Lernende Maschinen

Bild: Thinkstock

Maschinen, die sich selbstständig etwas beibringen können, sind seit Jahrzehnten absolute Renner in der Science-Fiction-Literatur. Dank immer performanterer Prozessoren rückt es aber immer mehr aus der Fiction raus und wird zur Science.

Ein Computer, der erkennt, was auf einem Bild abgebildet ist. Oder ein menschliches Pfeifen aufnimmt und erkennt, welches Lied da gepfiffen wurde. Oder sogar die Meisterschaft der Disziplin: ein Gespräch (bzw. einen schriftlichen Chat) mit einem Menschen führt, ohne dass der Mensch merkt, dass er sich mit einer Maschine unterhält (auch bekannt als "Turing-Test"). Bis vor ein paar Jahren waren solche Anwendungen kaum denkbar, da für solche Aufgaben ein unglaublich großer Rechenaufwand notwendig ist. Nachdem aber moderne CPUs und GPUs (also Hauptprozessoren und Grafikprozessoren) immer leistungsfähiger und auch besser miteinander verbunden werden, können wir einige dieser Anwendungen heute bereits verwenden - zumindest, wenn wir mit ein paar Einschränkungen leben können. Bisher waren diese Sachen für uns als Endanwender auch nicht so wichtig, da wir sie meistens als Spielerei oder Zeitvertreib wahrgenommen haben. Spätestens ab dem Zeitpunkt, an dem selbstfahrende Autos für den Straßenverkehr zugelassen werden, wird "Deep Learning" bei Maschinen ein beinahe schon lebenswichtiger Punkt.

Von der Biologie zur Informatik

Interessanterweise ist es vor allem Wissen über biologische Themen, die für das maschinelle Lernen in der Informatik am wichtigsten ist. Am Besten lernt nämlich nach wie vor das (menschliche) Gehirn. Um also auch eine Maschine zum Lernen zu bringen, wäre es wohl das einfachste, einfach ein menschliches Gehirn nachzubauen. Das ist aber gar nicht so leicht, wissen wir doch nach wie vor nicht in allen Einzelheiten, wie unser Gehirn eigentlich funktioniert. Erste Versuche, die Leistung des Gehirns auf Maschinen zu übertragen gab es nämlich schon in den 1940er Jahren, als einzelne künstliche Neuronen miteinander vernetzt wurden. Spätestens, wenn es aber darum geht, viele Millionen künstliche Neuronen zu vernetzen (wie es unser Gehirn ganz natürlich macht), stößt man schnell an technische Grenzen. Die Vernetzung von sehr, sehr vielen Neuronen ist aber notwendig, um für das Lernen wichtige Vorgehensweisen (zusammenfassen, abstrahieren und die so entstandenen Regeln auf neue Probleme anwenden) überhaupt erst möglich zu machen. Echtes Lernen beinhaltet einfach deutlich mehr, als einmal vorgestelle Inhalte irgendwann wieder reproduzieren zu können.

Stand der Forschung

Wie bereits erwähnt befasst sich die Informatik schon seit mehr als einem halben Jahrhundert mit dem Thema des maschinellen Lernens. Im Jahr 1950 schlug einer der wichtigsten Theoretiker der frühen Informatik, Alan Turing, einen Test vor, mit welchem festgestellt werden soll, ob eine Maschine ein dem Menschen gleichwertiges Denkvermögen besitzt. Dabei sollte eine menschliche Testperson mittels Bildschirm und Tastatur eine Unterhaltung ohne Sicht- und Hörkontakt mit zwei Gesprächspartnern führen. Einer davon ein Mensch, der Zweite eine Maschine. Erst, wenn die Testperson durch die Unterhaltung nicht herausfinden kann, welcher Kontakt eine Maschine ist, gilt der Turing-Test als bestanden. Bisher ist das allerdings noch keinem Gerät gelungen. Seit 1991 ist für das Bestehen des Turing-Tests der sog. Loebner-Preis ausgeschrieben, der bei bestandenem Test (der auch Dinge wie Sprache, Musik, Videos und Bilder beinhaltet) mit 100.000 Dollar dotiert ist. Immerhin 25.000 Dollar würde es noch geben, wenn der Test nur schriftlich bestanden wird. Sie sehen also: es kann sich durchaus lohnen, sich in diesem Bereich zu betätigen.

Während Turing selbst schätzte, dass der Test spätestens im Jahr 2000 bestanden werden müsste, sind sich einige Forscher nicht mehr ganz so sicher, ob man bei diesem Problem in näherer Zukunft zu einer Lösung kommen kann. Zu viel ist bei menschlicher Interaktion einfach von Gefühlen, Zufällen, Erfahrungen, Bedürnissen und vielen anderen Faktoren abhängig. Dass uns Maschinen in Zukunft also bei immer mehr Sachen unterstützen ist trivial und so gut wie sicher. Dass sie uns irgenwann ersetzten - nunja - darüber wird man sich wohl noch lange streiten können ...

Ihre Meinung