Laut KI-Forscher Yoshua Bengio braucht Deep Learning noch drei Bausteine, um zu einer menschengleichen KI zu führen.
Ist Deep Learning der Weg zur menschengleichen KI? Ja, meint der kanadische KI-Forscher Yoshua Bengio - wenn es KI-Forschern gelingt, drei wichtige Probleme zu lösen: funktionales Transferlernen, hochstufige Kognition und mehr Handlungsspielraum für Künstliche Intelligenz.
Transferlernen
Aktuelle KI-Systeme sind hochspezialisiert und versagen, sobald sie auf bisher unbekannte Aufgaben treffen. Sie müssen daher für jede Aufgabe aufwendig neu trainiert werden.
Eine Bildanalyse-KI, die Tiger erkennen soll und bereits Katzen erkennen kann, muss dennoch mit dutzenden Bildern von Tigern trainiert werden. Ein Kind lernt den Unterschied üblicherweise mit einem einzigen Beispiel.
Erfolgreiches Transferlernen soll die Anzahl notwendiger Trainingsbeispiele stark reduzieren und die Lernfähigkeit neuronaler Netze so der von Menschen näherbringen. Das würde flexiblere KI-Systeme ermöglichen und die Lerngeschwindigkeit drastisch erhöhen.
In der Praxis gibt es erste Erfolge etwa bei Bildanalyse-KIs wie Googles Inception, einem vortrainierten KI-Modell, das nach wenig Training erfolgreich für die Erkennung von Lungenkrebs eingesetzt wird. Beispiele für KI-Systeme, die abseits ihrer Spezialisierung mit wenig Beispielen neue Aufgaben erlernt haben, gibt es bisher nicht.
Hochstufige Kognition
Menschliche Intelligenz hat viele Facetten: Intuition, logisches Denken, bewusste und unterbewusste Reaktionen, strategische Planung und instinktives Verhalten. Der Psychologe Daniel Kahneman teilt in seinem einflussreichen Hirnforschungs-Bestseller „Thinking, Fast and Slow“ menschliche Kognition in „System 1“ und „System 2“ auf.
„System 1“-Kognition ist intuitiv, schnell, unbewusst, nicht-sprachlich und habituell. „System-2“-Kognition ist langsam, logisch, sequenziell, bewusst, sprachlich, algorithmisch, planend und schlussfolgernd. Sie manipuliert hochstufige, semantische Konzepte und versteht Kausalität.
Nach Bengio reproduzieren alle aktuellen Deep Learning-Systeme „System-1“-Kognition. Menschengleiche Deep Learning-Systeme müssten zusätzlich einige – wenn nicht sogar alle – Eigenschaften der „System-2“-Kognition reproduzieren.
Es gibt bereits erste Ansätze, zumindest Teile der „System-2“-Kognition mit Deep Learning-Systemen zu erlernen. Ein neues Forschungspapier von Deepmind zeigt etwa, dass ein neuronales Netz die Benchmarks CLEVRER und CATER schlagen kann, die die Fähigkeit zu einfacher logischer Schlussfolgerung messen.
KI verkörpert in der echten Welt
Neben Transferlernen und der Fähigkeit zur „System-2“-Kognition brauche menschengleiche KI noch die Perspektive eines Menschen in der echten Welt, sagt Bengio. Eine KI könnte beispielsweise in einem Roboter verkörpert und so sich ändernden Umständen ausgesetzt werden, etwa verschiedenen Orten, Zeiten, Sensoren, Zielen oder Strategien.
Laut Bengio könnte besonders die Interaktion mit anderen Agenten ein KI-System zu ständigem Lernen führen und womöglich so zur Entwicklung des Transferlernens beitragen. Die Interaktion mit der realen Welt sieht Bengio außerdem als notwendig an für das Verständnis von Ursache und Wirkung, das wiederum eine grundlegende Fähigkeit der „System-2“-Kognition ist.
Bewusstsein für Bewusstsein
Bengio konzipiert den oben vorgestellten Weg als Forschungsprojekt auf dem Weg zu menschengleicher Künstlicher Intelligenz. Laut Bengio sind alle drei Forschungsprojekte miteinander verknüpft und menschengleiche KI ist nur möglich, wenn alle drei Probleme gelöst werden.
Den Begriff der generellen Künstlichen Intelligenz benutzt Bengio nicht. Er stimmt mit Facebooks KI-Forscher Yann LeCun überein, dass eine generelle Form von Intelligenz nicht existiert – und wenn doch, dann sei diese nicht die menschliche.
Auf dem Weg zur menschlichen Intelligenz und der „System-2“-Kognition braucht es laut Bengio jedoch Bewusstsein. Eine allgemein akzeptierte wissenschaftliche Definition von Bewusstsein gibt es allerdings bisher nicht. Bengio sieht gerade hier eine große Chance für die KI-Forschung: Die Zeit sei reif, Bewusstsein mit maschinellem Lernen zu erkunden. Die KI-Forschung könne spezifische Funktionen des Bewusstseins formalisieren und testen.
Einen ersten Schritt habe das Feld schon mit der Erfindung der Transformer-Technik getan, ein Mechanismus für maschinelle Aufmerksamkeit, der KI-Fähigkeiten in Sprache und Bild in den letzten rund zwei Jahren grundlegend verbessert hat. Der nächste Schritt sei die Erforschung eines künstlichen Bewusstseins.
