Facebooks Forschungschef

„Wir arbeiten an Computern mit gesundem Menschenverstand“

Von Alexander Armbruster
 - 10:49

--> English Version

Herr LeCun, wenn Sie jemandem ohne Grundkenntnisse in Mathematik und Informatik Ihr wichtigstes KI-Projekt derzeit erklären sollten, wie würden Sie das machen?

Es gibt viele wichtige Projekte in „Maschinellem Sehen“, Übersetzung, Spracherkennung. Aber es gibt zwei grundsätzliche Forschungsfelder, in die wir sehr viel Aufwand stecken. Eines umfasst Dialog-Systeme...

...Computer, die mit uns allgemein und sinnvoll im Dialog kommunizieren können...

...intelligente Chatbots und virtuelle Assistenten. Die wissenschaftlichen Grundlagen und Technologien dafür existieren noch nicht. Wir sind dabei, Wege zu finden, die Computern ermöglichen, sich ein komplexes Hintergrundwissen anzueignen, wenn sie Texte lesen, um dann in der Lage zu sein, mit diesem Wissen vernünftig zu reden. Zweitens arbeiten wir am sogenannten „Predictive Learning“, das Computern erlauben würde, eine Art „gesunden Menschenverstand“ auszubilden durch Beobachtungen – so wie das Menschen und Tiere machen.

Was sind die Durchbrüche, die zum aktuellen KI-Hype führten?

Das hängt alles mit dem Aufkommen von Deep Learning zusammen. Deep Learning ist ein Set an Techniken, um einen Computer dahin gehend zu trainieren, dass er Aufgaben bewältigen kann wie etwa einzelne Objekte auf einem Bild zu erkennen, ein Auto zu fahren, Sprache zu verstehen oder zu übersetzen. Während die grundlegenden Ideen hinter Deep Learning seit dem Ende der achtziger Jahre kursieren, sind sie in den vergangenen fünf Jahren dominant geworden: wegen methodischen Fortschritts, schnellerer Rechner und größerer Datenmengen. Eine spezielle Deep-Learning-Technik namens „Convolutional Neural Networks“, die ich ursprünglich im Jahr 1989 entwickelte für AT&T Bell Laboratories, ist zu einem universalen Werkzeug geworden für Bild-Erkennung, selbstfahrende Autos, die Analyse medizinischer Aufnahmen (zum Beispiel CTs), Textverarbeitung und viele andere Anwendungen.

Viele Menschen haben Angst vor weiterem Fortschritt im Bereich der künstlichen Intelligenz. Sie sind nicht sicher, wie widerstandsfähig ihre Arbeitsplätze und Kenntnisse sind. Wie sehen Sie das?

Künstliche Intelligenz wird die menschliche Intelligenz erweitern, nicht ersetzen – in der gleichen Weise, wie jedes neue Instrument unsere Fähigkeiten vergrößert. Technischer Fortschritt hatte immer die Effekte, erstens den Wohlstand insgesamt zu vergrößern, zweitens neue Arbeitsplätze zu schaffen, drittens einige Berufe überflüssig zu machen. Der Aufstieg der künstlichen Intelligenz wird dieselben Effekte haben. Die Herausforderungen, mit denen die Gesellschaften umgehen müssen, sind erstens die Beschleunigung des technischen Fortschritts, welche die Zahl derjenigen erhöhen wird, die umlernen müssen, um neues Wissen und neue Stellen zu bekommen. Und zweitens die Tatsache, dass der Wohlstand, der durch technischen Fortschritt entsteht, mit der gesamten Gesellschaft geteilt werden sollte.

Sollte Informatik heutzutage für jeden Schüler ein Pflichtfach sein?

Der Prozess, eine komplexe Aufgabe auf eine Reihe einfacher Anweisungen zu reduzieren – genau darum geht es beim Programmieren –, ist eine Fähigkeit, die in vielen Aspekten des modernen Lebens nützlich ist, nicht nur für professionelle Informatiker und Programmierer. Deswegen ja, es wäre gut, wenn die meisten Schüler an weiterführenden Schulen die Grundlagen der Computer-Programmierung beherrschen, wenn sie ihren Abschluss machen. Es gibt Instrumente, die eingesetzt werden können, um kleinen Kindern Programmieren beizubringen, zum Beispiel die visuelle Programmiersprache Scratch. Ich bin kein Spezialist in Pädagogik, aber ich hätte so ein Werkzeug sehr gerne ausprobiert, als ich noch ein Kind war!

Die künstliche Intelligenz erlebte in der Vergangenheit Phasen großer Hoffnung und Phasen großer Ernüchterung, sogenannte „AI-Winter“ – gibt es dieses Auf und Ab noch immer, und wo stehen wir jetzt gerade?

Seit den sechziger Jahren hat es Wellen des Interesses für verschiedene Ansätze in der künstlichen Intelligenz gegeben. In den Sechzigern zum Beispiel waren dies frühe Modelle neuronaler Netze. In den Siebzigern und Achtzigern dann fokussierten sich die Forscher auf logik-basierte Methoden mit formalen Regeln, Beweisführung, Deduktion – was wir „Experten-Systeme“ nennen. Nach weiteren Episoden erlebten neuronale Netze dann um die Jahre 2011 und 2012 ein riesiges Comeback unter dem Namen „Deep Learning“.

Und das ist noch lange nicht zu Ende?

Der Unterschied zu früheren Hochphasen der künstlichen Intelligenz besteht darin, dass es jetzt eine große Zahl sehr erfolgreicher Anwendungen gibt und ein sehr großes unternehmerisches Geschäft rund um Deep Learning und künstliche Intelligenz. Während der derzeitige Hype, der dieses umfängt, sicher kleiner werden wird, glaube ich daher nicht, dass wir abermals einen „AI-Winter“ erleben werden in der Art, wie wir das in der Vergangenheit taten.

Quelle: FAZ.NET
Autorenporträt / Armbruster, Alexander (ala.)
Alexander Armbruster
Redakteur in der Wirtschaft.
Twitter
  Zur Startseite
Ähnliche ThemenAT&TMathematik