Direkt zum Hauptinhalt springen Direkt zum Hauptmenü springen

Bildwortmarke: Deutscher BundestagDeutscher Bundestag

Dokumente

Artikel

 

Sachver­ständige klären Be­grif­fe rund um „Künst­liche Intelli­genz“

herunterladen

Dialog schließen

Sehr geehrte Nutzerinnen und Nutzer, bitte bestätigen Sie vor dem Download des gewünschten Videos, dass Sie unseren Nutzungsbedingungen zustimmen. Ohne die Zustimmung ist der Download des Videoclips leider nicht möglich.

einbetten

Dialog schließen

Fügen Sie den folgenden Code in HTML-Seiten ein, um den Player auf Ihrer Webseite zu verwenden. Es gelten die Nutzungsbedingungen des Deutschen Bundestages.

<script id="tv7280954" src="https://webtv.bundestag.de/player/macros/bttv/hls/player.js?content=7280954&phi=default"></script>

Die Enquete-Kommission „Künstliche Intelligenz - Gesellschaftliche Verantwortung und wirtschaftliche, soziale und ökologische Potenziale“ ist am Montag, 15. Oktober 2018, mit begriffsklärenden Vorträgen in eine ganztägige Klausurtagung gestartet. Fünf Sachverständige der Kommission erläuterten dabei in öffentlicher Sitzung Grundbegriffe rund um die „Künstliche Intelligenz“. In nichtöffentlicher Sitzung schloss sich eine Fragerunde an. 

„Starke KI“ und „schwache KI“

Dr. Aljoscha Burchardt (DFKI, Deutsches Forschungszentrum für Künstliche Intelligenz) führte aus, dass der Begriff „Künstliche Intelligenz“ (KI) schwer zu definieren sei, weil auch der Begriff der menschlichen Intelligenz kaum definiert sei. Burchardt unterschied grundlegend zwischen „starker KI“ als Vorstellung eines den Menschen imitierenden Systems und „schwacher KI“ als Einzeltechnologien zur „smarten Mensch-Maschinen-Interaktion“. Über „starke KI“ werde im seriösen Umfeld eigentlich nicht geredet. Der Fokus liegt laut Burchardt vielmehr auf der „schwachen KI“. In diesem Sinne ist laut Burchardt KI, insbesondere durch das maschinelle Lernen, das wesentliche Mittel der „zweiten Welle der Digitalisierung“.

„Kanon von interdisziplinären Wissenschaften“

Prof. Dr. Antonio Krüger (ebenfalls DFKI) stellte die KI-Forschung als einen „Kanon von interdisziplinären Wissenschaften“ dar. So differenzierte er etwa zwischen ingenieurwissenschaftlichen Zielen der KI-Entwicklung, die den wesentlichen Einsatzbereich ausmachten, und kognitionswissenschaftlichen Zielen. Im letzteren Bereich werde KI genutzt, um kognitive Prozesse besser zu verstehen. Krüger führte aus, dass KI-Systeme aktuell grundsätzlich besser mit aus menschlicher Sicht schweren Problemen, beispielsweise dem Suchen von Fehlern in Computerchips oder das Spielen von Schach auf höchsten Niveau, umgehen könnten. Aus menschlicher Sicht leichte Probleme, beispielsweise eine SIM-Karte zu wechseln oder einen Witz zu verstehen, seien für KI-Systeme hingegen schwer zu lösen.

Zwei Grundängste gegenüber der KI

Prof. Dr. Katharina Zweig (Technische Universität Kaiserslautern) ging in ihrem Vortrag auf zwei Grundängste gegenüber der KI ein: Menschen fürchteten demnach sowohl eine KI, die dichten könne und somit den Menschen ersetze, als auch eine KI, die richten könne, also Menschen bewertet beziehungsweise klassifiziert. Zweig skizzierte ein Konzept, nach welchen Kriterien die Anwendung von KI-Systemen im Bewertungs- beziehungsweise Klassifikationsbereich reguliert werden könnte.

„Kein Hype, sondern einfach Fakt“

Prof. Dr. Hannah Bast (Albert-Ludwigs-Universität Freiburg) stellte die grundsätzliche Funktionsweise des maschinellen Lernens (ML) und neuraler Netzwerke vor und grenzte diese Methode von klassischen Algorithmen ab. ML ermögliche es, komplexe Probleme wie Bildverarbeitung oder Spracherkennung ohne Vorgabe von Regeln anzugehen, was mit klassischen Algorithmen nicht möglich sei. ML revolutioniere die Informatik und die Welt, sagte Bast. Das sei „kein Hype, sondern einfach Fakt“. Allerdings sei die Anwendung auf klar eingegrenzte Probleme beschränkt.

Innovationssprünge durch KI

Prof. Dr.-Ing. Sami Haddadin (Technische Universität München) trug zu KI-Anwendungen im Bereich der Robotik vor. KI führe in diesem Feld zu Innovationssprüngen, denn es ermögliche Anwendungen etwa im Bereich der Montage, die für die bisherigen Systeme nicht möglich gewesen seien. Haddadin führte dazu ein Beispiel aus der Forschung aus, bei dem es darum geht, Robotern das Einführen von Schlüsseln beizubringen und gelernte Fähigkeiten auf andere Problemkonstellationen zu übertragen. (scr/15.10.2018)


Marginalspalte