K.o. durch KI? Keine Angst vor schlauen Maschinen!

In der Science-Fiction-Literatur ist es ein oft beschworenes Bild: In übervölkerten Megastädten teilen sich die Menschen den Lebensraum mit Maschinen. Mit künstlicher Intelligenz lernen Maschinen, spezifische Aufgaben perfekt zu erfüllen. Welchen Regeln sollten die Maschinen folgen, damit der Mensch nicht auf der Strecke bleibt?

Alle 23 Sekunden verliert ein Mensch im Straßenverkehr sein Leben. In den meisten Fällen ist die Ursache menschliches Versagen. Die Hoffnung: autonome Fahrzeuge, die ihre Fahrgäste sicher und effizient ans Ziel bringen. Mithilfe künstlicher Intelligenz sollen Autos lernen, ihre Umgebung sicher zu identifizieren. Das System muss alle anderen Verkehrsteilnehmer erkennen und deren Verhalten prognostizieren. Menschliche Fahrer tun dies intuitiv. Bis eine künstliche Intelligenz dieselbe komplexe Leistung erbringt, ist es noch ein weiter Weg. Noch ist der Mensch für seine Fahrweise und Entscheidung in kritischen Situationen verantwortlich. Aber was ist, wenn eine künstliche Intelligenz die Kontrolle übernimmt? Selbst das perfekte autonome Fahrzeug wird nicht jedem Unfall ausweichen können, und das wirft ganz neue Fragen auf. Wie trifft das intelligente System kniffelige Entscheidungen in unvorhersehbaren Situationen? Hier gibt es nur entweder – oder: entweder ausweichen oder weiterfahren. Entweder trifft es die Fußgänger oder die Insassen.

Für eine zuverlässige Analyse und Interpretation von medizinischen Bildern benötigen Ärzte meist jahrelange Erfahrung. Selbst geübte Radiologen können Anzeichen für krankhafte Gewebestrukturen in CT Scans übersehen. Der Einsatz von künstlicher Intelligenz in medizinischen Bereichen, die mit bildgebenden Verfahren arbeiten, macht Hoffnung. Computer sollen Ärzte nun unterstützen – durch maschinelles Lernen. Programmierer bringen ihnen bei, auffällige Merkmale in medizinischen Bildern aufzuspüren. Eine Leistung, die lange für unmöglich gehalten wurde. Erst um die Jahrtausendwende erreichten Computer die erforderliche Verarbeitungsgeschwindigkeit und Speicherkapazität, um ein komplexes Rechenverfahren des maschinellen Lernens zu nutzen, das sogenannte deep learning. Der Computer wird hierfür mit Millionen von Bilddaten, beispielsweise mit CT Scans, gefüttert. Er verarbeitet sie selbständig auf mehreren tiefer liegenden Schichten. Nach der Trainingsphase erkennt der Computer eigenständig spezifische Merkmale von Gewebeauffälligkeiten. Die Software soll Abweichungen finden, die ein Arzt nicht wahrnimmt. Der Einsatz von KI in der medizinischen Diagnostik ist noch in der Entwicklung. Die Technik muss sich erst im Klinikalltag beweisen.

Die Hoffnung ruht auf völlig neutralen und fairen Entscheidungen durch Algorithmen – auch bei der Einstellung von Personal.  Längst erfolgt die Auswahl von Bewerbern in vielen Unternehmen mit einer automatischen Bewerbungssoftware, einer künstlichen Intelligenz. Beim „Automatic Recruiting“ werden die Bewerbungen von einem Algorithmus nach guten und schlechten Kandidaten vorsortiert. Entscheidend sind dabei bestimmte Merkmalen und Schlüsselworten in den Bewerbungen bezogen auf die ausgeschriebene Stelle. . Ein Verfahren, um objektiv und vorurteilsfrei Bewerber zu sortieren – allein aufgrund seiner Qualifikation.
Doch so manches Unternehmen macht andere Erfahrungen. Der Onlinehändler Amazon bemerkte, dass seine Software Frauen systematisch benachteiligte - trotz guter Qualifikation. Wie war das möglich? Das System funktioniert nur dann, wenn es mit Daten trainiert wird. Im Fall von Amazon trainierte es mit früheren Bewerbungen heute erfolgreicher Mitarbeiter. Es sollte so quasi lernen, welche Eigenschaften Amazon bevorzugt. Aber in den vergangenen Jahren waren vor allem Männer eingestellt worden. Der Algorithmus kam also quasi zu dem Schluss, dass Bewerbungen von Frauen schlechter zu bewerten seien. Und zwar immer dann, wenn die Unterlagen das Wort „Frau“ enthielten. Amazon bemerkte den Fehler und beseitigte die Software. Der Fall verdeutlicht das grundlegende Problem des maschinellen Lernens. Die künstliche Intelligenz kann nur so gut sein wie die Daten, mit denen sie trainiert wird.

Nach der Tsunamikatastrophe 2011 mussten Menschen in die zerstörten Reaktoren in Fukushima, um das Schlimmste zu verhindern. Hunderte Japaner setzten ihr Leben aufs Spiel. Roboter mit menschenähnlichen Fähigkeiten hätten die Arbeiten übernehmen können – doch die gab es nicht: Für die Roboterbranche wurde Fukushima zum Weckruf.
DARPA, die Forschungsstelle des US-Verteidigungsministeriums, hat bereits 2013 ein Rennen für Roboter veranstaltet. Der Parcours ist den Herausforderungen von Fukushima nachempfunden: Die Roboter müssen ein Fahrzeug steuern, Türen selbstständig öffnen und Werkzeuge benutzen. Die größte Hürde ist unwegsames Gelände. Alle Roboter scheitern. Die Hoffnung: Je ähnlicher uns die Roboter werden, desto besser finden sie sich in einer für Menschen gemachten Umgebung zurecht. Doch Laufen auf zwei Beinen ist besonders schwierig. Menschen erfassen ihre Umgebung visuell. ATLAS‘, der Roboter von Team des IHMC, besitzt zwar keine Augen, dafür aber zwei Kameras und einen Laser, womit er sich räumlich orientieren kann. Aber Sehen allein genügt nicht, um die Balance zu halten. Menschen besitzen ein Gleichgewichtsorgan im Innenohr. Es erfasst jede Bewegung des Kopfes und die Position im Raum. ATLAS’ Gleichgewichtsorgan ist ein Zylinder mit Sensoren für Lage und Beschleunigung. Doch genügt das für einen stabilen Gang? Das Zusammenspiel von Muskeln, Sehnen und Gelenken wird beim Menschen im Kleinhirn koordiniert. ATLAS’ Gehirn ist ein Computer. Alle Informationen der Sensoren werden zentral verarbeitet. Eineinhalb Jahre später und nach vielen Verbesserungen der Entwickler wird ein zweites Rennen veranstaltet. Jetzt ist Atlas gewappnet. Und dennoch, erst beim zweiten Versuch schafft er den Parcours. Doch an einen Einsatz im Ernstfall ist wohl noch länger nicht zu denken.