IPL-Magazin 47 | April 2019 | Autor: Prof. Dr. Gerhard Metze

Die Grenzen von Künstlicher Intelligenz

Gerade im Zusammenhang mit dem Hype um „Künstliche Intelligenz“ (KI) sollte man sich den Unterschied zwischen Lernprozessen und kreativen Prozessen klar machen, um das Potenzial von KI einschätzen zu können.

 

Prof. Dr. Gerhard Metze
Prof. Dr. Gerhard Metze

Unter Lernen wird in unserem Kontext der bewusste und zielgerichtete Vorgang verstanden, um neues Wissen, neue Fertigkeiten zu erwerben. „Zufälliges“ Lernen bleibt ausgeklammert.


Die Notwendigkeit zum Lernen resultiert aus dem sich permanent ändernden Verhältnis zwischen dem lernenden Subjekt und seiner Umwelt. Man lernt, um „besser“ zu überleben. In der industrialisierten Welt werden Lernprozesse in verschiedenen Institutionen realisiert, angefangen vom Kindergarten bis hin zur Universität und berufs- und lebensbegleitenden Organisationen für ein lebenslanges Lernen. Diesen Lernprozessen ist zueigen, dass sie auf Vorgaben, sog. Lernzielen und Lerninhalten beruhen und durch repetitives Verhalten angeeignet werden. Auf einem „höheren“ Niveau sollen die in einer bestimmten Konstellation gelernten Zusammenhänge auf andere Konstellationen übertragen werden können, aber immer in der gleichen Art und Weise.

 

Abb. 1: Lernkurze Leistung - Zeit
Abb. 1: Lernkurze Leistung - Zeit

 

Das gilt sowohl in der Schule als auch im Arbeitsleben. Das typische Bild hierfür ist die Lernkurve. Sie stellt den Erfolg des Lernens über die Zeit dar. Praktisch eine „inverse“ Lernkurve ist die Fehlerkurve, die die Reduktion von Fehlern im Lernverlauf aufzeigt. Durch die ständige Wiederholung des Lernvorgangs werden die Fehlleistungen reduziert, der Lernende wird dadurch produktiver. Die Analogie zum Machine Learning ist evident. Auch hier werden vorhandene Zusammenhänge trainiert und in ein Programm, eine Struktur überführt, die auf vorhandenen Daten, vorhandenem Wissen basiert. Beim menschlichen wie beim maschinellen Lernen wird nichts Neues geschaffen, sondern bisherige Konstellationen repetiert und angewendet. Nun wird von einigen Autoren Methoden der Künstlichen Intelligenz kreatives Potenzial zugesprochen. Kreativität ist die Fähigkeit, etwas Neues, noch nicht „Dagewesenes“ zu erschaffen, was einen Nutzen stiftet. Damit ergibt sich per Definition ein Unterschied zum Lernprozess, der sich immer innerhalb des „Dagewesenen“ bewegt.

Kreative Prozesse führen oft zu einem Verstoß gegen Regeln und Inhalte, die bislang gelehrt und gelernt wurden. So war noch bis in die 70er Jahre die Regel im Maschinenbau an Hochschulen, dass ein guter Automotor immer eine gerade Anzahl von Zylindern haben muss. Ferdinand Piech hat 1972 gegen diese Regel mit der Konstruktion eines 5-Zylinder-Dieselmotors für Daimler Benz erfolgreich verstoßen. Als Beispiel für das kreative Potenzial von KI wird u.a. die Generierung eines Bildes im Stil von Rembrandt mittels Artificial Intelligence nach der Analyse aller bekannten Werke von Rembrandt (Microsoft, 2017) aufgeführt.

Ross Goodwin, der für Google kreative KI entwickelt, ist davon überzeugt, mit KI Neues schaffen zu können: „Kognitionswissenschaftler sind sich schon lange einig, dass eine der fundamentalsten Formen von Kreativität darin besteht, Dinge, die bereits existieren, neu zu kombinieren“ (Moorstedt, 2018). Zurückkommend auf das „neue“ Rembrandt- Bild: Bei Rembrandt gab es nicht einen starken Wechsel des Stils wie z.B. bei Picasso. Insofern ist es nachvollziehbar, dass – zumindest Teile – von Rembrandts Stil in einem künstlichen Lernprozess abgebildet und reproduziert werden können. Dieser Lernprozess ist nach unserer Meinung nicht auf Picasso anwendbar, denn die Analyse aller Werke der blauen Periode Picassos führt bestenfalls dazu, ein „weiteres“ Werk im Stil der blauen Periode zu erzeugen. Sie wird aber nicht ein Werk der nachfolgenden rosa Periode generieren können, da die wesentlichen Merkmale der rosa Periode nicht in den Attributen der blauen Periode enthalten waren. Die Schöpfung der rosa Periode war ein kreativer Akt.

Natürlich könnte man zwar Zufallseffekte in die Algorithmen einbauen, um etwas völlig Neues und von den alten Daten Losgelöstes zu erzeugen. Kreativität wird auch von Zufällen mit beeinflusst, aber im Sinne von auslösenden Momenten. Die eigentliche kreative Schöpfung kann ein Zufall alleine nicht leisten. Hier sind die Persönlichkeitsmerkmale des Erfinders und seine jeweilige Konstellation in seinem sozialen und anderen Umfeld ausschlaggebend. Zudem dürfte ein Zufallsgenerator nicht ausreichen, zusammen mit der Analyse aller Werke der Antike unter dem Aspekt der damaligen Darstellung der Perspektive Werke abzuleiten, die nach dem Prinzip der Fluchtpunktperspektive aufgebaut sind. Bekannt hierfür sind italienische Künstler wie Giotto und Bruneleschi in der Zeit der Renaissance.

Insofern sind „kreative“ Leistungen durch KI bestenfalls auf der Ebene von inkrementalen Inventionen, also von sehr kleinen Schritten der Weiterentwicklung, zu erwarten. Pfeiffer hat bereits 1971 in seinem Werk „ Allgemeine Theorie der technischen Entwicklung“ an vielen Beispielen nachweisen können, dass radikale Inventionen und Innovationen nicht in den bisherigen Lösungen enthalten sind (Pfeiffer, 1971).

Dies gilt auch für andere Bereiche des Wissens und des Lebens und zeigt die Grenzen von KI auf:
Die Analyse und Aufbereitung des Strafrechts im Mittelalter bis vor das Zeitalter der Aufklärung wird u.U. vielleicht neue Anwendungstatbestände für die Anwendung der Folter finden, nicht aber ihre Abschaffung und Ächtung, die durch die Aufklärung in Gang gesetzt wurde. Und es dürfte auch nicht möglich sein, durch die Analyse aller physikalischen Gesetze der Newtonschen Ära mittels künstlicher Intelligenz und einer Zufallskomponente zur Formulierung von Einsteins Relativitätstheorie zu kommen.


Insofern scheint Halfen recht zu behalten, dass ein Algorithmus in einem Computer als «nichtbiologisches Gehirn» nicht in der Lage ist, selbständig, aktiv, aus eigener Motivation heraus Erkenntnisprozesse zu betreiben, die zu neuen Ergebnissen im Sinne von Inventionen und Innovationen führen (Halfen, 2017).

So bleibt von all diese Methoden der KI immerhin eine unterstützende Funktion bei der Bewältigung immenser Datenmengen, z.B. im Zusammenhang mit den Aufgaben von Industrie 4.0. Aber immer im Rahmen bekannter Parameter und ihrer Konstellationen. Neues können und sollten wir nicht davon erwarten.