Das Thema Künstliche Intelligenz (intelligente Maschinen) sorgt nach wie vor für Verwirrung und Unsicherheit. Ängstliche Fragen wie „Sind Roboter bald intelligenter als Menschen?“ und „Werden sie uns die Arbeitsplätze wegnehmen?“ bestimmen die Schlagzeilen – auch bei gut informierten Fachmedien. Selbst Stephen Hawking warnt vor künstlicher Intelligenz und der Tesla-Chef gar vor „Killer-Robotern“. Sogar die EU überlegt, Roboter per Gesetz zu bändigen.
Dahinter steckt oft eine tiefgreifende Unsicherheit bezüglich neuer (disruptiver) Technologien, die tief in das Selbstverständnis des Menschen und seiner differenzierenden Fähigkeiten eingreifen. Eine ganz pragmatische Frage geht dabei fast unter. Nämlich: „Was können Künstliche Intelligenz und Cognitive Computing eigentlich wirklich?“ Und hier sieht die Realität schon etwas weniger bedrohlich aus.
Künstliche Intelligenz (KI): beschäftigt sich mit der Modellierung und Automatisierung intelligenten Verhaltens. Auch wenn hier von „Intelligenz“ die Rede ist (bei aller Schwammigkeit des Begriffs), simuliert ein Computer nur Intelligenz. Das heißt, Maschinen sind in der Lage, einzelne intelligente Funktionen in Vertretung des Menschen zu übernehmen, zum Beispiel in Form von Mustererkennung, Suchprogrammen oder Systemen, die Ihr Verhalten an den Bediener anpassen. Bestimmte Jobs werden schon lange von Robotern erledigt. Beispiel: Steuerung von Maschinen in der Produktion.
Cognitive Computing: In der Wissenschaft wird der Begriff verwendet, um Systeme zu beschreiben, die bestimmte Arbeitsweisen des menschlichen Gehirns imitieren/simulieren. Im Prinzip stecken dahinter smarte Technologien, die es ermöglichen, auf natürliche Art und Weise in einem klar abgegrenzten Anwendungsfeld mit einer Software zu kommunizieren. Was auf den ersten Blick wie Cognitive Computing wirkt, ist oftmals ziemlich stark durchprogrammiert, also „scripted” (Beispiel: Siri oder das Echo-Sprachkontrollsystem von Amazon). Die Vision geht jedoch deutlich darüber hinaus. Ein wichtiger Aspekt ist, dass kognitive Systeme auf natürliche Weise mit Menschen interagieren (Sentimentanalyse, Gesichtserkennung), lernfähig sind (sie nutzen Feedback und passen Parameter bei bestimmten Eingaben an, um ein besseres Ergebnis zu produzieren) und zahlreiche Datenquellen nutzen (sie extrahieren und analysieren unstrukturierte und externe Daten).
Und was hat SAS damit zu tun?
Einiges. Ziel bei diesen Technologien und den SAS Lösungen ist es, analytische Fähigkeiten dem „normalen“ Verbraucher beziehungsweise – in Bezug auf SAS – dem Anwender in der Fachabteilung zugänglich zu machen. SAS nutzt Verfahren des maschinellen Lernens, der Mustererkennung, der Vorhersage und des Text Mining – und das nicht erst seit gestern. Und allgemein gesagt: Data Mining nutzt KI-Methoden aus dem maschinellen Lernen, z.B. neuronale Netze.
Denken setzt ein Bewusstsein voraus
Fest steht: Auf die Frage, was geht, muss die Frage folgen, was darf und soll? Denn nicht alles, was heute schon technisch möglich wäre, ist 1) ökonomisch sinnvoll und/oder 2) mit ethischen Gesichtspunkten vereinbar. Klar ist, dass KI und Cognitive Computing in klar begrenzten Einsatzbereichen (beispielsweise als intelligente Assistenzsysteme) sinnvoll sind. Business-Intelligence- und Analytics-Probleme müssen aber immer noch vom Anwender selbst formuliert werden. Die Systeme können zwar lernen (in dem Sinne, dass sie sich automatisch anpassen), aber das bedeutet nicht, dass sie denken können – denn dieses setzt ein Bewusstsein voraus. Man braucht keine Angst zu haben, dass diese Systeme die Weltherrschaft übernehmen – aber sie müssen ethisch-gesellschaftlich eingeordnet werden.
Interessant in dieser Diskussion ist auch der offene Brief des „Future of Life Institute“, das sich die Erforschung von Superintelligenz und ihrer ungefährlichen Nutzbarmachung zur Aufgabe gemacht hat.
