Adil Moujahid, Technischer Leiter bei everis (ein Unternehmen von NTT DATA) und PMO-Manager des NTT DATA KI Center of Excellence (CoE), spricht mit Gernot Kapteina, Gründer von OYSTEC, über die Bedeutung der Künstlichen Intelligenz in Gegenwart und Zukunft. Dieses Interview wurde auf Englisch geführt und ins Deutsche übersetzt.
Adil, ich danke Dir für dieses Interview über Künstliche Intelligenz. Zunächst einmal, wenn wir jetzt nicht von Angesicht zu Angesicht miteinander sprechen würden, sondern per Telefon, wie würde ich sicherstellen, dass ich den echten Adil befrage und nicht eine KI, die sich für Dich ausgibt?
Moujahid: Vielen Dank, Gernot, für die Einladung. Es ist immer ein Vergnügen, mit Dir zu diskutieren. Deine Frage ist wirklich sehr interessant und eine tolle Möglichkeit, unser Gespräch über KI zu beginnen. Ich denke, dass es sehr schwierig ist, 100% sicher zu sein, dass Du mit einer echten Person sprichst, wenn Du die betreffende Person nicht selbst im echten Leben auch triffst. Das Beste, was man tun kann, ist den Turing-Test anzuwenden, um zu überprüfen, ob man mit einer KI spricht. Der Turing-Test wurde in den 1950er Jahren von Alan Turing entwickelt, um die Fähigkeit der KI zu bewerten. Der Test in seiner ursprünglichen Form ist rein textbasiert. Man muss ein Set von Fragen auswählen und diese an einen Menschen und die KI schicken. Die Antworten müssen anonym sein, und basierend auf ihnen solltest Du bestimmen, welche Antworten von welcher der beiden kommen. Wenn Du es nicht zuverlässig sagen kannst, dann kannst Du sagen, dass die KI den Test bestanden hat. Nun zurück zu Deiner ursprünglichen Frage, und lass uns annehmen, dass Du mit einer KI sprichst. Wenn die KI den Test nicht besteht, dann kannst Du sagen, dass Du mit einer KI sprichst. Wenn sie den Test besteht, dann kannst Du nicht sagen, ob Du mit einer KI oder einem Menschen sprichst.
Vielen Dank für diesen interessanten Einstieg. Lass uns nun erst einmal über Dich sprechen - kannst Du unseren Lesern etwas über Deinen beruflichen Hintergrund erzählen?
Moujahid: Ich heiße Adil Moujahid. Ich bin in Marokko geboren und aufgewachsen, bis ich im Alter von 18 Jahren die Schule beendete und beschloss, nach Japan zu ziehen. Dort ging ich an die Tokioter Universität für Auslandsstudien, wo ich einen einjährigen Japanischsprachkurs für internationale Studenten vor dem Abschluss absolvierte, um an japanischen Universitäten studieren zu können. Nach diesem Sprachkurs ging ich an die Kyushu Universität in Fukuoka und studierte Elektrotechnik und Informatik. Ich blieb dort sechs Jahre lang, während dessen ich einen Bachelor of Engineering in Elektrotechnik und Informatik und einen Master of Engineering in Informationswissenschaft und Elektrotechnik abschloss. Nachdem ich meinen Master-Abschluss erhalten hatte, zog ich zurück nach Tokio und trat NTT DATA bei. In den ersten zwei Jahren arbeitete ich im Global Business Sector, wo wir neu erworbene Unternehmen bei ihrem Post-Merger-Integrationsprozess unterstützten - z.B. bei der Ausweitung ihrer Lösungen auf neue Märkte. Danach wechselte ich in die Forschungs- und Entwicklungsabteilung, wo ich als Datenwissenschaftler in verschiedenen Initiativen und Projekten im Gesundheits-, Produktions- und Transportsektor arbeitete. Im Jahr 2017 zog ich nach Barcelona, um dem Team für Künstliche Intelligenz bei everis beizutreten, das ein Unternehmen von NTT DATA ist, und ich bin jetzt PMO Manager des NTT DATA AI Center of Excellence (CoE).
Das klingt nach einem sehr professionellen Lebenslauf. Aber Deine KI-Expertise hat sich nicht erst entwickelt, als Du nach Barcelona gezogen bist. Ich erinnere mich, dass Du damals, als Du in Tokio gelebt hast, an KI-Projekten gearbeitet hast. Wann hast Du Dich das erste Mal für KI interessiert?
Moujahid: Ganz und gar richtig. Mein Interesse an KI begann, als ich Machine Learning an der Universität studierte. Das Thema meiner Masterarbeit bezog sich auf KI. Ich untersuchte die Anwendung von Algorithmen für maschinelles Lernen, um hochauflösende Bilder aus niedrigauflösenden Bildern zu rekonstruieren. Außerdem hatte ich durch meine berufliche Laufbahn bei NTT DATA und everis die Chance, an verschiedenen KI-Projekten und Initiativen mitzuarbeiten, die mir die Auswirkungen der KI zeigten und mein Interesse an dem Thema steigerten.
In den letzten Jahren hat sich die KI zu einem wichtigen Trend in der Gesellschaft entwickelt. Aber nicht jeder versteht KI auf die gleiche Art und Weise. Wie würdest Du "Künstliche Intelligenz" aus Deiner professionellen Sicht definieren?
Moujahid: KI umfasst Maschinen oder Algorithmen, die Verhaltensweisen oder Fähigkeiten in Verbindung mit Menschen demonstrieren. Mit "Künstliche Intelligenz" meinen wir in den meisten Fällen maschinelles Lernen. Maschinelles Lernen ist der Zweig der Informatik, der sich mit Algorithmen beschäftigt, die aus Daten lernen. Die Algorithmen des maschinellen Lernens werden normalerweise in drei Kategorien eingeteilt: Erstens gibt es das "Überwachte Lernen": Bei einer beaufsichtigten Lernaufgabe verwenden wir einen Datensatz, der sowohl den Input als auch den Output enthält, um einen Algorithmus zu erstellen, der einen neuen Input aufnehmen kann und eine Vorhersage über den Output macht. Zweitens gibt es "Unbeaufsichtigtes Lernen": Algorithmen für unbeaufsichtigtes Lernen versuchen, Muster in nicht gekennzeichneten Datensätzen zu finden (nur von der Eingabe). Und schließlich gibt es "Verstärktes Lernen": Reinforcement Learning-Algorithmen werden bei Aufgaben wie dem Training von Robotern zum Laufen oder dem Training von Computeragenten zum Spielen von Spielen wie Schach oder Go verwendet. In den letzten 10 Jahren haben wir einen enormen Anstieg der Popularität eines Zweigs des maschinellen Lernens namens "Deep Learning" erlebt. Deep Learning bezieht sich auf eine Klasse von künstlichen neuronalen Netzwerken (ANNs), die aus vielen Verarbeitungsschichten bestehen. Diese Algorithmen haben viele Fortschritte in den Bereichen Computersehen, automatische Spracherkennung und Verarbeitung natürlicher Sprache gemacht.
Wie genau funktioniert denn KI bei zum Beispiel Spielen wie Schach und Go?
Moujahid: Schach und Go sind zwei Spiele, die von Informatikern und KI-Forschern recht intensiv studiert wurden und werden. Eine der ersten Errungenschaften der KI im Schachspiel war Deep Blue von IBM in den 1990er Jahren. Deep Blue ist berühmt dafür, dass es das erste Computerprogramm war, das 1997 gegen einen amtierenden Weltmeister - Garry Kasparov - gewann. Deep Blue benutzte eine Datenbank von Großmeisterpartien mit einem Suchalgorithmus, um über den nächsten Zug zu entscheiden.
Go ist eigentlich viel komplexer als Schach, und die wissenschaftliche Community war überrascht, dass eine Forschungsfirma namens DeepMind es schaffte, Lee Sedol bei Go mit dem Ergebnis von 4 Partien zu 1 im Jahr 2016 zu schlagen. Lee Sedol gilt als einer der größten Spieler bei Go. DeepMind benutzte ein Programm namens AlphaGo, um Lee Sedol zu schlagen. AlphaGo benutzte Deep Learning, um das Spiel zu lernen, indem es tausende von Matches mit Amateur- und Profispielern spielte. Nach AlphaGo entwickelte DeepMind zwei weitere Programme: AlphaGo Zero und AlphaZero. AlphaGo Zero lernte das Go-Spiel zu spielen, indem es gegen sich selbst spielte und ohne Daten aus Spielen gegen Menschen zu verwenden. AlphaZero ist eine Verallgemeinerung von AlphaZero Go und es ist ein Programm, das die Spiele Schach, Shogi und Go meistern kann, indem es gegen sich selbst spielt.
Abbildung: Zeitliche Entwicklung der Künstlichen Intelligenz
Wie ist KI überhaupt entstanden, und was sind die Gründe für den großen Erfolg?
Moujahid: Die KI als akademische Disziplin geht auf die 1950er Jahre zurück. Seitdem hat die Technologie mehrere Hype-Zyklen durchlaufen, wobei einige Jahre mit vielen vielversprechenden Fortschritten und zunehmender Begeisterung für die Technologie und andere Jahre mit weniger Interesse verliefen. Die Zeitabschnitte mit weniger Interesse an der KI werden oft als KI-Winter bezeichnet. Der jüngste Erfolg der KI lässt sich mit Geoffrey Hintons bahnbrechender Arbeit in Deep Learning bis Mitte der 2000er Jahre erklären. Neben der algorithmischen Innovation von Deep Learning sind ebenso die Steigerung der Rechenkapazität durch GPUs und Cloud-Ressourcen sowie die großen Datensätze, die Wissenschaft und Unternehmen zur Verfügung stehen, alles Faktoren, die zur jüngsten erfolgreichen Entwicklung der KI beigetragen haben.
Was sind derzeit die bekanntesten KI-Anwendungsszenarien?
Moujahid: Lass mich Dir einige Beispiele geben und lass uns mit den Diensten beginnen, die Du wahrscheinlich jeden Tag nutzt: FaceID zum Beispiel verwendet Computer Vision und Algorithmen des maschinellen Lernens, um den Besitzer eines Telefons zu identifizieren und es freizuschalten, indem es Dein Gesicht mit einem Illuminator erkennt und Hunderte von Milliarden Operationen pro Sekunde durchführt. Dann gibt es noch Siri, Google Assistant, Alexa: sie benutzen Speech-to-Text, natürliche Sprachverarbeitung und Machine Learning, um Deine Sprachanfragen zu verstehen und auszuführen. Und Netflix und Spotify haben Empfehlungssysteme: sie kombinieren Deine Seh- und Höraktivitäten mit Daten von anderen Benutzern auf der Plattform und verwenden Algorithmen des maschinellen Lernens, um Empfehlungen zu Inhalten zu geben, die Dir gefallen könnten. Außerdem gibt es Übersetzungsprogramme wie Google Translate: Diese verwenden natürliche Sprachverarbeitung und maschinelles Lernen, um Inhalte von einer Sprache in eine andere zu übersetzen.
Dies sind mit Sicherheit solide Beispiele aus dem wirklichen Leben für KI-gesteuerte Systeme von heute. Bevor wir weiter in die Zukunft der KI blicken, wollen wir noch etwas länger im Hier und Jetzt bleiben und lass mich erstmal noch fragen: Welche Branchen profitieren bereits heute von KI?
Moujahid: Ich denke, dass KI allen Branchen und Unternehmen hilft, effizienter zu sein, die Qualität ihrer Dienstleistungen zu verbessern und sogar neue Produkte und Geschäftsmodelle zu schaffen. Wenn ich ein paar Branchen auswählen würde, in denen ich die größte Wirkung sehe, würde ich zuerst die Gesundheitsindustrie nennen: Bei einigen Aufgaben, die mit der Analyse von Patientendaten zu tun haben, hat die KI bereits einen großen Einfluss. Zum Beispiel können wir die KI nutzen, um Röntgenstrahlen zu analysieren und Patienten mit Krebs zu identifizieren. Mit der zunehmenden Verwendung von tragbaren Produkten und elektronischen Krankenakten kann ich eine breitere Akzeptanz der KI in diesem Sektor und eine allgemeine Verbesserung der Qualität der Gesundheitsfürsorge beobachten. Zweitens können wir einen Blick auf den Automobilsektor werfen: Ein großer Teil der selbstfahrenden Systeme wird mit Künstlicher Intelligenz betrieben. Ich denke, dass zum Beispiel selbstfahrende Autos einen großen Einfluss auf die Gesellschaft haben werden. Drittens, die Bildungsindustrie: Ich glaube, dass KI dabei helfen kann, die Lernerfahrung auf die Fähigkeiten und Interessen der Schüler abzustimmen. Mit dem kürzlichen Lockdown haben wir einen Anstieg der Online-Bildung erlebt. Ich glaube, dass sich dieser Trend nach der Pandemie fortsetzen wird und dass die KI eine wichtige Rolle bei der Verbesserung der Qualität des Lernens spielen wird. Und vielleicht ein weiteres Beispiel - der öffentliche Sektor: Hier kann KI eine wichtige Rolle in Smart Cities spielen, indem sie diese sicherer, leichter zu verwalten und energieeffizienter macht.
Verstanden. Nun, stellen wir uns Systemintegrator-Firmen (SIs) vor, die auch KI-Funktionalitäten für ihre Kunden implementieren. Gibt es etwas, was ein KI-bezogenes Projekt besonders macht?
Moujahid: Ja, ich denke, dass KI-Projekte ein wenig anders sind als andere Technologie- oder Beratungsprojekte. Die Technologie ist noch relativ neu, und es gibt oft ein Missverhältnis zwischen dem, was der Kunde erwartet und dem, was die Technologie leisten kann. Außerdem basiert die Künstliche Intelligenz, wie wir bereits erörtert haben, auf Algorithmen des maschinellen Lernens und des Tiefenlernens, die eine Menge Daten für das Training benötigen. In vielen Fällen kann es ziemlich schwierig sein, von der Kundenseite Zugang zu den Daten im richtigen Format zu bekommen. Um ein KI-Projekt erfolgreich durchzuführen, brauchen wir folgendes: Einen klaren Anwendungsfall, der auf die Erwartungen des Kunden abgestimmt ist, und Daten von guter Qualität. Dann müssen wir das richtige Modell für maschinelles Lernen auswählen und sicherstellen, dass das Modell richtig trainiert, feinabgestimmt und getestet ist. Nach der Schulung müssen wir das trainierte Machine-Learning-Modell einsetzen und wir müssen sicherstellen, dass das Modell in der Produktion korrekt überwacht wird, idealerweise nach einem MLOPs-Ansatz. Es ist auch wichtig, dass wir die Modelle nach dem Einsatz ständig verbessern, indem wir das Modell anhand neuerer Daten neu trainieren. Und nicht zuletzt müssen wir uns mit den ethischen Fragen der KI befassen, die von der Definition des Anwendungsfalles über die Auswahl der Daten bis hin zum Training, Testen und Überwachen der Modelle reichen.
Bis jetzt haben wir hauptsächlich KI von der technischen Seite besprochen. Nun, lass mich Dich fragen: Wie wichtig ist Ethik in der KI?
Moujahid: Es gibt viele ethische Implikationen, die mit KI verbunden sind. Dieses Thema hat in den letzten Jahren mit Skandalen wie Cambridge Analytica, Unfällen mit selbstfahrenden Autos, der Sorge um die massenhafte Videoüberwachung und der Verlagerung von Arbeitsplätzen durch die Automatisierung viel Aufmerksamkeit erhalten. Viele Länder und Organisationen sind dabei, ihre Richtlinien für den Umgang mit den ethischen Implikationen der KI zu veröffentlichen. Zum Beispiel hat die Europäische Kommission ihre Ethischen Richtlinien für vertrauenswürdige KI mit spezifischen Schlüsselanforderungen definiert, die KI-Systeme erfüllen müssen, um als vertrauenswürdig zu gelten. Wie zum Beispiel menschliche Fähigkeiten und Aufsicht, Privatsphäre und Datenmanagement oder Rechenschaftspflicht. Um besser zu verstehen, warum wir diese Anforderungen brauchen, möchte ich einige konkrete Beispiele nennen:
Zuerst ist da beispielsweise der Fall einer berühmten Technologiefirma, die beschlossen hatte, einen KI-Algorithmus zu entwickeln, um Bewerbungen zu sortieren. Sie benutzten einen Datensatz aus ihrem HR-System, um einen Machine Learning-Algorithmus zu trainieren, der die endgültige Entscheidung trifft: einstellen oder ablehnen. Der Datensatz enthält historische Lebensläufe der Bewerber und die endgültige Entscheidung, die von den Personalverantwortlichen des Unternehmens getroffen wurde. Nachdem sie den trainierten Algorithmus getestet hatten, stellte die Firma fest, dass der Algorithmus eine bestimmte Art von Profilen für bestimmte Stellen diskriminiert. Als sie die Ergebnisse analysierten, stellte sich heraus, dass der Algorithmus ähnliche Entscheidungen wie einige der Personalvermittler traf und dass der Algorithmus die Voreingenommenheit dieser Personalvermittler hatte. Dies zeigt, wie wichtig die Daten sind, mit denen diese Algorithmen trainiert werden. Wenn die Daten verzerrt sind, dann ist auch der Algorithmus verzerrt.
Bei einem anderen Beispiel geht es um eine Firma, die eine Kreditkarte ausgestellt und ein KI-System verwendet hat, um über das Kreditlimit zu entscheiden. Es gab den Fall eines verheirateten Paares mit identischer finanzieller Situation, und die Firma gab dem Mann das 20-fache des Kreditlimits seiner Frau. Als die Firma kontaktiert wurde, erwähnten sie, dass sie eine KI benutzten, um die Entscheidung zu treffen, und sie konnten nicht erklären, wie der Algorithmus diese Entscheidung traf. Dies zeigt, wie wichtig KI Erklärungsfähigkeit und Verantwortlichkeit sind. Für kritische Anwendungen müssen wir die Werkzeuge haben, um zu erklären, wie der Algorithmus eine Entscheidung trifft, und die Firma, die diese Anwendungen entwickelt oder benutzt, sollte für das Ergebnis verantwortlich sein.
Wenn ein KI-gesteuertes Auto im Falle eines Unfalls ethische Entscheidungen treffen muss, was in diesem speziellen Beispiel die Verletzung von Menschen bedeuten würde, wie muss es in einer solchen Situation reagieren?
Moujahid: Dies ist eine sehr wichtige Frage und es ist eigentlich eine Variation eines wichtigen philosophischen Gedankenexperiments, das "das Trolley-Problem" genannt wird. Ich persönlich habe ein Buch von Michael J. Sandel mit dem Titel "Justice: What's the Right Thing to Do?" entdeckt; eine großartige Quelle, um diese Art von Problemen und insbesondere diese Frage zu verstehen und darüber nachzudenken. Ich werde versuchen, Deine Frage mit den Anregungen aus diesem Buch zu beantworten:
Stell Dir vor, unser KI-gesteuertes Auto fährt 60 km/h und die Bremsen funktionieren auf einmal nicht mehr. Vor dem Auto stehen fünf Personen und an der Seite nur eine Person. Das Auto hat nur zwei Möglichkeiten: Entweder fährt es geradeaus weiter und mit Sicherheit wird es dann die fünf Personen töten. Oder die KI dreht das Lenkrad und mit Sicherheit wird es sodann die andere einzelne Person auf der Seite töten. Wenn Du diese Frage einer großen Gruppe von Leuten stellst, wirst Du eine Mehrheit bekommen, die die zweite Möglichkeit wählt mit der Argumentation, die eine Person zu opfern, um die anderen fünf zu retten. Diese Art der Argumentation fällt unter folgende Schule der Philosophie: Utilitarismus. Beim Utilitarismus geht es darum, das Glück und das Wohlergehen der Mehrheit der Menschen in einer bestimmten Situation zu maximieren. Die berühmtesten Philosophen des Utilitarismus sind Jeremy Bentham und John Stuart Mill. In diesem Beispiel können wir sehen, dass wir, indem wir die KI die eine Person opfern lassen, trotzdem das Wohlergehen aller beteiligten Personen maximieren. Nun, wenn wir den Aufbau ein wenig ändern, werden wir anfangen, die Grenzen des Utilitarismus zu sehen. Nehmen wir dasselbe Beispiel mit dem Auto und den fünf Leuten, und anstatt eine Person auf der Seite zu haben, haben wir dieselbe Person auf einer Brücke oben auf der Straße stehen. Hinter der Person stehst Du , und Du hast zwei Möglichkeiten: Entweder Du tust nichts und die fünf Personen sterben, oder Du schubst die Person, die auf der Brücke steht, die Person landet vor dem Auto und hält es davon ab, die fünf Personen zu treffen, aber dann stirbt die vorher genannte Persondefinitiv. Wenn wir die gleiche utilitaristische Logik anwenden, ist es moralisch richtig, diese eine Person zu opfern, die auf der Brücke steht, da es das Wohlbefinden der beteiligten Personen maximiert, indem es die anderen fünf Personen rettet. Aber wenn Du den meisten Menschen diese Frage stellst, werden sie die Aktion, die Person von der Brücke zu werfen, nicht befürworten und sie werden versuchen, verschiedene Arten der Rechtfertigung zu finden.
Eine andere Philosophieschule, die uns eine andere Möglichkeit bietet, das Problem zu betrachten, ist die Deontologie, wobei die Theorie von Immanuel Kant die populärste Formulierung der deontologischen Ethik ist. Eine deontologische Annäherung an die Ethik beurteilt die Handlung nach einer Reihe von Regeln, anstatt sich auf die Konsequenzen der Handlung zu stützen. Um auf unser Beispiel zurückzukommen, könnten wir eine Regel definieren, die zum Beispiel besagt, dass niemand irgendeine Handlung vornehmen darf, um das Leben eines anderen Menschen zu beenden. Wenn wir mit dieser Regel eine deontologische Annäherung an das Trolly-Problem vornehmen, dann sollten wir im ersten Fall das Lenkrad nicht von der KI drehen und auch die Person nicht von der Brücke werfen. Aber wenn wir andere Regeln haben, dann sind die Konsequenzen natürlich anders.
Nun, zurück zu Deiner ursprünglichen Frage, leider gibt es darauf keine einfache Antwort. Wir werden sehen, dass verschiedene Länder unterschiedliche Vorschriften und Regeln für KI-kontrollierte Autos festlegen werden. Ich denke, dass diese Regeln je nach der Kultur der Länder, die sie umsetzen, unterschiedlich sein werden.
Diese Art von Gedankenexperimenten werden seit Jahrhunderten von Philosophen studiert und die meisten dieser Experimente hatten bis jetzt mit dem Aufkommen der KI und anderer fortgeschrittener Technologien keine praktischen Auswirkungen. Ich denke, dass es sehr wichtig ist, Philosophen einzubeziehen, um bei der Formulierung dieser Fragen zu helfen, um die richtigen Vorschriften und Gesetze zu definieren, die diese Technologien regeln können.
Nachdenklich und inspirierend zugleich. Nun, wenn wir anfolgend auch über die KI der nächsten Generation nachdenken, wie wird KI weiterhin unsere Wirtschaft und Gesellschaft verändern?
Moujahid: Im Allgemeinen ist es sehr schwierig, Vorhersagen bei derartigen Technologien zu treffen. Ich denke jedoch, dass wir uns noch in einem sehr frühen Stadium der KI befinden und wir kurz- bis mittelfristig einige unglaubliche Fortschritte und Anwendungen sehen werden. Wenn wir einfach die existierende KI-Technologie nehmen und die Einführung in vielen Bereichen der Gesellschaft vorantreiben, könnte ich mir vorstellen, dass wir in ein paar Jahren ziemlich interessante Bereiche der KI erleben werden. Laß mich ein paar davon nennen: Was hältst Du von KI-Assistenten, die Deinen Tag organisieren und verschiedene Aufgaben wie Buchungen in Deinem Namen durchführen? Oder ein Netzwerk von selbstfahrenden Autos, die Du als Dein Hauptverkehrsmittel nutzen kannst. Das könnte die Mobilität dramatisch erhöhen und Verkehrsstaus reduzieren, oder? Diese Anwendungen werden im Leben eines jeden Menschen zur Normalität werden. Wie wäre es mit einem KI-Gesundheitsassistenten, der Zugang zu Deinen Gesundheitsinformationen und Deinen Echtzeit-Vitaldaten hat, die von Wearables gesammelt werden? Dieser KI-Assistent kann dann frühe Anzeichen von Krankheiten erkennen und Dir Ratschläge geben, wie Du Deine Gesundheit verbessern kannst. Bedenke auch, dass dann alle Arten von medizinischen Diagnosen in Krankenhäusern von der KI vollständig automatisiert werden können.
Ein weiteres Beispiel: Unbeaufsichtigte und kassenfreie Supermärkte und Geschäfte wie Amazon Go werden definitiv zur Norm werden und Du wirst in jedem Laden und Restaurant, in das Du gehst, einen persönlichen Service haben. Wir können über all diese Beispiele auch in einem größeren Rahmen nachdenken: Stell Dir vor, dass alle Städte und Regierungen auf der ganzen Welt Kameras und Sensoren einführen, die in Echtzeit Daten über jeden Bürger sammeln und diese Daten entweder zur Verbesserung der Städte oder zur Massenüberwachung nutzen.
Wenn wir langfristig denken, gibt es zwei Forschungsbereiche, auf die sich viele KI-Spezialisten oft beziehen: Das erste ist die Künstliche Allgemeine Intelligenz: Die Algorithmen des maschinellen Lernens und des Tiefenlernens, die wir besprochen haben, benutzen einen Datensatz, um zum Beispiel zu lernen, wie man eine bestimmte Aufgabe ausführt: Gesichtserkennung. Diese Art von KI wird oft als "Enge KI" bezeichnet. Das Ziel der Künstlichen Allgemeinen Intelligenz ist es, Algorithmen zu bauen, die in der Lage sind, Aufgaben auszuführen, für die sie nicht speziell trainiert wurden. Diese Art von KI wird oft als "Starke KI" bezeichnet und sie ist näher an der menschlichen Intelligenz. Dann denk über Brain-Machine-Interfaces nach: Es gibt Firmen wie Neuralink, die Brain-Machine-Interfaces entwickeln, mit dem Ziel, die menschlichen Gehirnfunktionen mit der KI zu verschmelzen.
Was die Auswirkungen der KI auf Unternehmen und Gesellschaften betrifft, so gibt es, wie wir besprochen haben, viele positive Aspekte, aber auch einige Herausforderungen, die wir angehen müssen. Ich glaube, dass die meisten Technologien (einschließlich KI) im Wesentlichen neutral sind, und es sind die Entscheidungen, die wir als Gesellschaft treffen, die die Auswirkungen dieser Technologien bestimmen. KI hat das Potenzial, zur Schaffung von gleichberechtigteren Gesellschaften beizutragen, in denen der Zugang zu qualitativ hochwertiger Bildung, Gesundheitsversorgung und anderen Ressourcen für alle Bürger gewährleistet ist. Nichtsdestotrotz müssen wir sicherstellen, dass wir uns mit den ethischen Implikationen dieser Technologien auseinandersetzen.
Wenn Du jetzt in Echtzeit mit einem Vorfahren von Dir sprechen könntest, der vor langer Zeit gestorben ist, aber jetzt von einem KI-Bot in der Cloud repräsentiert wird, was würdest Du ihm oder ihr sagen?
Moujahid: Ich denke, wenn wir uns diese Art von Applikationen ansehen, müssen wir die Künstliche Intelligenz vom Bewusstsein trennen. Wenn wir nur die Künstliche Intelligenz betrachten, gibt es bereits Algorithmen und Lösungen wie GPT-3, die Texte und Gespräche erzeugen, die sehr realistisch klingen. Wenn man diese Algorithmen mit Chats oder Aufnahmen von beliebigen Personen kombiniert, kann man sehr überzeugende Chatbots bauen, die wie die betreffende Person klingen. Nachdem das gesagt ist, denke ich, dass ein Gespräch mit einer KI, selbst die fortgeschrittensten, ohne Bewusstsein nicht sehr erfüllend wären. Zu diesem Zeitpunkt sind wir sehr weit davon entfernt zu verstehen, wie menschliches Bewusstsein funktioniert, geschweige denn künstliches Bewusstsein.
Abgesehen von den aktuellen und zukünftigen KI-Möglichkeiten, wenn wir jetzt über OYSTEC nachdenken, was empfiehlst Du unserem Unternehmen, was wir bei der Entwicklung unserer IT-Lösungen beachten sollten - wie sollten wir KI-Funktionalitäten einbauen?
Moujahid: Ich weiß, dass ihr zum Beispiel KI-gesteuerte Chatbot-Funktionalitäten für die Managementangebote entwickelt. Ich denke, dass Dein Ansatz, bestimmte Domains dafür auszuwählen, ein sehr guter Ansatz ist. Aus technischer Sicht würde ich Dir vorschlagen, die bestehenden APIs der KI-Anbieter zu analysieren und zu sehen, ob sie Deinen Anforderungen entsprechen. Diese APIs sind mittlerweile sehr ausgereift und in vielen Fällen sind sie die qualitativ beste und kostengünstigste Option. Außerdem solltest Du, wie wir erörtert haben, an die ethischen Implikationen der Anwendungen denken, die Du entwickelst, und Deinen Kunden die richtigen Werkzeuge und Methoden zur Verfügung stellen, um sie zu bewältigen.
Wenn unsere Leser noch tiefer in das Thema KI eintauchen wollen, welche anderen Quellen über KI empfiehlst Du ihnen zu beachten?
Moujahid: Gerne. Ich habe drei Empfehlungen: Erstens, schaut euch AI For Everyone von Andrew Ng an: Dies ist ein Kurs über KI aus einer eher nicht-technischen Sicht und eine großartige Einführung in die KI von einem der führenden und angesehensten Professoren. Dann gibt es noch Practical Deep Learning for Coders: Dieser Kurs ist für eher technische KI-Liebhaber, die Erfahrung im Programmieren haben. Er ist überdies einer meiner Lieblings-KI-Kurse, da ich den pragmatischen und praktischen Lehransatz, dem der Kurs folgt, mag. Er deckt alles ab: von den Grundlagen bis hin zu den neuesten Deep Learning-Algorithmen. Zu guter Letzt empfehle ich das Buch "Justice: What's the Right Thing to Do?" von Michael J. Sandel. Dies ist ein Buch über politische Philosophie, das sich mit der Frage der Gerechtigkeit befasst. Es behandelt eine Reihe von konkreten Beispielen aus der realen Welt und erklärt, wie verschiedene Philosophieschulen ethische Fragen behandeln. Ich fand dieses Buch sehr nützlich, und es half mir, einen Denkrahmen für ethische KI zu entwickeln.
Das sind großartig Empfehlungen. Gibt es zusätzlich zu diesen Ressourcen auch eine Möglichkeit für interessierte Leser, direkt mit Dir in Kontakt zu treten?
Moujahid: Es wäre mir eine Freude. Ich habe einen persönlichen Blog, in dem ich über Datenanalyse, KI und Blockchain schreibe; und man findet mich auch auf Twitter.
Adil, vielen Dank für das Interview!
Link: Innovationsaktivitäten von OYSTEC in Bereich der KI