Intelligenz ist die Summe von Denk- und Wahrnehmungsprozessen eines Objektes oder Subjekts, um auf Umwelt- und Umgebungseinflüsse angemessen (also logisch korrekt) zu reagieren. Menschen, aber auch technische Systeme reagieren jedoch nicht immer angemessen auf Umgebungsreize
Intelligenz ist im Kontext dieses Buches daher neben folgerichtigem Schlussfolgern das autonome Schaffen eines Modells der Umgebung, um auf äußere (und innere) Reize adäquat reagieren zu können und bei beobachteten Fehlern das eigene Modell über die Umgebung selbstständig so anzupassen, dass beim nächsten Mal eine adäquate Reaktion erfolgen kann Wir nennen das Lernen
Die Intelligenz des Menschen ist sehr vielschichtig und vielgestaltig, man spricht von rationaler (kognitiver) Intelligenz, aber auch von sozialer und emotionaler Intelligenz uvm. Für die Schaffung von Künstlicher Intelligenz ist insbesondere die kognitive Intelligenz des Menschen maßgebend
Künstliche Intelligenz ist der Versuch, rationale bzw. kognitive menschliche Intelligenz auf (technischen) Maschinen zu simulieren, um sie für den Menschen gewinn- und nutzbringend einzusetzen
Eine solche Art von Künstlicher Intelligenz ist in ihren Anwendungen überaus erfolgreich. Aktuell sind jedoch bereits Grenzen für das Vordringen der KI in Technik und Gesellschaft abzusehen Künstliche Intelligenz mit dem Anspruch der Simulation von Intelligenz nennen wir Schwache KI, um sie von einer sogenannten Starken KI zu unterscheiden, die an die Intelligenz von Menschen heranreichen soll.
STARKE KI VS. SCHWACHE KI
Die Starke KI ist ein Konstrukt, das eine KI beschreibt, die neben ihrer Intelligenz auch ein künstliches Bewusstsein, einen Willen und sogar Emotionen ausprägen können soll So etwas technisch zu erzeugen, ist heute in keinster Weise realistisch. Irrationale Ängste gegenüber einer Starken KI sind deshalb nicht angebracht Es ist mit heutigen technologischen Mitteln (noch) nicht möglich, Maschinen mit nachweislichem Bewusstsein zu entwickeln. Aktuell existieren zwar rudimentäre Theorien, wie Bewusstsein technisch erzeugbar wäre, aber auch wenn diese Ansätze stimmen, wird es noch sehr lange dauern, bis eine KI entsteht, die ein Bewusstsein, ähnlich dem des Menschen, ausprägen könnte Starke KI ist und bleibt Science-Fiction.
Schwache KI ist jedoch allgegenwärtig Heutige KI-Systeme erscheinen sehr intelligent, man könnte sogar sagen, dass heutige KI-Systeme denken können, wenn man Denken als mechanisierbare Symbolmanipulation definiert Dieses KI-Denken entspricht natürlich nicht dem Denken von Menschen, aber das »Maschinendenken« ist – in Verbindung mit dem »Maschinenlernen« – bereits so leistungsfähig, dass die heutige KI gegen unsere Weltmeister im Schach und Go gewinnt, Roboter steuert, teilautonom Auto fährt und intelligente Chatbots in natürlicher Sprache mit uns sprechen lässt
MACHINE LEARNING UND NEURONALE NETZE
Der Schwerpunkt heutiger KI-Anwendungen liegt nicht mehr auf dem Denken, sondern auf dem Lernen Beim Machine Learning geht es darum, Maschinen und Algorithmen zu schaffen, die aus vorhandenen
Daten selbstständig und vollautonom lernen können Dabei unterscheidet man in symbolische Lernverfahren, wie Entscheidungsbäume oder Assoziationsregeln und sub-symbolische Lernverfahren.
Eine der wichtigsten Basistechnologien für sub-symbolisches, maschinelles Lernen stellen Künstliche Neuronale Netze (KNN) dar. Neuronale Netze sind den Informationsverarbeitungseinheiten des biologischen Gehirns nachgebildet Eine Vielzahl einfacher Prozessorelemente, sogenannte Neuronen, ist mit einer großen Anzahl von Nachbarneuronen über sogenannte Synapsen (gewichtete Verbindungen) verbunden Das neuronale Netz sammelt Informationen und berechnet Ergebnisse durch sehr einfache Rechenschritte. Die Leistungsfähigkeit des neuronalen Ansatzes besteht allerdings nicht in den Berechnungen der einzelnen Neuronen, sondern in der parallelen Datenverarbeitung von mehreren Millionen Einzelelementen. Obwohl die Informationsverarbeitung eines einzigen Neurons im Prinzip einfach ist, kann durch die hohe Vernetzung der Neuronen untereinander eine enorme Leistung des Gesamtsystems erreicht werden
Das menschliche Gehirn ist das Vorbild zur Wissensverarbeitung schlechthin und es gibt mittlerweile weit über hundert Arten künstlicher neuronaler Netze Die Theorie der KNN ist dadurch äußerst komplex geworden und es wurden viele Netztypen für ganz spezielle technische Aufgaben entwickelt. Die Informationsverarbeitung im Gehirn ist so gigantisch, dass es nahezu unendlich viele Möglichkeiten zu geben scheint, Teilaspekte des Gehirns herauszugreifen und technisch nachzubilden, mit immer neuen Möglichkeiten einer Datenverarbeitung.
Im mathematischen Sinne realisiert ein künstliches neuronales Netz ein Verfahren zur nichtlinearen multivariaten Datenanalyse, etwas, was man seit 100 Jahren aus der Statistik kennt. Die Netze sind damit ein sehr cleverer Ansatz, eine solche Datenanalyse durch eine technische Struktur ausführen zu lassen, und sie sind biologisch sehr plausibel. Man weiß, dass das menschliche Gehirn so lernt, dass beim Lernen die Verbindungsstärke der eingehenden Signale zu einem Neuron angepasst wird Die Synapsen des Gehirns –oder besser – die Verarbeitungen in den synaptischen Spalten entsprechen dabei den Gewichtswerten eines künstlichen Neurons an seinen Eingängen.
Beim Aufbau von KNN entstehen drei grundsätzliche Fragen, die für jeden neuronalen Netztyp geklärt werden müssen:
Das Neuronenmodell: Welche der mathematischen Übertragungsgleichungen gilt für ein einzelnes Neuron?
Die Topologie von neuronalen Netzwerken: Welche Neuronen sind mit welchen verbunden?
Die neuronalen Lernverfahren: Wie werden die Gewichtswerte (in Anlehnung an die biologischen Synapsen) eingestellt, das heißt, wie wird das Wissen in das Netz eincodiert?
Ein künstliches Neuron in einem Computer stellt entweder eine lineare oder eine nicht-lineare mathematische Funktion dar. Mehrere Neuronen werden zu einem Netzwerk zusammengeschaltet. Die berühmteste Topologie sind sogenannte Feed-forward-Netze, die aus zwei, drei oder mehreren hintereinander geschalteten neuronalen Schichten besteht, in der sich eine bestimme Anzahl von Neuronen befindet. Die Schicht am Eingang heißt Eingabeschicht, die Schicht am Ausgang Ausgabesicht und die Schichten in der Mitte des Netzwerks heißen verdeckte Schichten oder auch Hidden-Layer Es ist bei diesen Netztypen üblich, dass die Neuronen einer Schicht vollständig mit den Neuronen der nachfolgenden Schicht verbunden werden. Das berühmteste Lernverfahren, das auf einer solchen Netzstruktur aufbaut, ist das Backpropagation-Lernverfahren
Seit Ende der 1980er-Jahre ist bekannt, dass man mit neuronalen Netzen mit drei oder mehr Schichten jeden stetigen Zusammenhang zwischen Eingangsgrößen und Ausgangsgrößen beliebig genau approximieren kann. Damit sind neuronale Netze universelle Approximatoren mit umfangreichen Anwendungsfällen in Industrie und Gesellschaft
Künstliche Intelligenz für Dummies
Bibliografische Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
All rights reserved including the right of reproduction in whole or in part in any form. This book published by arrangement with John Wiley and Sons, Inc.
Alle Rechte vorbehalten inklusive des Rechtes auf Reproduktion im Ganzen oder in Teilen und in jeglicher Form. Dieses Buch wird mit Genehmigung von John Wiley and Sons, Inc. publiziert.
Wiley, the Wiley logo, Für Dummies, the Dummies Man logo, and related trademarks and trade dress are trademarks or registered trademarks of John Wiley & Sons, Inc. and/or its affiliates, in the United States and other countries. Used by permission.
Wiley, die Bezeichnung »Für Dummies«, das Dummies-Mann-Logo und darauf bezogene Gestaltungen sind Marken oder eingetragene Marken von John Wiley & Sons, Inc., USA, Deutschland und in anderen Ländern.
Das vorliegende Werk wurde sorgfältig erarbeitet. Dennoch übernehmen Autoren und Verlag für die Richtigkeit von Angaben, Hinweisen und Ratschlägen sowie eventuelle Druckfehler keine Haftung.
Coverfoto: Blue Planet Studio –stock.adobe.com
Korrektur: Petra Heubach-Erdmann
Print ISBN: 978-3-527-72099-6
ePub ISBN: 978-3-527-84290-2
Über den Autor
Prof. Dr.-Ing. Ralf Otte ist Hochschullehrer für Industrieautomatisierung und Künstliche Intelligenz an der Technischen Hochschule Ulm (THU). Seit den 1990er-Jahren beschäftigt er sich mit den Möglichkeiten der Künstlichen Intelligenz, denn die KI hatte ihn bereits zum Ende seiner Studienzeit so fasziniert, dass er auf einem Spezialgebiet der Künstlichen Intelligenz, den neuronalen Netzen, promovierte. 1992 ging er in die Industrie und arbeitete 12 Jahre bei einem Großkonzern als verantwortlicher Manager für Business Intelligence und Data Mining. Später wechselte er zu einem Mittelständler und war über 10 Jahre als Geschäftsführer für die Umsetzung von KI-Projekten in der Industrie tätig. Seit 2015 ist Ralf Otte Hochschullehrer in Ulm, lehrt dort u.a. Künstliche Intelligenz in den Masterstudiengängen und erforscht Grundlagen für neuartige KIMaschinen, Maschinen, die in baldiger Zukunft vielleicht einmal maschinelles Bewusstsein auszuprägen vermögen. Zu erreichen ist Ralf Otte unter ralf.otte@email.de oder über seine Webseite profralfotte.com.
Widmung
Für meine Familie, für die inhaltliche, organisatorische und mentale Unterstützung während der Erstellung des Buches, insbesondere für meine Frau Marén.
Danksagung
Dieses Buch ist das Ergebnis der Ideen und Arbeit von vielen Menschen. Ohne die offenen Diskussionen mit den Ingenieuren und Informatikern aus der Industrie und Gesellschaft, ohne die vielseitigen Gespräche mit meinen Studenten wäre es mir nicht möglich gewesen, dieses Buch zu erstellen. Neben den Diskussionen haben zahlreiche Menschen aber auch viel Zeit in die Unterstützung für das Buch investiert.
Ein herzlicher Dank geht an Prof. Dr.-Ing. Robert Watty, den Dekan meiner Fakultät, für den Ansporn und Zuspruch zu diesem Buch, an die Herren Dipl.-Ing. Helmut Alders von der THU, Dipl.-Ing. Werner Gertz aus Windhoek (Namibia) und Dipl.-Informatiker Michael Schmitt für das Korrekturlesen und die vielen kritischen Hinweise zur ersten Auflage. Michael danke ich auch für die tollen Anregungen bei unseren ausgedehnten Wanderungen. Ganz besonders herzlich möchte ich meinem Vater, Univ. Prof. (em.) Dr.Ing. habil. Viktor Otte, für die mehrmaligen Korrekturdurchläufe und zahlreichen inhaltlichen Anregungen danken. Auch die Ausführungen zum »maschinellen Bewusstsein« wären ohne seine Hilfe nicht entstanden, denn wir arbeiten auf diesem Gebiet seit über 15 Jahren erfolgreich zusammen.
Ein großer Dank geht an das Lektorat von Wiley für die sehr gute Unterstützung während
der gesamten Zeit der Bucherstellung, hierbei danke ich insbesondere Herrn Marcel Ferner für seine professionelle Hilfe und seine ruhige Art, Probleme anzugehen und zu lösen. Und ich danke dem Fachkorrektor der ersten Auflage für seine kritischen und wichtigen Hinweise und der Dudenkorrektorin der zweiten Auflage, Frau Petra HeubachErdmann, für ihre fachkundige Unterstützung.
Mein besonderer Dank geht selbstverständlich an meine Leserinnen und Leser. Ohne ihr
Interesse gäbe es dieses Buch gar nicht, zumindest nicht in der zweiten Auflage. Insbesondere möchte ich hier den zahlreichen Lesern danken, die mir teilweise sehr lange Mails geschrieben haben, mich zum Buch beglückwünschten und/oder auch konstruktive Kritik übten. Ich kann hier nicht alle nennen und bedanke mich deshalb exemplarisch und ganz herzlich bei Henning Moritz, Stephan Fuchs, Wolfgang Böhm, Rhaban Lammeyer, Dietmar Schmidt, Thomas Speer und Stefan Klemens für all die nützlichen Korrekturhinweise. Ein Großteil ihrer Hinweise ist in der zweiten Auflage eingearbeitet.
Mein abschließender Dank geht erneut an meine Familie, an meine beiden erwachsenen Töchter Julia und Caroline, und an meine Frau Marén, für all ihre Geduld, ihre Ideen, Grafiken, Fotos, Gespräche und Korrekturhinweise.
Leserhinweise
Aus dem Feedback früherer Leser weiß ich, dass das Buch teilweise doch nicht so einfach zu lesen ist, wie man es bei einer für Dummies-Reihe hofft oder denkt. Nicht mathematisch versierte Leserinnen und Leser können jedoch den gesamten Mathematikteil und die zahlreichen Theorieboxen überspringen und alle anderen Themen trotzdem gut verstehen. Für mathematische Interessierte stellen die Theorieabschnitte vielleicht weiterhin eine nützliche Hilfe dar, um die Thematik noch detaillierter zu verstehen.
In der zweiten Auflage gibt es neben der Fehlerkorrektur zahlreiche Überarbeitungen und Weiterführungen. Die KI hat sich in den letzten vier Jahren nochmals sehr stark verändert, was Eingang in das Buch fand. Daher sind auch kleinere Abschnitte hinzugekommen, wie beispielsweise »Zehn Gründe, warum vollautonomes Fahren niemals funktionieren wird«, ein möglicher »Turing-Test auf Bewusstsein« oder »neuronale Netze auf Quantencomputern«.
Aus Gründen der besseren Lesbarkeit wird in diesem Buch nicht gegendert. Das Buch richtet sich jedoch mit großer Freude auch an die weibliche Leserschaft.
Inhaltsverzeichnis
Cover
Titelblatt
Impressum
Über den Autor
Widmung
Danksagung
Leserhinweise
Einführung
Über dieses Buch
Wie dieses Buch aufgebaut ist
Symbole, die in diesem Buch verwendet werden
Was nun?
Teil I: Ganz schön clever
Kapitel 1: Einführung in die Thematik
Was ist Intelligenz?
Intelligenz messen
Schwache KI
Starke KI
Kann eine KI ein Bewusstsein entwickeln?
Kapitel 2: Eine kurze Geschichte der intelligenten Maschinen
Autonom vs. intelligent
Denken mit Mathematik formalisieren
Der Universalcomputer
Die Geburtsstunde der Künstlichen Intelligenz
Wichtige Meilensteine der KI
Kapitel 3: Wie intelligent ist die Künstliche Intelligenz wirklich?
Die angemessene Intelligenz – Intelligenzstufe I1
Die lernende Intelligenz – Intelligenzstufe I2
Die kreative Intelligenz – Intelligenzstufe I3
Die bewusste Intelligenz – Intelligenzstufe I4
Die selbstbewusste Intelligenz – Intelligenzstufe I5
Einordnung der KI im Rahmen der verschiedenen Intelligenzstufen und Anmerkungen zu Bots
Zusammenfassung
Kapitel 4: Alles, was Sie über das Wissen wissen müssen
Von Daten zu Informationen zu Wissen
Alles digital oder was … – Die große Digitalisierungswelle
KI, Datenbanken und Wissensbasierte Systeme
KI und neuronale Netze oder: Wie speichert der Mensch sein Wissen?
KI-Systeme sind etwas Technisches
Wir erzeugen neues Wissen
Kapitel 5: Alles logisch oder was?
KI umfasst noch sehr viel mehr
Die Grundlagen der Logik
Aussagenlogik
Prädikatenlogik 1. Stufe (PL1)
Prädikatenlogik 2 Stufe (PL2)
Unabhängig von der KI: Was bedeutet das Ergebnis von Gödel erkenntnistheoretisch?
Zusammenfassung und Kritikpunkte zur klassischen Logik
Teil II: Wie lernt und denkt eine Maschine heute
Kapitel 6: Die Grundlagen des maschinellen Lernens
Die Rohstoffe des maschinellen Lernens
Einordnung des maschinellen Lernens
Bauen wir Modelle von der Welt
Statistik im Überblick
Von Datentypen, Kennzahlen und fiesen Fallstricken
Multivariate Statistik im mathematischen Detail
Zusammenfassung
Kapitel 7: Kaum zu glauben – Die Maschine lernt richtige Regeln
Entscheidungsbäume
Assoziationsregeln
Ein interessantes Gütemaß: Die Interessantheit
Kapitel 8: Neuronale Netze – Auf dem Weg zum künstlichen Gehirn
Das Neuronenmodell
Die Topologie von neuronalen Netzwerken
Überblick über neuronale Lernverfahren
Probleme der neuronalen Netze beim Einsatz in der Praxis
Zusammenfassung
Kapitel 9: Deep Learning – Der neue Clou der Künstlichen Intelligenz
Abbildung 16 3: Schematische Darstellung einer neuronalen Synapse
Abbildung 16.4: Ableitung eines Aktionspotenzials mit EEG-Technik [eigene Grafik...
Abbildung 16 5: Codierung der neuronalen Erregung in die Dichte der Aktionspoten
Abbildung 16 6: Die Synchronisation von Neuronen zu einem Ganzen
Abbildung 16.7: Messung von neuronalen Zuständen mittels EEG
Abbildung 16 8: Das Sehen einer grünen Folie und seine Weiterleitung ins Gehirn
Abbildung 16 9: Eine Hypothese, Materie und Geist wechselwirken über quantenphys
Abbildung 16.10: Ein Auto mit diversen Sensorsystemen (Blue Planet Studio - stoc...
Kapitel 17
Abbildung 17.1: Klassifikation und Evolution der KI
Abbildung 17 2: Kommt die Singularität? – Eher nicht, diese Grafik ist falsch
Abbildung 17 3: Deep Learning muss wahrscheinlich durch das Tal der Tränen
Abbildung 17.4: Die Evolution der Schwachen KI
Abbildung 17 6: Rückkopplungsschleifen zwischen dem System und seinen Teilen
Kapitel 18
Abbildung 18 1: Ein moderner Bedienroboter in einem Steakhouse Mit freundlicher
Abbildung 18 2: Vermessung des Menschen und Bewegungsanalyse ein
Einführung
Künstliche Intelligenz (künftig vereinfacht auch KI genannt) wird heutzutage überall diskutiert. Es ist ein Thema, das die Menschen bewegt, denn intelligent sein, das wollen wir doch alle. Und nun sollen selbst die Maschinen intelligent sein oder zumindest bald intelligent werden. Wie soll das gehen? Wieso können Maschinen auf einmal intelligent sein und sogar selbstständig lernen? Und wieso gewinnen Maschinen sogar im Schach oder im Go gegen die besten Spieler der Welt? Ist das dann bereits intelligent? Sie werden erstaunt sein, dass fast jeder, auch jeder Fachmann, darauf eine andere Antwort hat. Das liegt daran, dass es sehr viele Erklärungen für Intelligenz gibt, doch leider keine eindeutige Definition. Natürlich ist man erst einmal enttäuscht, wenn man bemerkt, dass in einem solch bedeutenden Fachgebiet mit Begriffen operiert wird, die nicht exakt geklärt sind und die keine eindeutigen Abgrenzungen besitzen. Aber der Mensch ist sehr flexibel. Mit unscharfen und nicht korrekt definierten Begriffen kann er ganze Weltgebäude aufbauen. Er kann das, weil er wahrlich intelligent ist. Ob dazu auch eine Maschine fähig sein kann?
Was also ist maschinelle oder künstliche Intelligenz? Dies werden wir gleich zu Beginn des Buches klären oder zumindest uns auf einige Arbeitsbegriffe einigen. Aber unabhängig von allen Definitionen, eines ist uns intuitiv klar: Intelligenz ist das Gegenteil von Dummheit und Dummheit bedeutet, aus Wahrnehmungen nicht die richtigen Schlüsse zu ziehen. Dies bedeutet jedoch im Umkehrschluss, mit Intelligenz kann man aus Wahrnehmungen, in der Maschinensprache »Daten« und »Speicherinhalten«, die richtigen Schlussfolgerungen ableiten. So einleuchtend diese Erklärung auch erscheinen mag, so erweist sie sich bei näherem Hinsehen doch als äußerst problematisch, denn dazu müsste man stets wissen, was richtige Schlüsse wären. Leider weiß man das aber oft nicht, oder noch schlimmer: Es gibt manchmal gar keine objektive Wahrheit. Selbst in der klaren und rationalen Mathematik gibt es tatsächlich Aussagen, deren Wahrheitsgehalt nicht prüfbar ist. Damit werden wir uns auseinandersetzen müssen, denn es könnte zu Überraschungen führen, wenn man bedenkt, dass die Künstliche Intelligenz zurzeit noch voll und ganz auf Mathematik setzt.
Viele Menschen meiner Generation (in ihren 50ern) sind zumindest früher sorglos mit Computern umgegangen. Wir wussten, dass die Computer einige Dinge besser können als ein Mensch, doch damit hatten wir kein Problem. Uns war klar, dass ein Bagger viel besser Erde ausheben kann als ein Mensch, doch niemand fühlt sich von einem Bagger in seinem Menschsein bedroht und auch nicht von seinem Taschenrechner. Wir wussten rein intuitiv, dass wir klüger, und zwar viel klüger sind als unsere coolsten Rechner. Denn wir haben eine Eigenschaft, die uns von all diesen Maschinen unterscheidet, oder vorsichtiger ausgedrückt, bisher unterschied. Wir Menschen können lernen! Unsere Intelligenz hat also etwas mit der Fähigkeit zum Lernen zu tun. Doch seit einigen Jahren sind viele Menschen
irritiert und überrascht, denn es ist klar geworden, auch ein technisches KI-System kann lernen. Es kann Regeln lernen, Wissen generieren und dies alles vollautomatisch. Aber das ist noch nicht alles. Man kann davon ausgehen und sogar beweisen, dass KI-Systeme mittlerweile (fast) alles lernen können, was lernbar ist. Lesen Sie diesen Satz ruhig zweimal, denn durch diese Fähigkeit dringen die KI-Systeme weit in unser Leben vor. Sie rücken uns ziemlich dicht auf die Pelle.
Manche von uns denken und glauben daher, die KI könne uns im Intellekt bald einholen oder gar überholen. Man nennt diesen Punkt Singularität, also jenen einmaligen Punkt in der Geschichte der Menschheit, an dem sich ein künstlich geschaffenes System ohne unser Zutun weiterentwickeln könnte, klüger und klüger und klüger wird … und letztlich seinen Schöpfer überholt. Das klingt gar nicht mehr so nett. Was kommt da auf uns zu? Es ist wirklich an der Zeit, sich die KI näher anzusehen.
In diesem Sinne wünsche ich Ihnen viel Spaß und Neugier beim Lesen!
Über dieses Buch
Das Buch besteht aus mehreren Teilen. Die Teile bauen zwar aufeinander auf, aber man kann sie auch einzeln lesen. Jeder Teil besteht aus mehreren Kapiteln, diese beziehen sich aufeinander, sollten also in dieser Reihenfolge gelesen werden.
Da die KI in der Fachsprache sehr mathematisch ist, kommen auch wir nicht umhin, einige Zusammenhänge mathematisch zu beschreiben. Das ist immer auch der erste Schock, wenn Studenten eine Einführung zur Künstlichen Intelligenz hören. Ich hoffe, Sie sind jedoch nicht erschrocken. Ich habe mich bemüht, die Mathematik in »Mathe-Boxen« zu verstecken; diese sind für Fachleute und Studenten geschrieben. Der mathematisch nicht interessierte Leser kann diese Boxen getrost auslassen und versteht dennoch alle weiteren Texte.
Das Buch soll Ihnen als Nachschlagewerk dienen. Ich habe daher versucht, überall dort, wo es irgendwie möglich war, Online-Quellen zu zitieren (zum Beispiel auch Wikipedia), damit Sie sofort weiter recherchieren können, ohne sich mühsam neue Bücher zum Thema zu besorgen. Betrachten Sie das Buch als ordnende Hand und Struktur, wenn Sie sich zum weiteren Studium der KI durch das große weite Netz arbeiten wollen.
Allerdings sollten Sie auf weitergehende Literatur nicht verzichten. Eines der besten deutschsprachigen Bücher zum Thema KI mit Schwerpunkt Problemlösen, Planen und Schließen ist das Buch »Künstliche Intelligenz« von Stuart Russell und Peter Norvig aus dem Jahre 2012 [Russell 2012]. In dem vorliegenden für Dummies-Buch wird der Schwerpunkt jedoch auf die heute ganz besonders favorisierte Seite der KI, auf das sogenannte maschinelle Lernen, gelegt, da man heute unter Künstlicher Intelligenz fast nur noch die Fähigkeit zum maschinellen Lernen versteht. Damit Sie eine realistische Einschätzung der »aktuellen KI-Szene« erhalten, werde ich in diesem Buch aber auch
intensiv über die jetzt schon sichtbaren Grenzen des maschinellen Lernens berichten. Neben Lehr- und Fachbüchern zu KI gibt es hervorragende Sachbücher. Ein solches Sachbuch ist das Buch »Künstliche Intelligenz« von Manuela Lenzen [Lenzen 2018]. Ein anderes KI-Sachbuch ist »Allgemeinbildung Künstliche Intelligenz« aus dem WileyVerlag [Otte 2021a]. Dort habe ich versucht, die Künstliche Intelligenz (ohne Formeln) einer allgemeinen Leserschaft nahezubringen. Und für Programmierfreunde: Ein praktisch orientiertes Buch über ein wichtiges Thema der KI stellt das Buch »Neuronale Netze programmieren mit Python« von [Steinwendner 2020] dar. Dies sei den informatikaffinen Lesern empfohlen, da mein KI-Buch keine Programmierhinweise gibt.
Das vorliegende Buch ist – wie bei der für Dummies-Reihe üblich – als Grundlagenbuch konzipiert, um sich in das Gebiet einzuarbeiten. Erfahrene für Dummies-Leser wissen, es kann auch anspruchsvoll werden, und einige Themen in diesem Buch sind tatsächlich anspruchsvoll und mathematisch geworden.
Was das Buch eventuell von anderen Fachbüchern unterscheidet, ist, dass ich an vielen Stellen persönliche Einwürfe einbringe. Ich hoffe, das stört Sie nicht. So wie in der Vorlesung und den Seminaren auch, beziehe ich Stellung zu vielen Kernaussagen der KI und vertrete meine persönliche Meinung. Der Grund ist, dass viele KI-Verfahren noch voll und ganz in den Bereich der Forschung und Entwicklung einzustufen sind. Das Buch geht deshalb an zahlreichen Stellen auf solche Forschungsfragen ein und damit über die übliche Beschreibung der KI hinaus. Beispiele dafür sind die Abschnitte über Bewusstsein und »Bewusstsein auf Maschinen« ab Kapitel 15. In jenen Kapiteln vertrete ich auch eigene Forschungspositionen, werde Ihnen aber auch gegensätzliche Meinungen aufzeigen, damit Sie sich ein besseres Bild machen können. Wer sich näher für solche Themen interessiert, dem sei eventuell das Buch »Maschinenbewusstsein« aus dem Campus-Verlag empfohlen [Otte 2021b]. Dort gebe ich einen umfangreicheren Einblick zu diesen Fragen als hier möglich.
Viele Themen der KI – so die mathematischen Grundlagen – sind Stand der Technik und werden an Universitäten und Hochschulen gelehrt. Diese Grundlagen werden in dem hier vorliegenden Buch vorgestellt, doch selbst hier gilt: Zahlreiche Anwendungsfragen obliegen erneut den persönlichen Ansichten der KI-Entwickler. Ein Paradebeispiel für eine solche persönliche Sichtweise bietet das »vollautonome Fahren«. Trotz der großen Euphorie und all den Ankündigungen der Konzerne seit 2015 glaube ich beispielsweise überhaupt nicht daran, dass vollautonome Roboterautos in den nächsten Jahrzehnten auf unseren Straßen fahren werden. Auch heute - beim Überarbeiten des Buches zur zweiten Auflage - gilt meine Skepsis gegenüber dem autonomen Fahren. Aber das ist eine rein persönliche Meinung, die ich in dem betreffenden Kapitel dann einbringe und natürlich auch erkläre. Sie müssen sie nicht teilen, denn niemand weiß, was die Zukunft bringen wird, der Autor ganz gewiss auch nicht. Allerdings habe ich bemerkt, dass ich die Studenten mit vielen solchen Denkanstößen zum eigenen Nachdenken anregen kann. Es würde mich daher freuen, wenn mir das bei meinen Lesern auch gelingt. Denn eins ist
klar: Die weiteren Entwicklungen und vor allem Anwendungen der KI können und dürfen wir nicht nur den Experten und Konzernen überlassen.
Wie dieses Buch aufgebaut ist
Das Buch besteht aus fünf Teilen, die wiederum in zahlreiche Kapitel unterteilt sind. Man kann – wie bereits erwähnt – alle Teile separat lesen, eventuell muss man das eine oder andere Mal zurückblättern, wenn ein Thema der vorherigen Teile nochmals aufgegriffen wird.
Teil I: Ganz schön clever
Der Teil I führt in das Fachgebiet der Künstlichen Intelligenz ein. Die Begriffe werden –wo es möglich ist – definiert und es folgt ein historischer Überblick. Natürlich müssen wir uns hier auch mit den Grundfragen der Künstlichen Intelligenz auseinandersetzen und wir werden klären, ob es Zwischenstufen zwischen den Positionen intelligent und nichtintelligent geben könnte. Dabei werden wir uns auch die Begriffe »Daten«, »Information« und »Wissen« genauer ansehen, da diese Begriffe heute oftmals völlig wahllos miteinander vermischt werden. All das wollen wir in diesem Teil ordnen, denn schließlich leben wir in einer Informationsgesellschaft und wollen verstehen, was »Information« eigentlich ist.
Abschließend in Teil I wird es bereits fachlich, denn es wird auf »Logik« eingegangen. Mathematische Logik hat viele Jahrzehnte die gesamte KI-Szene beherrscht und letztlich den Grundstein der heutigen KI-Entwicklungen gelegt.
Teil II: Wie lernt und denkt eine Maschine heute
Heutzutage konzentrieren wir uns in der KI nicht mehr nur auf Logik. Der Zeitgeist hat sich gewandelt. Jeden Tag werden wir von neuen Erkenntnissen überrascht. Wir lesen beispielsweise in unserer Morgenzeitung, dass man herausgefunden hat, dass die tägliche Einnahme von Himbeerjoghurt das Krebsrisiko um 15,38 Prozent verringern kann. Solche und viele ähnliche Meldungen erreichen uns täglich.
All dieses Wissen – falls es überhaupt welches ist – wurde nicht mit den Mitteln der in Teil I erklärten Logik erzeugt, es ist nicht deduktiv entstanden. Nein, der Zeitgeist hat sich auf sogenannte induktive Methoden des Wissenserwerbs fokussiert. Kurzum: Statistik ist die Methode der Wahl zur Wissensentdeckung geworden. Aus diesem Grund müssen wir uns wichtige statistische Methoden genauer ansehen. Letztlich baut nahezu die gesamte heutige KI auf statistischen Methoden des maschinellen Lernens auf, daher werden wichtige Vertreter, wie Regelgenerierung, Clusterverfahren oder Künstliche Neuronale Netze, in diesem Teil genauer erklärt. Es ist wichtig zu verstehen, wie die Menschheit heutzutage ihr Wissen erzeugt und welche Risiken wir damit eingehen. Es sind enorme Risiken.
Natürlich werden wir uns im Rahmen des maschinellen Lernens auch der heutigen Königsdisziplin der KI, dem Deep Learning, zuwenden.
Teil III: Eine bunte Umsetzung von Künstlicher Intelligenz, denn alle Theorie ist grau
Hier lesen Sie spannende und wichtige Anwendungen der KI. Davor gibt es aber nochmals eine detaillierte Diskussion darüber, ob die Künstliche Intelligenz letztlich nur Mathematik ist oder doch mehr. Dieses Verständnis brauchen wir, wenn wir an Anwendungen in der Gesellschaft denken und erkennen wollen, was prinzipiell machbar ist und was nicht. Danach schauen wir uns Meilensteine von KI-Anwendungen an.
Vor über 25 Jahren hatte die KI bereits den Schachweltmeister Garri Kasparow besiegt, im März 2016 gewann die KI im Go gegen den Weltranglistenersten Lee Sedol. Wir wollen verstehen, wie die KI das genau bewerkstelligt hat. Natürlich werden wir in diesem Kapitel auch einige Industrieanwendungen besprechen – beispielgebend sozusagen –, denn Sie sollen sehen und später selber einschätzen können, was mit Methoden der KI in der Industrie alles möglich ist, insbesondere, wenn man an Industrie 4.0 (wird noch erklärt) denkt.
In diesem Teil werde ich auch verstärkt auf das Thema Data Mining eingehen, denn Data Mining ist maschinelles Lernen par excellence. Dieses Modewort der 90er-Jahre hat sich bereits in der Industrie etabliert und es gibt Tausende von Fallbeispielen, wie man KIVerfahren zur Auswertung von Daten benutzen kann. In diesem Sinne wird auch das Thema Big Data aufgegriffen, denn Big Data betrifft uns alle, denken Sie an Facebook & Co.
Abschließend werde ich in einer knappen Kurzvorstellung auf einige KI-Werkzeuge und Plattformen eingehen, damit Sie mit KI unmittelbar starten können. Falls Sie nicht glauben, dass jedermann das kann, dann blättern Sie gleich durch das Kapitel. Sehr viele hervorragende KI-Werkzeuge sind kostenlos erhältlich. Es macht große Freude, damit zu experimentieren.
Teil IV: Ist die Maschine bald klüger als der Mensch und fühlt sie sich wenigstens gut dabei
Dieser Teil führt uns von den heutigen State-of-the-Art-Anwendungen wieder weg. Wir wollen sehen, worin der Unterschied zwischen dem menschlichen Geist und der KI eigentlich besteht und ob man jemals den menschlichen Geist maschinell nachbauen können wird. Wir werden dazu verhältnismäßig tief ins Gehirn schauen, um dem Geist auf die Spur zu kommen. In diesem Teil werde ich unter anderem meine eigenen Forschungen zum »Künstlichen Bewusstsein« erläutern. Eine ausführliche Beschreibung dazu befindet sich im bereits erwähnten Buch »Maschinenbewusstsein«. Um sich schneller zu derartigen Fragen zu informieren, könnte man sich auch den Podcast »In der heutigen KI
ist kein Geist« vom KIT Karlsruhe anhören. Das KIT hat 2021 ein Projekt zum »Künstlichen Bewusstsein« gestartet und verschiedene Forscher - so auch den Autor - um Stellungnahmen gebeten und diese veröffentlicht [Otte 2021c].
In weiteren Abschnitten des Kapitels versuchen wir, in die Zukunft der KI zu blicken. Neuromorphe Computer und neuronale Netze auf Quantencomputern sind sicherlich die nächste Etappe, der nächste große Hype. Wir wollen in diesen Kapiteln diskutieren, was die Zukunft bringen könnte.
Abschließen werde ich den Teil mit einer Diskussion über Ethik. Wir werden uns fragen: Dürfen wir eigentlich alles bauen, was wir bauen können? Diesem Thema müssen wir
Fachleute uns stellen, aber mit diesem Thema muss sich die gesamte Gesellschaft auseinandersetzen, auch wenn Sie – falls Sie bis dahin gelesen haben – bereits wissen, dass sich die Singularität der KI noch sehr, sehr lange Zeit lassen wird.
Falls Sie Politiker sind und über Gesetze zur KI zu entscheiden haben, zum Beispiel zur Rechtslage beim autonomen Fahren, ist der Teil IV wahrscheinlich der wichtigste.
Teil V: Der Top-Ten-Teil
In diesem Teil werden – ganz in der Tradition der für Dummies-Reihe – zehn wertvolle Tipps zum Thema KI gegeben. Dort nenne ich auch wichtige Webseiten, die Sie im Netz finden können. Und es gibt eine Literaturliste.
Symbole, die in diesem Buch verwendet werden
Hier finden Sie zusätzliche Tipps, die den Haupttext erklären.
An dieser Stelle werden konkrete Beispiele durchgerechnet.
Wichtige Definitionen finden Sie in dieser Box.
Aufpassen!
Spezielle Formeln und mathematische Zusammenhänge für den mathematisch Interessierten.
Zusammenfassung wichtiger Inhalte in kurzer Merkform.
Was nun?
Jetzt haben Sie es bereits vom Inhaltsverzeichnis über die Einführung bis hierher geschafft. Es würde mich freuen, wenn ich Ihr Interesse wecken konnte und wenn Sie nun Lust und Zeit haben, umzublättern, um mit Teil I fortzufahren. Vielleicht wird dieses für Dummies-Buch sogar Ihr Wegbegleiter für die nächsten Tage, vielleicht sogar ein guter Freund?
Ich freue mich jedenfalls erneut über jedes Feedback zu diesem Buch-Experiment, der Verlag besteht in dieser Reihe auf einer einfachen und doch klaren Sprache. Teilen Sie mir mit, ob es mir gelungen ist, was Ihnen gefallen hat und was nicht. Ich bin für jeden Verbesserungsvorschlag dankbar.
Dem obigen Wunsch aus der ersten Auflage haben, wie bereits erwähnt, eine Vielzahl von Lesern entsprochen und mir zahlreiche Mails geschrieben. Durch diese Hinweise konnte das Buch für meine neuen Leser weiter verbessert werden. Gerne schreiben Sie mir wieder an ralf.otte@email.de.
Teil I Ganz schön clever
IN DIESEM TEIL …
Erfahren Sie die Grundlagen der Künstlichen Intelligenz
Tauchen Sie ein in eine kurze Geschichte der KI
Lesen Sie das Wichtigste zu Daten, Informationen und Wissen
Es wird bereits fachlich: Erleben Sie, wie logisch ein Computer arbeiten kann
Einführung in die Thematik
IN DIESEM KAPITEL
Begriffsbestimmung der Künstlichen Intelligenz
Starke und Schwache KI
Kennenlernen verschiedener Intelligenzstufen
»Künstliche Intelligenz« – dieser Begriff ist heutzutage in aller Munde. Aber was soll das eigentlich sein? Intelligenz? Und jetzt auch noch künstlich. Für die meisten von uns ist KI – wenn auch interessant – ein Buch mit sieben Siegeln. Wir wissen ja nicht einmal, was Intelligenz ist, und jetzt soll sie sogar nachgebildet werden. Wie, worauf? Nun gut, Letzteres wissen wir. Künstlich meint auf jeden Fall technisch. Wir wollen Intelligenz auf technischen Geräten nachbilden. Überall erscheinen Roboter in den Zeitschriften oder Blockbustern. Sogar unsere frühere Bundeskanzlerin reichte nahezu auf jeder HannoverMesse einem Roboter zur Begrüßung die Hand. Ob sie wusste, wer oder was ihr Gegenüber war? Würde unser jetziger Bundeskanzler einem Kühlschrank die Hand geben? Oder dem Getriebe seines Autos? Die sind doch auch schon »intelligent«. Oder etwa nicht? Das werden wir klären müssen.
Halten wir den Begriff »technisch« aber schon mal fest. Man könnte Intelligenz ja eventuell auch chemisch oder biologisch konstruieren oder wie auch immer, aber all dies ist nicht Inhalt des Buches. Uns geht es tatsächlich darum, Intelligenz auf technischen Geräten zu simulieren oder nachzubauen. Das ist ein bescheidener und vielversprechender Ansatz.
Wann betrachten wir das Verhalten eines Menschen als intelligent? Nun, wie in der Einführung besprochen, wenn er auf Reize aus der Umwelt adäquat, also angemessen reagiert. Und sollte er einmal unangemessen reagieren, sich zum Beispiel unnötig in Gefahr begeben, so erwarten wir, dass der Mensch daraus lernt. Wenn zum Beispiel jemand beim Anblick eines Tigers im Fernsehen aus dem Fenster springen will, so ist das nicht angemessen. Wir würden ihm Paranoia oder irgendeine andere Störung attestieren. Wenn jemand beim Diebstahl erwischt wird (eine weitere unangemessene Verhaltensweise auf das zu verlockende Warenangebot der Händler), seinen Fehler aber später erkennt und dies nie wieder macht, würden wir das getrost als intelligent akzeptieren. Der- oder diejenige hat etwas gelernt. Unser ganzes Leben werden wir mit Reizen aus der Umgebung konfrontiert und bis ins hohe Alter müssen wir lernen, adäquat,
also intelligent darauf zu reagieren.
Was ist Intelligenz?
Die Definition von Intelligenz ist deshalb schwierig, weil wir es selber sind, die einer Person, einem Tier oder eben einer Maschine die Eigenschaft der Intelligenz zuschreiben.
Intelligenz ist eben keine objektiv messbare Eigenschaft wie das Gewicht eines Objekts. Wir legen mit unserer Anschauung selber fest, was wir unter der Eigenschaft »Intelligenz« verstehen wollen, und müssen uns deshalb – da sehr viele alternative Auffassungen existieren – auf einen Kompromiss verständigen: Alle Wissenschaftler sind sich (wahrscheinlich) darin einig, dass Intelligenz etwas mit (logischem) Denken zu tun hat. Dies führt zwangsläufig zum Begriff der »Angemessenheit«, denn, da unsere Welt nach (logischen) Gesetzen funktioniert, muss ein System, das in der Welt agieren soll, angemessen logisch denken können.
Intelligenz wird deshalb als eine Fähigkeit – als Summe und Ergebnis von Denk- und Wahrnehmungsprozessen – verstanden, hinreichend angemessen auf Umgebungseinflüsse zu reagieren. So möchte ich Intelligenz auch in diesem Buch verstehen.
Vorläufige Definition
Intelligenz ist die Summe von Denk- und Wahrnehmungsprozessen eines Objekts oder Subjekts, um auf Umgebungseinflüsse »angemessen« zu reagieren.
Am Ende des Buches werden wir sehen, dass technische Objekte nicht wahrnehmen können, sodass man lieber von Signalverarbeitungsprozessen sprechen sollte.
Intelligenz messen
Diese eher qualitative Aussage zur Intelligenz ist natürlich nicht befriedigend. Daher sind wir bestrebt, Intelligenz zu quantifizieren, zum Beispiel durch IQ-Tests. Viele von uns haben derartige Tests schon absolviert. Und doch ahnen wir, dass dies nicht alles sein kann. Wir können heute eine Art mathematisch-logischer Intelligenz quantifizieren und der wissenschaftlichen Analyse zugänglich machen. Im Durchschnitt hat ein Erwachsener in Europa einen IQ von 100. Aber es gibt auch Erwachsene mit IQs von kleiner 70 und welche mit IQs von größer 160. Letztere hat der Autor persönlich kennengelernt und mit ihrer Hilfe komplizierte mathematische Probleme lösen dürfen. Aber mathematische Intelligenz ist natürlich nicht alles. Wir sollten mit sogenannter emotionaler Intelligenz auch auf soziale Reize angemessen reagieren können. Und wer Karriere machen möchte, sollte die sozialen Regeln dafür kennen. Wirklich Hochbegabte finden sich meistens nicht in den Vorstandsetagen dieser Welt. Man muss kein Mathe-Genie sein, um einen Konzern zu leiten, man muss auch kein Physik-Genie sein, um ein Land zu führen. Doch ganz ohne
Intelligenz geht das auch nicht, aber dafür benötigt man eine andere Art von Intelligenz, die man eher politische Intelligenz nennen könnte.
Man kann sich jedoch schwerlich irgendein System als intelligent vorstellen, wenn es nicht logisch denken kann. Der IQ-Test ist zwar umstritten, denn er prüft nur eine bestimmte Art der Intelligenz ab. Aber genau diese Art der Intelligenz ist es, die heute hoch bewertet wird und die, das ist für uns interessant, automatisiert werden kann. Ich versuche es mal anders: Nur eine gewisse Art des menschlichen Denkens kann mechanisiert werden. Der Begriff mechanisiert wurde gerade bewusst gewählt, weil man sich ein riesengroßes Getriebe vorstellen könnte, das viele Aufgaben des mechanischen Denkens nachvollzieht. Zum Beispiel, dass ein Mensch zwei Zahlen addieren oder dass ein Mensch logische Abfolgen durchführen soll. All das lässt sich auch durch ein komplexes Gewerk von Zahnrädern realisieren. (Mechanische Rechner dieser Art gab es in den 40er-Jahren des 20. Jahrhunderts.) Natürlich wird heute niemand mehr Zahnräder verwenden, denn seit der Erfindung des Computers haben wir eine Universalmaschine, um algorithmische Abläufe zu automatisieren. Wenn wir also »geistige Tätigkeiten« wie die Addition zweier Zahlen automatisieren wollen, wird niemand mehr ein mechanisches System für diese Aufgabe entwickeln. Wir benutzen einen Taschenrechner, bei dem dieser Algorithmus bereits vorverdrahtet in den Schaltkreisen hinterlegt ist, oder wir setzen uns an unsere Universalmaschine und tippen »3 + 4 = ?«. Die Lösung dieser Aufgabe durch die elektronische Maschine ist eine einfache Form der Intelligenz, eine, die uns, aber auch die Maschine sicher von den meisten Tieren unterscheidet. Das sollte einen aber nicht überheblich werden lassen, denn man kann getrost davon ausgehen, dass es auch Intelligenzformen gibt, die nicht mechanisiert werden können.
Künstliche Intelligenz meint natürlich auch nicht, dass wir ein System bauen, das Zahlen addieren kann; dies gibt es bereits schon. Etwas viel Größeres, viel Mächtigeres soll konstruiert werden. Aber was?
Gibt es nicht die eine richtige Antwort?
Wir müssen uns trotz unserer ersten Definition noch ein bisschen mit dieser Frage auseinandersetzen. Wir wissen bereits, dass es keine eindeutige Antwort auf die Frage nach Intelligenz gibt. Begriffe beschreiben ja nicht nur die objektive Welt, sondern legen die Welt (für uns) auch fest. Begriffe sind damit der Filter, mit dem wir – und später unsere Kinder – die Welt sehen oder besser: sehen sollen. Es ist immer ein Kampf der Experten um die Deutungshoheit, also darüber, wie wir die Welt zu sehen haben.
Natürlich ist es nachteilig, wenn sich die KI-Experten nicht auf eine Definition einigen können, so wie in anderen Wissenschaften. Die Mathematik und die klassischen Naturwissenschaften wären ohne klare Definitionen überhaupt nicht entwickelbar gewesen. Jeder weiß aus der Schule, was eine natürliche Zahl ist oder eine reelle Zahl; jeder weiß, was ein organisches Molekül ist oder ein Atom. Oder doch nicht? Wenn man genauer hinschaut, erkennt man, dass sich selbst in den klassischen Disziplinen
Gewissheiten auflösen. Was ist ein Elektron? Das ist nicht mehr ganz klar, auch nicht für den Fachmann. Trotzdem wurde eine ganze Fachdisziplin, die Elektrotechnik, darauf aufgebaut, eine Disziplin, die unser aller Leben verändert hat. Ohne Strom und Nachrichtentechnik gäbe es unsere Zivilisation in der heutigen Form nicht. Wir müssen trotzdem nicht wirklich verstehen, was ein Elektron ist. Wir haben es per Definition zu einer Punktladung gemacht und darauf aufbauend eine Theorie, die Feldtheorie, entwickelt.
So darf man sicher auch in der Fachdisziplin der Künstlichen Intelligenz vorgehen: die Einigung auf eine Menge von Eigenschaften intelligenter Systeme. Schauen wir zu den Forschern. Einig sind sich die Forscher, dass Intelligenz etwas mit Gedächtnis zu tun hat, man muss also Fakten im Kopf haben beziehungsweise Informationen oder Wissen. Als Zweites geht es darum, diese Fakten (dieses Wissen) miteinander zu assoziieren, damit daraus neue Fakten (neues Wissen) entstehen. Konkret geht es hierbei also um die Fähigkeit des logischen Schlussfolgerns und die Fähigkeit, aus Fakten neue Regeln (neues Wissen) zu generieren, und es geht natürlich auch um die Geschwindigkeit dieser Prozesse. Psychologen zählen weiterhin dazu die Fähigkeiten der Konzentration, Abstraktion, Merkfähigkeit oder Anpassungsfähigkeit. Aber letztlich hilft uns das nicht weiter, denn es scheint, als ob man unendlich viele Merkmale von Intelligenz finden kann. Versuchen wir daher nicht eine Erklärung mit maximalen Eigenschaften, sondern bewusst eine mit minimalen. Wann finden wir, dass ein Objekt oder Subjekt intelligent ist? In der Box ein neuer Antwortversuch:
Erklärungen zur Intelligenz (1)
Intelligenz niederer Stufe besitzt ein System, wenn es adäquat (angemessen) auf Reize seiner Umgebung reagieren kann, und zwar derart, dass das System entweder einen Vorteil, aber zumindest keinen gravierenden Nachteil aus der Interaktion mit der Umgebung zieht.
Intelligenz höherer Ordnung besitzt ein System, wenn es im Fall einer nicht-adäquaten Reizantwort seine Reaktion selbstständig so nachjustieren kann, dass es bei einer erneuten Interaktion mit der Umgebung adäquat reagiert
Der letzte Punkt bedeutet also, dass das System selbstständig lernen können muss, aber genau das haben wir bereits im Einführungsteil gefordert.
Nicht umsonst heißt es heutzutage, lebenslanges Lernen sei notwendig. Warum ist Lernen so wichtig? Weil wir mit einem rudimentären Modell über die Welt geboren werden. Dieses Modell lässt uns Mutter und Vater erkennen, nach Nahrung schreien und »süß aussehen«. Aber mit diesem Modell werden wir nicht weit kommen. Bereits im Kleinkindalter gilt es daher, ein Modell von der Umgebung aufzubauen, ein internes ReizReaktions-Schema zu entwickeln und permanent zu testen. Viele Tiere können das. Alle
