Leseprobe
Inhaltsverzeichnis
Abkürzungsverzeichnis
1 Einleitung
1.1 Problemstellung und Vorgehensweise
2 Begriffsbestimmung
2.1 Dystopie
2.2 Intelligenz
2.3 Künstliche Intelligenz
2.4 Unterschiede menschliche und Künstliche Intelligenz
3 Entwicklung der Künstlichen Intelligenz
3.1 Algorithmen und maschinelles Lernen
3.1.1 Der Turing-Test
3.2 Schwache Künstliche Intelligenz
3.3 Starke Künstliche Intelligenz
4 Analyse
4.1 Stand der Forschung
4.2 Grenzen der Künstlichen Intelligenz
4.3 Chancen und Möglichkeiten der Künstlichen Intelligenz
4.4 Ziele der Künstlichen Intelligenz
4.5 Risiken der Künstlichen Intelligenz
5 Fazit
Literaturverzeichnis
Abkürzungsverzeichnis
Abbildung in dieser Leseprobe nicht enthalten
1 Einleitung
„Sie sehen aus, bewegen und benehmen sich wie echte Menschen“ (Kremp, 2020). Die auf der diesjährigen (2020) Consumer Electronics Show (bekannt als CES) vorgestellten digitalen Menschen wirken ausgesprochen lebensecht (vgl. ders., 2020). Die von Samsungs Tochterunternehmen -Star Labs präsentierten virtuellen Wesen besitzen jedoch im Vergleich zu anderen Künstlichen Intelligenz-Assistenten eigene Charaktere. Sie sind in der Lage Gefühle auszudrücken und bleiben nicht, wie die bis jetzt bekannten Intelligenten Assistenten, wie Amazons Alexa oder Siri neutral und passiv (vgl. Baumann, 2020). Die sogenannten ,Neons‘ besitzen „individuelle Charakterzüge und Kompetenzen“ (Baumann, 2020), die nicht beeinflussbar sind. So ist es Nutzern auch möglich diese traurig oder wütend zu machen. Doch könnte genau diese Besonderheit ein mögliches Risiko darstellen? Noch sind die futuristischen Neons unausgereift. In Zukunft könnten sie allerdings als Erleichterung, in vor allem ökonomischer Hinsicht, dienen und zum Beispiel als Sprachlehrer oder Berater eingesetzt werden (vgl. ders., 2020).
Die Künstliche Intelligenz (im Weiteren KI genannt), oder auch Artifizielle Intelligenz ist heutzutage schon ein sehr großer Bestandteil des ökonomischen wie auch gesellschaftlichen Teil des Lebens der Menschen. Einige der technischen Systeme sind zur Gewohnheit im Alltag geworden. Die digital entwickelten Systeme und Maschinen sollen auch in Zukunft weiter erforscht und eingesetzt werden. Doch der Einsatz solcher neuen Technologien, wie beispielsweise auch den Neons, bringt nicht nur Chancen und Hoffnung, sondern auch Herausforderungen, Risiken und Ängste.
1.1 Problemstellung und Vorgehensweise
Kaum ein anderes Themengebiet löst so viel Diskussionen aus wie das der KI. Die Einen sehen es als faszinierende Zukunftschance und Arbeitserleichterung. Die Anderen fürchten sich vor einer Übermacht und Kontrolle der Maschinen (vgl. Michler, 2017). Aus oben genannter Problemstellung, lässt sich folgende Forschungsfrage ableiten: „Welche Auswirkungen hat die KI aus ökonomischer und gesellschaftlicher Perspektive in Zukunft auf die Gesellschaft?“ Mit dieser kritischen Frage und der Analyse, welche Chancen und Risiken die KI in Zukunft mit sich bringt beschäftigt sich die nachfolgende Arbeit. Zunächst werden in Kapitel 2 die Begriffe definiert und menschliche Intelligenz der KI gegenübergestellt. Darauf folgen in Kapitel 3 die Entwicklung der KI-Systeme, dem Turing-Test, so wie die Definition von Schwacher und Starker KI. Diese sind maßgeblich für den Verlauf der Arbeit. Im Analyse Teil dieser Arbeit werden die Hauptaspekte wie Grenzen, Möglichkeiten, Ziele und Risiken formuliert. Es werden Vor- und Nachteile erläutert. Das Thema wird zum Schluss kritisch begutachtet und schließt daraus das resultierende Fazit.
2 Begriffsbestimmung
Zunächst werden zum Verständnis die Begriffe Intelligenz und KI erläutert, um im Folgenden die Unterschiede der beiden Bereiche sinngemäß aufzuführen. Da das Gebiet der KI ohne Unterteilung unüberschaubar ist, werden zwei Arten der KI unterschieden. Die Schwache KI und die Starke KI. Diese werden in Kapitel 3.2 und 3.3 definiert und dienen der Nachvollziehbarkeit der anschließenden Analyse.
2.1 Dystopie
Mit einer Dystopie ist ein in der Zukunft spielendes Szenario mit negativem Ausgang gemeint (vgl. Dudenredaktion, o.J.). Die fiktionalen Erzählungen erinnern oft an Science-Fiction-Filme, oder Serien wie zum Beispiel auch die Netflix Serie Black Mirror. In dieser Arbeit soll die Dystopie der KI vor allem in den Möglichkeiten und auch den Risiken analysiert werden.
2.2 Intelligenz
Die Herleitung des Wortes Intelligenz kommt aus dem lateinischen Begriff ,intelligentia'. Die Fähigkeit der Intelligenz gibt zu verstehen, aufgrund abstrakten und vernünftigen Denkens sinnvoll zu Handeln (vgl. Dudenredaktion, o.J.). Vor allem der Verstand, die Erkenntnis und „die Fähigkeit zu problemlösendem, einsichtigem Verhalten“ (Cruse et al., 1998, S.9) sind von dem Begriff der Intelligenz abzuleiten. „Ein System ist also dann intelligent, wenn es in einer gegebenen und sich verändernden Umwelt die Chancen seiner Selbsterhaltung im Vergleich zu seinem aktuellen Zustand verbessern kann“ (Cruse et al., 1998, S.27). Oben genanntes macht deutlich,dass es einfacher ist, „eine akzeptable Antwort auf die Frage zu geben, woran man Intelligenz erkennt, als auf die Frage, was Intelligenz ist“ (Sesink, 2012, o.S).
Unterschiedliche Bereiche der Wissenschaft werden mit der Definition der Intelligenz angeschnitten und diskutiert.
2.3 Künstliche Intelligenz
Die KI ist ein Teilgebiet der Informatik (vgl. Lämmel und Cleve, 2012, S.11). Dieses beschäftigt sich damit Maschinen und Systeme mit menschlichen, beziehungsweise intelligenten Fähigkeiten auszustatten. So sollen Zusammenhänge erkannt werden und Probleme effizienter und schneller gelöst werden. Auch das Lernverhalten des Menschen soll übernommen werden (vgl. ders., 2012, S.11). Kurz gesagt beschäftigt sich die KI mit Methoden, die es ermöglichen Aufgaben von Computern zu erledigen. Eine einzig richtige Definition der KI in der Literatur zu finden gestaltet sich dennoch schwierig. Dies ist ebenso nur ein Ansatz einer Definition von KI. Die Wort zu Wort Übersetzung wirft durch das Wort ,Intelligenz‘ Fragen auf. Da diese Eigenschaft im Normalfall auf Menschen bezogen ist, könnte annehmbar sein, dass Maschinen selbst intelligent sind (vgl. Görz et al., 2003, S.1 f.). Der Begriff ,künstlich‘ hingegen ruft bei einigen Menschen Angst hervor. „Es werden Bilder aus Science-Fiction-Romanen wach“ (Ertel, 2016, S.1). Was sich zunächst komplex und surreal anhört ist jedoch längst präsent und alltäglich. Die virtuellen Assistenten und Agenten sind eine große Hilfe und kaum noch wegzudenken. Intelligente technische Systeme wie persönliche Sprachassistenten, Gesichtserkennung und Einparkhilfen sind lernfähig und werden zunehmend intelligenter. So soll die KI auch in Zukunft weiter ausgebaut und erforscht werden. Technische Fortschritte wie autonomes Fahren könnten in naher Zukunft ebenfalls standardmäßig eingesetzt werden (vgl. Kreutzer und Sirrenberg, 2019, S.1).
2.4 Unterschiede menschliche und Künstliche Intelligenz
Einer der größten Unterschiede zwischen menschlicher und Künstlicher Intelligenz ist das Bewusstsein, welches der Mensch, im Gegensatz zur Maschine besitzt. Der Mensch ist lernfähig und in der Lage über sich selbst nachzudenken (vgl. Ertel, 2012, S.4). Ein weiterer Aspekt hierbei ist neben Gefühlen wie Freude, Wut und Trauer auch die Empathie, die Menschen ihrem Gegenüber empfinden können. Diese These ist nur auf die schwache KI anwendbar, da beispielsweise die vorgestellten Neons, diese Aussage widerlegen könnten. Die jedoch aktuell angewandten technischen Systeme sind dazu noch nicht in der Lage. Eine Erläuterung hierzu folgt im weiteren Kapitel.
3 Entwicklung der Künstlichen Intelligenz
Der Ursprung des Begriffs der KI stammt aus dem Jahr 1956 (vgl. Görz et al., 2003, S.2). In diesem Jahr fand das „Summer Research Project on Artificial Intelligence“ (Buxmann und Schmidt, 2019, S.3) statt, welches als die „Geburtsstunde der Künstlichen Intelligenz“ (ders., 2019, S.3) gilt.
Was mit Aufgaben wie komplexe Rechnungen zu bewältigen anfing, steht heute vor der Komplexität sich durch eine riesige Menge an Daten zu arbeiten (vgl. Kreutzer und Sirrenberg, 2019, S.4). Vom Taschenrechner, welcher Rechenaufgaben in Bruchteilen einer Sekunde löst, zum selbstfahrenden Auto, wer hätte das vor 60 Jahren gedacht? „Eine Befragung unter 686 Unternehmen aus Industrie und industrienahen Dienstleistungen im Jahr 2019 ergab, dass etwa zehn Prozent dieser Firmen bereits KI nutzen“ (Demary und Goecke, 2019, S.3). Die Zahlen werden in den kommenden Jahren voraussichtlich weiterhin ansteigen.
3.1 Algorithmen und maschinelles Lernen
Ein großes Teilgebiet der KI ist das maschinelle Lernen. Dieses nimmt sich das Prinzip des menschlichen Gehirns zum Vorbild. Hierbei steht das eigenständige Lernen im Fokus (vgl. Luber und Litzel, 2016). Doch wie funktioniert das dazulernen in der digitalen Welt, beziehungsweise das maschinelle Lernen? Durch Wiederholen lernt ein Algorithmus die geforderten Aufgaben anhand eines Gütekriteriums nach und nach besser auszuführen. Informationen, Erfahrungen und Verhaltensmuster werden im System abgespeichert. In der geforderten Situation werden diese Daten dann abgerufen und die bestmögliche Lösung wird aus bekannten Mustern gegeben. Es kann ein Algorithmus entworfen werden, der die Aufgabe des Sortierens übernimmt (zum Beispiel das Erkennen und Aussortieren von Spam-E-Mails). Zu beachten ist, dass es für eine bestimmte Aufgabe „eine Vielzahl an Algorithmen geben“ (Alpaydin, 2019, o.S.) kann. Am effektivsten ist der Algorithmus, der die wenigsten Anweisungen und Schritte zur Lösung benötigt.
„Die Fähigkeit einer Maschine oder Software, bestimmte Aufgaben zu lernen, beruht darauf, dass sie auf der Basis von Erfahrungen (Daten) trainiert wird“ (Buxmann und Schmidt, 2019, S.8). „Daten sind der unverzichtbare Rohstoff für jegliche Form der KI und damit auch für adaptive Lernsysteme“ (Damberger, 2017, S.2). Sind die Anforderungen erfüllt, kann das System bestimmte Daten zusammenfassen, „Wahrscheinlichkeiten für bestimmte Ereignisse berechnen [und] sich an Entwicklungen eigenständig anpassen“ (Luber und Litzel, 2016). Die Anwendungsreichweite ist groß, so dass die Funktionen auch im World Wide Web reichlich genutzt werden. Dazu zählen Filter für Spam-Mails und Systeme für Spracherkennung, wie Übersetzer (vgl. Luber und Litzel, 2016).
3.1.1 Der Turing-Test
Alan Turing (1912-1954) stellte sich in den späten 60-er Jahren die Frage, ob Maschinen denken können, oder ob diese Fähigkeit nur den Menschen zugeschrieben werden kann (vgl. Sesink, 2012, o.S.). Der Mathematiker befasste sich als einer der Ersten ausführlicher mit der maschinellen Intelligenz. Er entwickelte einen Test, der diese Frage weitgehend beantworten soll. Der Turing-Test funktioniert wie folgt: wenn eine Maschine es schafft, eine Testperson in einem Frage-Antwort-Spiel so zu täuschen, dass diese glaubt eine andere reale Person antwortet, so ist die Maschine „nicht unterscheidbar von einem denkenden Wesen“ (Sesink, 2012, o.S.). Der Test gilt als bestanden, wenn die Testperson in mindestens 30% der Antworten erfolgreich von der Maschine getäuscht wurde. Laut Turing-Test kann die Maschine zu Folge dessen als intelligent bezeichnet werden. Bei besagtem Test wurde auf kognitive Eigenschaften, wie das Wahrnehmen der Umwelt, verzichtet. Diese seien für die Frage nach Intelligenz nicht wichtig (Russell und Norvig, 2012, S. 23).
3.2 Schwache Künstliche Intelligenz
Die Schwache KI, auch Artificial Narrow Intelligence (ANI), beschäftigt sich damit Algorithmen zu entwicklen, die konkretes Handeln ausführen und Einzelbereiche des Denkens unterstützen. Sie ist aktuell vorherrschend und somit nicht schwach, oder weniger wert als die Starke KI -auch wenn dies von der Begrifflichkeit ableitbar wäre (vgl. Damberger, 2017, S.22). Die derzeit meist verwendeten Systeme fallen vorwiegend in die Kategorie der Schwachen KI. Dazu zählen zum Beispiel Sprachassistenten, Bilderkennung, Navigationssysteme etc. (vgl. Russell und Norvig, 2012, S.1176 ff.). Die Aufgabe der Schwachen KI ist es nicht das Lernverhalten und die Denkweise des Menschen nachzuahmen, sondern Probleme, anhand vorhandener Daten und Algorithmen, schneller und effektiver zu lösen, als es der Mensch könnte (vgl. Kreutzer und Sirrenberg, 2019, S.20). Dabei simulieren die Maschinen intelligentes Verhalten. Zu verstehen ist, dass die Intelligenten Assistenten mit „Ganz oder Gar nicht“ - Entscheidungen funktionieren.
[...]