2018 war das Jahr, in dem KI in den öffentlichen Fokus rückte, große Fortschritte gelangen und erste Skandale die Branche erreichten. Was erwartet uns 2019? Ich stelle fünf wahrscheinliche Trends vor.
Ethik-Debatten und der Ruf nach Regulierungen
In 2018 verkündeten einige große Tech-Unternehmen Leitlinien zur KI-Ethik. Microsoft und Google engagieren sich darüber hinaus aktiv an Förderprogrammen, die KI zum Wohle der Menschheit einsetzen sollen und nicht allein für den Profit.
Die Ethik-Debatte wird sich in diesem Jahr intensivieren: Im Laufe des letzten Jahres hat sich der öffentliche Fokus zunehmend von Weltuntergangsszenarien hin zu einem realistischen Verständnis der Fähigkeiten und Gefahren aktueller KIs verschoben.
Der Verlust von Arbeitsplätzen, Algorithmen mit Vorurteilen, lückenlose Überwachung oder der unkontrollierte Umgang mit Daten sind Probleme, vor denen wir jetzt schon stehen.
Diese Erkenntnis erhöht nicht nur den öffentlichen Druck auf Tech-Unternehmen, sondern auch die Wahrscheinlichkeit für staatliche Regulierungen. Nationalstaaten werden versuchen, sich vor den negativen Auswirkungen der neuen industriellen Revolution zu schützen und dabei die positiven für sich zu erhalten.
Organisationen wie das neue Internationale Panel für Künstliche Intelligenz (IPAI), die Weltbank oder die Vereinten Nationen (UN) wollen Missbrauch, wirtschaftliche Auswirkungen und autonome Waffensysteme im Sinne der Gesellschaft regulieren.
Vormarsch in unerschlossene Bereiche
Kurz vor Weihnachten veröffentlichten wir eine seltsame Nachricht: KI-Schwangerschaftstest soll bei der Schweinezucht helfen. Auf den ersten Blick bizzar, passt dieses Anwendungsszenario zu einer Prognose des Google-Brain-Mitgründers Andrew Ng.
Er sieht die nächste große KI-Welle außerhalb der Software-Industrie: Unternehmen wie Airbnb oder Uber nutzen KI-Lösungen schon erfolgreich.
Doch es liege riesiges, unerschlossenes Potenzial im produzierenden Gewerbe, der Landwirtschaft oder dem Gesundheitssektor. Dort könne jedes Unternehmen dutzende KI-Anwendungen entwickeln und davon profitieren. Ansätze gab es bereits 2018 zu sehen.
Auf die Betriebe zugeschnittene KI-Lösungen wirken als Wachstumsmotor: Eine im Juli 2018 veröffentlichten Studie des Bundesministeriums für Wirtschaft und Energie (BMWi) kommt zu dem Schluss, dass KI das Potenzial hat, die „Bruttowertschöpfung des produzierenden Gewerbes in Deutschland in den nächsten fünf Jahren um rund 32 Milliarden Euro zu steigern. KI wäre damit für ein Drittel des gesamten für diesen Zeitraum prognostizierten Wachstums in diesem Bereich verantwortlich.“
KI-Hardware wird besser - und kommt zu euch
Google, Tesla, Alibaba und viele mehr produzieren mittlerweile eigene KI-Chips. Dedizierte KI-Hardware erlaubt es, die anspruchsvollen Aufgaben der KI-Trainings wesentlich schneller durchzuführen, als es mit klassischer PC-Hardware möglich ist.
Mit den KI-Chips in Smartphones, Grafikkarten und USB-Sticks erreicht die Technologie den Endanwender. Mit diesen Chips können komplexe KI-Anwendungen lokal ausgeführt werden.
Nvidia brachte mit den RTX-Grafikkarten dedizierte KI-Hardware in den Gaming-PC. Und Intel verkauft für 100 US-Dollar den Neural Compute Stick 2. Huawei stellte bereits 2017 das erste Smartphone mit KI-Chip für die Fotoaufbereitung vor.
Methodische Weiterentwicklungen
In 2019 wird sich die Forschung noch stärker auf unüberwachtes und verstärkendes Lernen fokussieren. Ersteres ermöglicht KI-Training ohne aufwendig vorbereitetes Datenmaterial, letzteres ist die treibende Kraft hinter AlphaZero oder den Erfolgen von OpenAI.
Verstärkendes Lernen ist mächtig, aber nur mit vielen Daten. Daher wird 2019 das Jahr sein, in dem vermehrt an sogenannten „Few Shot Learning“-Methoden geforscht wird. Sie erlauben akkurate Ergebnisse mit weniger Daten – zum Beispiel eine Bilderkennungs-KI, die mit nur 1.000 statt zehntausenden Katzenfotos trainiert werden muss, um die pelzigen Erdmitbewohner sicher zu erkennen.
Neben dem hohen Datenverbrauch ist vor allem die mangelnde Flexibilität von KIs ein Problem. Ihre für ein Spezialgebiet gelernten Fähigkeiten können fast nie auf andere Domänen übertragen werden.
Eine KI, die Lungenkrebs auf hochauflösenden Aufnahmen erkennt, kann oft schon bei etwas geringerer Auflösung oder einem anderen Winkel nicht mehr mit Fachärzten mithalten. Daher muss ihre Generalisierbarkeit erhöht werden.
Neue (alte) Hoffnungsträger
Abseits der altbekannten Methoden tut sich einiges: In 2019 werden wir mehr von neugierigen Maschinen, imitierendem Lernen und evolutionären Strategien hören.
Unternehmen wie Honda investieren in die Erforschung neugieriger Maschinen, die wie Babys die Welt erkunden und lernen. Ständig auf der Suche nach Neuem, sehen sie manche Sicherheitsforscher als möglichen Ausweg aus dem Kontrollproblem der KI-Sicherheitsdebatte: Wenn eine Künstliche Intelligenz die Welt von der Pike auf verstehen lernt, sinkt das Risiko für gefährliche, ungewollte Kettenreaktionen – zumindest in der Theorie.
Imitierendes Lernen orientiert sich ebenfalls an der Natur: Viele höhere Lebewesen lernen neue Fähigkeiten, indem sie diese bei einem kompetenten Artgenossen abschauen. Sofern die Fähigkeit nützlich ist, verbreitet sie sich auf diese Art innerhalb der Gruppe und wird über Generationen weitergegeben.
Evolutionäre Strategien orientieren sich an der Grundidee der Evolution und wurden in den 1960er Jahren entwickelt. Ähnlich wie beim überwachten und verstärkenden Lernen handelt es sich also um eine alte Idee, die mit moderner Hardware zu neuer Größe auflaufen könnte.
OpenAI – ein Vorreiter in der Forschung zu verstärkendem Lernen – sieht evolutionäre Strategien als mögliche Alternative zu diesem. Die Methode benötige weniger Code, liefere ähnliche Ergebnisse und passe sich fordernden Aufgaben an.
