirn, etwa den Verknüpfungen namens Synapsen und Neuronen,  sprengen alle Dimensionen: Das Gehirn eines Kindes hat 15 Billionen Synapsen und 100 Milliarden Neuronen. Mechanistische Vergleichsrechnungen mit Computern führen hier nicht weiter.

4. Ein weiterer Abschnitt erklärt komplexe Prozesse im Gehirn: Die wichtigste „bottom line“: Ein Prozess namens „Dendritic Spikes“, der hohe Gehirnleistungen ermöglicht, wird erst seit 2013 in seiner Bedeutung zumindest ansatzweise verstanden! Dieser unglaublich komplexe Prozess, der etwa entscheidend ist für Gedächtnisleistungen, ist bisher in den Prognosen zur maschinellen Intelligenz noch gar nicht enthalten.

5. Jenseits der bisher berücksichtigen neuronalen, „elektrischen“ Reize, die zur Analogie mit dem Computer reizen, kommen noch ganz andere Informationsprozesse, die viel schlechter mit den Prozessen in einem Rechner vergleichbar sind. Das ist etwa die Informationsübermittlung durch Proteine und genetische „Programmierung“ hinzu. Zitat: „Looking back at all this, it seems rather strange that so many researchers think they that they can replicate the brain’s behavior by concentrating on the electrochemical properties and inter-neuron interactions only.“

Roboter müssen flexibel lernen können – das ist nicht so einfach

6. Zwischenfazit: „Currently, it is not precisely known how the brain learns. We do know that it adjusts synapses with some sort of reinforcement learning algorithm in order to learn new memories, but the precise details are unclear and the weak and contradicting evidence indicates that we are missing some important pieces of the puzzle.“

7. Der Autor versucht dann, mit dem Wissen um diese teilweise noch unbekannten Komplexitäten, eine mathematische Berechnung,die abschätzen lässt. welche Leistungsfähigkeit wirklich nötig ist, um dem menschlichen Gehirn Paroli zu bieten. Nebenbei zerreisst er dann auch nochmal die populäte Analogie, welche die Funktíonsweise eines Neurons im Gehirn mit den binären  Computerschaltzuständen 0 und 1 vergleicht. Zitat: „So my estimate would be 1.075×10^21 FLOPS for the brain, the fastest computer on earth as of July 2013 has 0.58×10^15 FLOPS for practical application.“ Also hat Pi mal Daumen, wenn ich richtig rechne,  der beste Computer der Welt nicht einmal ein Milliardstel des komplexen Gesamtpotenzials des Gehirns erreicht. (Wer mich korrigieren will, darf das gerne tun.)  Dass Computer in einigen Fertigkeiten uns klar übertreffen, ist davon unberührt: Wir reden von Leistungen wie Kreativität und komplexes Gedächtnis.

8. Brauchen wir vielleicht aber weniger schiere Rechenpower im Computer, weil unsere Algorithmen so viel besser sind? Zitat: „I hope you can see after the descriptions in this blog post that this statement is rather arrogant.“

9. Der Wettlauf um die besten Supercomputer weltweit ist teilweise grotesk, weil sie oft in der praktischen Anwendung nicht halten, was sie versprechen. So bleibt laut dem Autor bei dem prestigeträchtigen, weltgrößten Supercomputer namens Tianhe-2 aus China die meiste Kapazität wegen praktischer Hindernisse ungenutzt. Die technischen Bausteine, die das für künstliche Intelligenz und für anpassungsfähige Roboter nötige, so genannte „Deep Learning“ möglich sind, entwickeln sich zudem langsamer als die übrige Technik.

10. Gesamtfazit: „With current rates of growth in computational power we could achieve supercomputers with brain-like capabilities by the year 2037, but estimates after the year 2080 seem more realistic when all evidence is taken into account. This estimate only holds true if we succed to stomp limitations like physical barriers (for example quantum-tunneling), capital costs for semiconductor fabrication plants, and growing electrical costs. At the same time we constantly need to innovate to solve memory bandwidth and network bandwidth problems which are or will be the bottlenecks in supercomputing. With these considerations taken into account, it is practically rather unlikely that we will achieve human-like processing capabilities anytime soon.“

Wie gesagt: Keine leichte Lektüre, aber eine hilfreiche Mahnung, wenn man wieder von besorgten Visionären vom Schlage eines Elon Musk liest, die solche Realitäten beim Thema Roboter ignorieren. Ich kann nicht beurteilen, inwieweit der Beitrag nun den globalen Forschungskonsens widerspiegelt. Aber er ist detailreich, gründlich und dennoch insgesamt verständlich. Auch die Kommentare im Anschluss sind aufschlussreich und von hohem Niveau.  Wer jetzt doch noch nicht von der Lektüre abgeschreckt ist, dem sei gesagt, dass man nicht jedes Detail verstehen muss. Der Aha-Effekt, der zu etwas mehr technologischer Bescheidenheit und etwas mehr Respekt vor dem in Jahrmillionen entwickelten Gehirn führt, ist das Wichtigste.

Why smart robots will not take over (Bloglink)

Kommentar hinterlassen zu "Warum die Herrschaft der Roboter nicht in Sicht ist"

Hinterlasse einen Kommentar

E-Mail Adresse wird nicht veröffentlicht.


*