PARADIGMEN IM KAMPF. Making a Mind Versus Modeling the Brain: Artificial Intelligence Back at a Branchpoint I.) EINLEITUNG

Transkript

1 PARADIGMEN IM KAMPF Making a Mind Versus Modeling the Brain: Artificial Intelligence Back at a Branchpoint I.) EINLEITUNG Der Philosoph und Kritiker Hubert Dreyfus ist einer der bekanntesten Kritiker der Künstlichen Intelligenz. Er sieht die KI geprägt durch- bisweilen erbitterte- Auseinandersetzungen zwischen den Anhängern zweier grundlegend verschiedener Paradigmen. Beide behaupten, Computer intelligentes Verhalten beizubringen, verfolgen jedoch dabei unterschiedliche Ansätze. Auf der einen Seite steht der Ansatz der Symbolrepräsentationen, der beansprucht, die Welt durch Formalisierungen für Computer zugänglich zu machen. Sein Handwerkszeug ist die Logik, ihre Auffassung von Intelligenz sieht diese Schule in Problemlösungen verwirklicht. Auf der einen Seite steht der Konnektionismus, auch vektorielle Repräsentation genannt. Dazu bedient sich diese Richtung der Statistik. Als Vorbild haben sie sich die vereinfachte menschliche Nervenzelle vorgenommen. Ihre grundlegende Idee für das Neuronenmodell war die Arbeitsweise von menschlichen Neuronen zu simulieren, und somit die Fähigkeit des Menschen bei der Informationsverarbeitung nachzubilden. Sie wollen damit erreichen, dass der Computer gewissermaßen von sich aus lernt. Die Entwicklung des Paradigmas der Symbolrepräsentation und das des Konnektionismus beginnen relativ ähnlich. In den 50er Jahren konnten beide bemerkenswerte Erfolge verzeichnen, die Anlass zur Hoffnung gebe. 1

2 II.) SYMBOLREPÄSENTATION a.) Definition Aus der Sicht der Anhänger der Symbolrepräsentationen entsteht intelligentes Verhalten durch die Formalisierung der Realität mittels Symbolen und den Umgang mit diesen Symbolen nach formalen Regeln. Die entscheidende Eigenschaft von intelligenten Computern ist somit die Fähigkeit mit Symbolen zu operieren. b.) Philosophischer Hintergrund Die Symbolrepräsentation geht auf die klassische, philosophische Tradition des Reduktionismus zurück. Unter Reduktionismus versteht man nun folgendes: Reduktionismus bedeutet ganz allgemein eine Zurückführung komplexer Phänomene, Theorien, Begriffe und gesetzmäßiger Zusammenhänge auf einfache Elemente. Die Einzelelemente werden isoliert voneinander betrachtet, ohne ihre Verflechtungen zu einem Ganzen zu berücksichtigen. Zu dieser philosophischen Auffassung gehören unter anderem die Mathematiktheoretiker Gottlob Frege und Bertrand Russell, deren Ideen sich wiederum auf Rene Descartes und Gottfried Wilhelm Leibniz zurückführen lassen. Für Descartes basiert das Verstehen auf dem Umgang mit Repräsentationen, die aus einfachen Elementen zusammengesetzt sind. Schlussendlich prägt die reduktionistische Tradition die gesamte westliche Philosophie, angefangen mit Sokrates und Platon. Dabei liegt die Vorstellung zugrunde, dass Verstehen und Wissen im Bilden einer Theorie bestehen, die Beziehungen zwischen objektiven und kontextfreien Elementen beschreibt. Wir verstehen die Welt, indem wir sie formalisieren. Für Immanuel Kant sind alle Begriffe eigentlich Regeln. Der Begriff Hund entspricht etwa der Regel: Was vier Beine hat, bellt und mit dem Schwanz wedelt, ist ein Hund. Diese Auffassung, dass der Geist bestimmten Regeln folge, baute Edmund Husserl aus, der Begriffe als Regelhierachien sieht, wobei jede Regel wiederum in Unterregeln zerlegbar ist. Diese kann am Beispiel des Hundes folgendermaßen veranschaulicht werden: zur Hund-Regel gehört dann eine Unterregel, wie zum Beispiel das Erkennen eines Schwanzes. Diese Tradition wird vom frühen Ludwig Wittgenstein fortgeführt. In seinem Werk Tractatus logico-philosophicus versucht er Regeln zu erfassen, die dem Denken zugrunde liegen. Schon am Beginn seiner Abhandlung kann man Wittgensteins reduktionistisches 2

3 Weltbild erkennen. Er sieht die Welt als Zusammensetzung einzelner, voneinander unabhängiger Bestandteile, die er Tatsachen nennt, an. Dem menschlichen Geist schreibt er die Fähigkeit zu, diese Tatsachen zu erfassen in dem er sich Bilder davon macht, die Modellen der Wirklichkeit entsprechen. Diese Bilder bezeichnet Wittgenstein als Gedanken. Die Gedanken entsprechen der logischen Struktur der Tatsachen. Diese Gedanken werden mittels Sätzen ausgedrückt, die wiederum in Wörter, die er Namen nennt, aufgespaltet werden. Wittgenstein betrachtet den Gedanken als sinnvollen Satz. Er geht von der Annahme aus, dass nicht nur die Wissenschaft, sondern das gesamte Denken aus solchen eindeutigen Sätzen besteht.was gedacht werden kann, kann auch ausgesprochen werden. In diesem Zusammenhang bedeuten die Grenzen meiner Sprache, die Grenzen meiner Welt. c.) Geschichte Die entscheidende Eigenschaft von intelligenten Computern ist somit die Fähigkeit mit Symbolen zu operieren. Diese Fähigkeit betonten unter anderem Allen Newell und Herbert Simon, als sie 1956 den Logical Theorist vorstellten. Dieses Programm war erstmals in der Lage, eine Menge von logischen Theoremen zu beweisen. Konkret führte der Logical Theorist den Beweis von 38 Theoremen aus der Principia Mathematica von Bertrand Russell und Alfred North Whitehead. Dieses Ergebnis war ein Meilenstein in der künstlichen Intelligenz, da gezeigt wurde, dass Programme zu Aktionen fähig sind, für die ein Mensch Intelligenz braucht. Sie gehen sogar so weit zu behaupten, dass Intuition, Einsicht und Lernen nicht länger rein menschliche Fähigkeiten seien. Herbert Simon behauptete seinerzeit, dass Maschinen in 20 Jahren fähig seien, jede Arbeit des Menschen zu verrichten. Der General Problem Solver (GPS) war 1961 die nächste Entwicklung von Newell und Simon. Er konnte weitaus mehr Aufgaben lösen, als der Logical Theorist. Der GPS ist dazu in der Lage, Theoreme zu beweisen und Spiele, wie Schach oder die Türme von Hanoi zu spielen. Der GPS basiert auf dem Prinzip der Problemreduktion. Er geht dabei ein Problem an, in dem er ein Hauptziel formuliert und anschießend eine Reihe von Subzielen bestimmt, deren Erreichen nötig ist, um schließlich auf das Hauptziel zu stoßen. Doch trotz dieser Leistungen bleib der GPS auf ein kleines Gebiet beschränkt. Es war zudem ein Anwendungsgebiet, in dem viele Probleme alltäglicher Intelligenz keine Anwendung 3

4 hatten. In den Aufgaben, die der GPS lösen konnte, gab es etwa keine mehrdeutigen Informationen oder keine unvorhersehbaren Ereignisse. Die symbolischen Repräsentationen bieten den Vorteil einer flexiblen Darstellung des strukturierten Wissens, welche eine notwendige Vorraussetzung für das Problemlösen ist. Sie werden deshalb vorwiegend zur Modellierung des Problemlösens verwendet. Die Symbolische Repräsentierung zeigt jedoch einige Schwächen, zum Beispiel beim Umgang mit ungenauer oder verrauschter Information sowie beim Lernen aus Erfahrungen. Die Symbolische Repräsentation ist weniger geeignet für eine robuste und parallele Informationsverarbeitung. III.) KONNEKTIONISMUS a.) Definition Dieser Ansatz basiert auf einem völlig anderen System. Hier geht es vielmehr darum, dass ein System geschaffen werden soll, das ähnlich arbeitet wie ein menschliches Gehirn. Das bedeutet, man versucht die Funktion biologischer Neuronen zu simulieren. Die Konzepte des Konnektionismus und der neuronaler Netze wurde in den letzten Jahren verstärkt diskutiert, sind aber bei weitem nicht neu. Der Konnektionismus ist ein Ansatz in der KI-Forschung, welcher auf der Basis von neuronalen Netzwerken arbeitet. Unter konnektionistischen Systemen versteht man Systeme, die auf Wechselwirkungen vieler simpler Einheiten/Knoten/Neuronen basieren. Diese Einheiten sind miteinander verbunden, kommunizieren über diese Verbindungen, und übertragen Signale. Diese einzelnen Einheiten haben einen bestimmten Aktivierungsgrad, und können sich entweder gegenseitig hemmen oder erregen. Diese einzelnen Knoten sind sehr einfach aufgebaut und ähneln der Funktion der biologischen Neuronen. Zwischen diesen Koten wird ausschließlich rein numerische Information ohne weitere Interpretation ausgetauscht. Dabei hat jede einzelne Verbindung eine bestimmte Gewichtung, die bestimmt wie groß der Einfluss der Verbindungen ist. Man muss sich vorstellen, dass ein menschliches Gehirn aus ca. 100 Milliarden Neuronen besteht, wobei jedes Neuron mit etwa anderen Neuronen verknüpft ist. Ein 4

5 computersimuliertes neuronales Netz enthält hingegen lediglich maximal ein paar tausende Neuronen, da technisch noch nicht mehr realisierbar ist. Die Leistung des Gehirns entspräche einer Prozessorleistung von parallel arbeitenden Prozessoren. In Bereichen der Objekte- und Spracherkennung, des Lernens, Assoziierens und Generalisierens gibt es kein System, das annähernd vergleichbar effizient wäre. b.) Philosophischer Hintergrund Der Konnektionismus basiert auf einem holistischen Hintergrund, wobei man jedoch betonen muss, dass die Konnektionisten vor allem auf dem Gebiet der Neurophysiologie fußen. Hier sind vor allem Donald O. Hebbs Vorstellungen über die Interaktion von Neuronen wichtig. Philosophisch sind vor allem Martin Heidegger, Maurice Merleau-Ponty und der spätere Ludwig Wittgenstein relevant. Zuerst sollte noch der Begriff Holismus erklärt werden: Es handelt sich um eine erkenntnistheoretische Sichtweise, in der Einheiten eine höhere Qualität besitzen als die Summe ihrer Elemente. Das bedeutet nichts anderes, als dass die isolierte Betrachtung der einzelnen Bestandteile, wie es im Reduktionismus praktiziert wird, dem Anspruch der Ganzheitlichkeit nicht gerecht wird. Die oben genannten Philosophen betonen die Wichtigkeit der Alltagspraxis. Darin besteht auch die wesentliche Kritik am Reduktionismus. Wittgenstein untersuchte sein Programm, das er im Tractatus darstellte, auf seine Durchführbarkeit. Die Konsequenz die er daraus zog war die Widerlegung seines Tractatus, die er in seinem nachfolgenden Werk, Psychologischen Untersuchungen erläutert. Martin Heidegger setzt sich kritisch mit seinem Lehrer Edmund Husserl auseinander und folgert daraus, dass die Alltagswelt nicht in kontextfreie Elemente zerlegt werden kann, denn unser Verständnis basiert auf unseren Erfahrungen und lässt sich daher nicht aus dem Kontext lösen. Wittgenstein und Heidegger heben hervor, dass unser Alltags-Verständnis nicht zwangsläufig ein know what, das sich in Regeln und Fakten manifestiert, sondern ein know how ist, das ganzheitlich ist. Die holistische Position übt auch an der Auffassung der Relation Geist-Körper der Reduktionisten Kritik aus. Die Reduktionisten sehen den Körper als eine gewisse Barriere für körperliche Tätigkeiten an. Die holistische Tradition verweist jedoch darauf, dass gerade die simplen Tätigkeiten, wo unsere Sinne und körperliche Aktivitäten wichtig sind (z.b. die Bewegung im Raum, das Erkennen von Mustern, das Führen von Gesprächen) der KI die 5

6 größten Probleme bereiten, während bei rein geistigen Aktivitäten wie Schach spielen die Computer schon viel eher mit Menschen konkurrieren können. c.) Geschichte Als Grundlage wird das in 1943 entwickelte Modell von Warren McCulloch und Walter Pitts betrachtet. In diesem Jahr beschreiben sie ihren Aufsatz a logical calculus of the ideas immenent in nervous activity (1943). Als Vorbild haben sie sich die vereinfachte menschliche Nervenzelle vorgenommen. Ihre grundlegende Idee für das Neuronenmodell war die Arbeitsweise von menschlichen Neuronen zu simulieren, und somit die Fähigkeit des Menschen bei der Informationsverarbeitung nachzubilden. Sie entwickelten das McCulloch-Pitts- Neuronenmodell, welches das einfachste Neuronenmodell der Neuroinformatik überhaupt ist. Künstliche Neuronale Netze aus McCulloch-Pitts-Zellen können ausschließlich binäre Signale verwenden. Jedes einzelne Neuron kann als Ausgabe nur eine 1 oder 0 erzeugen. Jede McCulloch-Pitts-Zelle besitzt eine beliebige reelle Zahl als Schwellenwert. Wichtig ist in diesem Zusammenhang, dass ein einzelnes Neuron ausschließlich die Zustände aktiv und inaktiv annehmen kann. Diese Arbeit war Anlass für viele weitere Forscher, wie Norbert Wiener und John von Neumann, sich ebenfalls mit derartigen Untersuchungen zu beschäftigen. Diese ersten Netzte besaßen aber noch nicht die Fähigkeit zur Selbstmodifikation, das bedeutet dass ihnen sämtliche Lernfähigkeit fehlte beschrieb Donald O. Hebb in seinem Buch the organization of behaviour (1949) das erste Konzept zur Lernfähigkeit künstlicher Neuronen in der mittlerweile klassischen Hebb schen Lernregel. Nach Hebb lässt sich das Lernen dadurch beschreiben, dass man die einzelnen Verbindungen zwischen Neuronen gewichtet. Ein Lernen findet statt, indem die Gewichtungen zwischen den Neuronen verändert werden. Diese bildet die Grundlage für viele nachfolgende Lernregeln. Der erste bekannte Neurocomputer SNARK, wurde 1951 von Marvin Minsky entwickelt. Dieser wurde jedoch nie praktisch eingesetzt. 6

7 Der erste erfolgreiche Neurocomputer, der Perceptron (Mark I) wurde in den Jahren von Frank Rosenblatt und Charles Wightman entwickelt und für Mustererkennungsprobleme eingesetzt. Er konnte bereits mit einem 20 x 20 Pixel großen Bildsensor einfache Ziffern, Buchstaben und Muster erkennen. Neben dieser technischen Leistung ist Frank Rosenblatt besonders durch sein 1959 erschienenes Buch Principles of Neurodynamica bekannt geworden. In ihm beschreibt er detailliert verschiedene Varianten des Perzeptrons und gibt auch einen Beweis dafür, dass das Perzeptron alles, was es repräsentieren kann, durch das von ihm angegebene Lernverfahren lernen kann (Perzeptron-Konvergenz-Theorem). Das einlagige Perzeptron: Das Perzeptron besteht aus zwei Schichten, einer künstlichen Retina, einer Eingabeschicht, welche aus McCulloch-Pitts Neuronen besteht, und einer Ausgabeschicht (besteht wiederum aus Neuronen). Die Verbindungen zwischen der Retina und der Eingabeschicht sind fest und mehr oder weniger zufällig vorhanden. Die Verbindungen der Eingabeschicht zur Ausgabeschicht sind über Gewichte modifizierbar. Durch Änderung der Gewichte und Schwellenwerte kann das Perzeptron lernen. Abhängig von der Anzahl der gewichteten Schichten werden Perzeptronen ein-, zwei-, dreilagig etc. genannt unternahmen Marvin Minsky und Seymour Papert in ihrer Arbeit Perceptrons eine genaue mathematische Analyse des Perzeptrons vor und zeigten, dass das Modell des Perzeptrons viele wichtige Probleme nicht repräsentieren konnte. Anhand einiger sehr einfacher Probleme, wie dem XOR-Problem, dem Parity -Problem und dem Connectivity - Problem (Problem eines neuronalen Netzes zu erkennen, ob eine gegebene Figur einfach verbunden ist, oder aus mehreren, separaten Figuren besteht) konnten sie zeigen, dass das ursprüngliche Perzeptron und auch einige Varianten davon, diese Probleme aus prinzipiellen Gründen nicht abbilden konnten. Der Begriff XOR-Verknüpfung stammt aus der Aussagenlogik. Die Gesamtaussage ist dann wahr, wenn entweder die erste Aussage oder die zweite Aussage wahr ist, aber nicht beide. Unter dem Parity -Problem versteht man die Unfähigkeit des Perzeptrons, zu erkennen, ob sich ein einzelner, oder eine große Anzahl von Punkten auf der Retina befinden. Ihre Schlussfolgerung jedoch, dass auch andere neuronale Netze als das Perzeptron die gleichen Probleme aufweisen und damit das ganze Gebiet der neuronalen Netze ein researchdeath-end sei, ist aus heutiger Sicht nicht zutreffend. Diese Schlussfolgerung führte zu einer 7

8 Stagnation des Konnektionismus. Die Konsequenzen dieser falschen Schlussfolgerung waren fatal. Forscher auf diesem Gebiet erhielten in den nächsten 15 Jahren so gut wie keine Forschungsgelder, insbesondere keine Gelder der DARPA (Defense Advanced Research Projects Agency). Der Erfolg von Minskys und Paperts Angriff kann, neben der Kritik am Perzeptron, auf philosophische Vorurteile gegen den Holismus zurückgeführt werden. Diese Vorurteile teilten sie mit den meisten KI-Forschern. Dies hatte die Konsequenz, dass die man sich verstärkt auf die symbolischen Repräsentationen konzentriert hat. Der Sieg des symbolrepräsentierenden Paradigmas dauert jedoch nicht lange an, da es mit der Formalisierung des Alltagswissens nicht vorankam. Nun kam das ganze Programm der symbolrepräsentierenden KI zum Stillstand. Das holistische Forschungsprogramm der Konnektivisten wurde wieder aufgenommen wird zum ersten Mal ein konnektionistisches Programm der bedeutenden amerikanischen DARPA (Defense Advanced Research Project Agency) wieder öffentlich gefördert stoßen die von David Rumelhart und James McClelland publizierten Bücher über Parallel Distributed Processing auf enormes Interesse. Parallel Distributed Processing (PDP) ist eine in künstlichen neuronalen Netzen angewendete Methode des Konnektionismus. Der Konnektionismus nimmt nun also eine dominante Stellung in der Künstlichen Intelligenz ein. Jedoch ist der Konnektionismus, genauso wie die Symbolrepräsentation davor, zahlreichen Problemen ausgesetzt. Unter anderem funktionieren neuronale Netze in einem kleinen, beschränkten Rahmen sehr gut, bereiten aber gerade in der Erweiterung auf größere Wissensbereiche Probleme. Seit ca hat sich das Gebiet geradezu explosiv entwickelt. Die Zahl der Forscher auf diesem Gebiet beträgt derzeit mehrere Tausend. Es gibt weiters eine Vielzahl von wissenschaftlichen Zeitschriften, die als Hauptthema neuronale Netze haben. 8

9 IV.) DER GESUNDE MENSCHENVERSTAND a.) Definition Der gesunde Menschenverstand wird im Englischen als common sense bezeichnet. Wörtlich übersetzt bedeutet common sense gemeinsamer Sinn. In Österreich hingegen spricht man häufig vom so genannten Hausverstand. Der gesunde Menschenverstand ist die jedem Menschen angeborene Einsicht in die Grundlagen der Wahrheitserkenntnis. Er wird vor allem dann eingesetzt, wenn Situationen ein abwägendes Denken und Handeln, möglichst frei von äußeren Einflüssen oder Vorurteilen, erfordern. Dabei werden Entscheidungen getroffen, welche statistisch gesehen die Mehrheit der Bevölkerung treffen würden. Der Einsatz des gesunden Menschenverstandes kann an folgenden Beispielen verdeutlicht werden: Peter wohnt in München und hat einen Sohn namens Franz. Auch Paul wohnt in München und hat einen Sohn namens Franz. Unser gesunder Menschenverstand sagt uns, dass es sich in beiden Aussagen um die gleiche Stadt handelt, aber nicht um dieselbe Person. Die Stadt ist in beiden Aussagen München, während die Söhne von Peter und Paul zwar denselben Namen haben, aber unterschiedliche Personen sind. Frau M. hat nach dem Einkauf ihre Tasche im Auto vergessen. In der Tasche ist ein Liter Milch. Anhand unseres gesunden Menschenverstandes können wir sagen, dass sich auch der Liter Milch im Auto befindet. Obwohl diese Beispiele sehr einfach sind erfordern sie ein abwägendes Denken. Im Alltag begegnen wir jedoch viel komplexeren und schwierigeren Situationen, die ebenfalls den Einsatz unseres gesunden Menschenverstandes erfordern. Aufgrund von unterschiedlichen Erfahrungen, Sichtweisen, aber auch von moralischen Werten hat nicht jeder Mensch den gleichen gesunden Menschenverstandverstand. Es gibt keinen absoluten gesunden Menschenverstand, weshalb es auch zu populären Irrtümern kommen kann. Der so genannte common sense ist ein Bestandteil der öffentlichen Meinung und ist nicht statisch, sondern dynamisch und wandelbar. Beispiele für den common sense in unserer Gesellschaft sind folgende Mehrheitsmeinungen: 9

10 Alle Menschen sollen Zugang zur Gesundheitsversorgung haben. Die Gesetzte gelten für alle ohne Ausnahme. Frieden ist dem Krieg vorzuziehen. b.) Das Problem des gesunden Menschenverstandes in der KI-Forschung Das Problem des gesunden Menschenverstandes bestand in der Entwicklung der Künstlichen Intelligenz schon von Anfang an. Die Forscher waren jedoch überzeugt dieses Problem lösen zu können. Diese Überzeugung spiegelt sich auch in der Prophezeiung von Simon wider. Er betonte, dass in 20 Jahren die Maschinen alles tun können, was auch ein Mensch tun kann. Diese Vorhersage bewahrheitete sich jedoch nicht. Bis heute konnte das Problem des gesunden Menschenverstandes in der KI-Forschung nicht oder nur teilweise gelöst werden. Was ist das eigentliche Problem am gesunden Menschenverstand? Der gesunde Menschenverstand ist die Einsicht in die Grundlagen der Wahrheitserkenntnis, die jedem Menschen angeboren ist. Diese Einsicht kommt dann zum Einsatz, wenn Situationen ein abwägendes Denken, frei von äußeren Einflüssen oder Vorurteilen, erfordern. Das abwägende Denken führt schließlich zu einer Entscheidung, welche die Mehrheit der Bevölkerung treffen würde. Das größte Problem der KI-Entwicklung besteht darin, den Computern und Maschinen das Wissen der Menschheit beizubringen. Bisher ist es den KI-Forschern nicht gelungen den Computern die Einsicht in die Grundlagen der Erkenntnis zu vermitteln. Auch wenn diese Schwierigkeit bewältigt werden könnte, so ist das Problem des gesunden Menschenverstandes noch lange nicht gelöst und es treten weitere Probleme. Eines dieser Probleme besteht darin, dass die Menschen den gesunden Menschenverstand nicht immer einsetzten. Sie nutzen ihren Hausverstand nur in Situationen, in denen das abwägende Denken und Handeln erforderlich und notwendig ist. Die Schwierigkeit für die KI-Forschung liegt nun darin, die Maschinen und Computer so zu konstruieren, dass sie in den richtigen Situationen und Momenten diese Einsicht in die Grundlagen der Wahrheitserkenntnis nutzen. Die Menschen setzten den gesunden Menschenverstand nicht bewusst, sondern unbewusst ein. Dies ist sehr problematisch für die KI-Forschung, denn ein Computer oder eine Maschine kann den gesunden Menschenverstand nicht unbewusst einsetzten. 10

11 Ein weiteres Problem für die KI-Forschung ist darauf zurückzuführen, dass es keinen absoluten gesunden Menschenverstand gibt. Er entsteht aufgrund von unterschiedlichen Erfahrungen, Sichtweisen, aber auch von moralischen Werten, sodass nicht jeder Mensch denselben Menschenverstand hat. Dies führt nun in der KI-Entwicklung zur Frage, welche Einsichten verwendet werden sollen. Als Bestandteil der öffentlichen Meinung ist der gesunde Menschenverstand nicht statisch, sondern wandelbar. Auch dies ist für die KI-Forschung sehr problematisch. Eine bestimmte, festgelegte Einsicht bzw. Erkenntnis eines Computers oder einer Maschine ist nicht dynamisch und kann sich auch nicht allein verändern. Der gesunde Menschenverstand ist nicht immer richtig, sodass es zu Irrtümern führen kann. Es stellt sich nun die Frage wie in der KI-Forschung mit diesen Fehlern und Irrtümern umgegangen wird. c.) Aktuelle Forschungen und Projekte zum gesunden Menschenverstand ECAI 2000: Roboter und Programme mit gesundem Menschenverstand ECAI ist die Abkürzung für European Conference on Artifical Intelligence und bedeutet wörtlich übersetzt Europäische Konferenz für Künstliche Intelligenz. Diese Konferenz findet alle zwei Jahre statt. Dabei treffen sich führende Wissenschaftler aus der ganzen Welt, um sich über die Zukunft und die Möglichkeiten der Forschung im Bereich der Künstlichen Intelligenz auszutauschen. Durch diese Konferenzen können wichtige neue Trends in allen Bereichen der Künstlichen Intelligenz erkannt und gefördert werden. Im heurigen Jahr findet die 17. Europäische Konferenz für Künstliche Intelligenz statt. Vom 28. August bis zum 01. September werden sich alle führenden Wissenschaftler im Bereich der Künstlichen Intelligenz am Gardasee in Italien treffen. Im Rahmen der ECAI 2000 wurden einige Roboter, Maschinen und Programme vorgestellt, die in speziellen Bereichen einen gesunden Menschenverstand aufweisen: Der Mobile Roboter Daimler Chrysler entwickelte einen mobilen Roboter, der sich selbstständig fortbewegen kann und seinen Erfindern vorerst dazu dient Kaffee zu holen. Das Besondere an diesem Roboter ist jedoch die Fähigkeit die Unmenge an verschiedenen Daten und Informationen aus der 11

12 Umwelt aufzunehmen, zu verarbeiten und darauf zu reagieren. Das ist die eigentliche intelligente Leistung des Roboters. Leider konnte dieser mobile Roboter bisher nur im Bereich des Kaffeeholens eingesetzt werden. In anderen Situationen wäre er völlig überfordert. Das intelligente Fahrzeug Ein weiteres Projekt zum gesunden Menschenverstand, das auf der ECAI 2000 vorgestellt wurde, ist ein Fahrzeugprototyp, der die Fähigkeit besitzt, seine Umwelt anhand von Videokameras genau wahrzunehmen. Diese genaue Wahrnehmung ermöglicht es dem Fahrzeug ohne Zutun des Fahrers zu lenken. Ähnlich wie der mobile Roboter nimmt dieses Fahrzeug die Reize aus seiner Umwelt wahr, verarbeitet sie und reagiert entsprechend. Die Softwareagenten Besondere Aufmerksamkeit kam auf der ECAI 2000 den so genannten Softwareagenten zu. Diese kleinen Programme sollen dem Nutzer das Leben erleichtern, indem sie intelligent versuchen zu erahnen, welches Ziel der Nutzer verfolgen könnte. Ein von der Humboldt Universität in Berlin mitentwickeltes Programm arbeitet unsichtbar auf der Internetseite der Reisebörse. Möchte man eine Reise buchen, so bekommt man durch dieses Programm auch Alternativen vorgeschlagen, die von den ursprünglich angegebenen Wünschen nicht allzu weit abweichen. Derzeitiges Forschungsprojekt: Computer sollen gesunden Menschenverstand entwickeln Mit diesem Forschungsprojekt, das als GlobalMind Project bezeichnet wird, wollen Forscher des Massachusetts Institute of Technology (MIT) Computern und Maschinen das Wissen der Menschheit beibringen. Dieses Vorhaben wird von der Computerfirma Toshiba unterstützt. Bereits seit dem vergangenen Jahr arbeiten die Forscher am MediaLab des MIT an einer großen Mindmap. Die dabei meist grafisch dargestellten Zusammenhänge zwischen Worten werden zur Veranschaulichung von Begriffen genutzt. Wie komplex das Verstehen der Welt ist, zeigen folgende Beispiele: Alle Kinder sind jünger als ihre Mütter Diese Aussage ist stets wahr. Alle Vögel können fliegen. 12

13 Diese Aussage stimmt nur bedingt, denn Pinguine und verletzte Vögel können nicht fliegen. Genau diese Komplexität wollen die Wissenschaftler nun den Computern vermitteln. Dabei soll die Internetgemeinschaft die Forscher unterstützen, indem sie auf der Website des Projekts "GlobalMind" eine Datenbank füttern. Diese Datenbank steht Firmen und Forschern lizenzfrei zur Verfügung. Neben der US-Kultur soll auch die japanische Kultur digitalisiert werden. Aus diesem Grund hat Toshiba neben dem schon länger existierenden Format für die englische Sprache nun auch Ressourcen zur Verfügung gestellt, mit denen sich japanische Begriffe und deren Beziehungen zu englischen Zusammenhängen herstellen lassen. Weitere geplante Sprachen, welche die MindMap erfassen sollen, sind Koreanisch, Spanisch und Mandarin. Interessant sind dabei die kulturellen Unterschiede. Die Datenbank soll Computern dabei helfen, nicht nur in einer Kultur zu denken, sondern einen globalen, gesunden Menschenverstand zu entwickeln. Bisher steht man jedoch noch ganz am Anfang: Nach Angaben des MIT hat man seit dem Start eines Vorgängerprojekts im Jahr 2000 von Benutzern über Zusammenhänge erfasst. 13