7. Künstliche Intelligenz
7.1 Einführung
Künstliche Intelligenz (KI), englisch: Artificial Intelligence (AI) wird allgemein als die Fähigkeit von Maschinen verstanden, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern, und ist ein Schlüsselbereich fortgeschrittener Computertechnologie. Wichtige KI-bezogene Techniken umfassen neuronale Netze, Deep Learning, maschinelles Lernen, Edge Computing und Robotik.
7.2 Was ist Künstliche Intelligenz?
7.2.1 Die Arbeitsdefinition des US-Verteidigungsministeriums DoD
Selbst für die menschliche Intelligenz gibt es keine Standarddefinition. Der Kern der Definitionen der menschlichen Intelligenz umfasst jedoch die mentale Fähigkeit, Probleme zu erkennen, zu analysieren und zu lösen. Ein Mensch ist dann intelligenter, wenn dies schneller und/oder bei komplexeren Problemen möglich ist. Historisch gesehen war Konzept der künstlichen Intelligenz (KI) auf Maschinen ausgerichtet, die menschliche Intelligenz simulieren. Eine praktische Definition, die das allgemeine Verständnis von KI abdeckt, wurde vom US-Verteidigungsministerium (Department of Defense DoD) vorgenommen.
In der Zusammenfassung der DoD-KI-Strategie für 2018 heißt es: “AI refers to the ability of machines to perform tasks that normally require human intelligence—for example, recognizing patterns, learning from experience, drawing conclusions, making predictions, or taking action— whether digitally or as the smart software behind autonomous physical systems.” Übersetzung: „KI bezieht sich auf die Fähigkeit von Maschinen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern – beispielsweise Muster erkennen, aus Erfahrungen lernen, Schlussfolgerungen ziehen, Vorhersagen treffen oder Maßnahmen ergreifen – ob digital oder als intelligente Software hinter autonomen physischen Systemen. “ Viele Definitionen konzentrieren sich auf Aktivitäten, die menschliche Intelligenz erfordern, aber genau genommen haben bereits die einfachen Taschenrechner der 1970er Jahre etwas geleistet, das normalerweise menschliche Intelligenz erfordert. Aus der Literatur geht jedoch hervor, dass die KI-Forscher fortgeschrittenes und autonomes Rechnen meinen, wenn sie über KI sprechen.
Intelligente Agenten (intelligent agents) sind daher alle Geräte, die die Umgebung wahrnehmen und die Chance auf Zielerreichung maximieren können. Wenn eine Computeranwendung zur Normalität wird, wird sie typischerweise nicht mehr als KI betrachtet (KI-Effekt). Frühere Beispiele sind z.B. Taschenrechner, Übersetzungscomputer und Schachcomputer, aktuelle Beispiele sind Navigationssysteme und Heimassistenzsysteme wie Alexa, Siri usw.
Der National Defense Authorization Act (NDAA) für das Fiskaljahr 2019 enthält eine formale Definition der KI mit fünf Arten von KI-Systemen:
- Jedes künstliche System, das Aufgaben unter verschiedenen und unvorhersehbaren Umständen ohne nennenswerte menschliche Aufsicht ausführt oder aus Erfahrungen lernen und die Leistung verbessern kann, wenn es Datensätzen ausgesetzt ist.
- Ein künstliches System, das in Computersoftware, physischer Hardware oder einem anderen Kontext entwickelt wurde und Aufgaben löst, die eine menschenähnliche Wahrnehmung, Erkenntnis, Planung, Lernen, Kommunikation oder physisches Handeln erfordern.
- Ein künstliches System, das so konzipiert ist, dass es wie ein Mensch denkt oder handelt, einschließlich kognitiver Architekturen und neuronaler Netze.
- Eine Reihe von Techniken, einschließlich maschinellem Lernen, mit denen eine kognitive Aufgabe angenähert werden soll.
- Ein künstliches System, das für rationales Handeln ausgelegt ist, einschließlich eines intelligenten Software-Agenten oder eines physischen Roboters, der Ziele durch Wahrnehmung, Planung, Argumentation, Lernen, Kommunikation, Entscheidungsfindung und Handeln erreicht.
7.2.2 ‘Starke’ und ‘Schwache’ KI
Die sogenannte „schwache“ KI kann ein beobachtetes Verhalten reproduzieren und Aufgaben nach einem Training ausführen, d.h. Systeme, die maschinelles Lernen, Mustererkennung, Data Mining oder die Verarbeitung natürlicher Sprache anwenden. Intelligente Systeme, die auf „schwacher“ KI basieren, umfassen z.B. Spamfilter, selbstfahrende Autos und Industrieroboter. Im Gegensatz dazu wäre „starke“ KI ein intelligentes System mit echtem Bewusstsein und Denkfähigkeit.
Die aktuelle KI von 2020 ist immer noch eine „schwache“ KI mit programmierten Maschinen, die schnelle Berechnungen durchführen, die es ihnen ermöglichen, Aktionen mithilfe von Datenbanken und statistischen Modellen zu interpretieren, nachzuahmen oder vorherzusagen, aber immer noch keine Vorstellung von sich selbst haben und nicht reflektieren können, d.h. sie kann nicht wirklich „Ich“ und „Warum“ denken oder meinen.
Auf der anderen Seite umfassen menschliche Handlungen viele sich wiederholende und routinemäßige Aktivitäten, die standardisiert werden können und daher bereits jetzt für die KI zugänglich sind. Darüber hinaus ist die Entscheidungsfindung oft nur die Wahl zwischen Standardoptionen. Sogar Dinge, die Menschen als komplexe Aktivität wahrnehmen, z.B. Autofahren von Stadt A nach Stadt B, besteht meist aus langen Abfolgen von Routinetätigkeiten und Standardentscheidungen, zum Beispiel: Das Auto kommt an eine Ampel: anhalten oder fahren?,… .dann fahren….
Eine Kreuzung kommt: links oder rechts abbiegen? … dann wieder fahren … und so weiter …
Dies gilt in ähnlicher Weise auch für die Industrieproduktion und Maschinenaktivitäten.
Zusammenfassend lässt sich sagen, dass bereits aktuelle KI-Systeme in der Lage sind, menschliche Aktivitäten in wesentlichen Bereichen des täglichen Lebens, der Kommunikation, des Handels, der Industrie usw. zu unterstützen oder zu ersetzen und alle Arten der Maschinennutzung zu unterstützen oder zu steuern, was das massive Wachstum der KI und ihr enormes Potenzial erklärt.
7.2.3 KI-bezogene Techniken
Wichtige KI-bezogene Techniken sind neuronale Netze, Deep Learning, maschinelles Lernen, Edge Computing und Robotik.
Neuronale Netze: Das menschliche Gehirn verarbeitet Eingaben mit miteinander verbundenen Knoten von Nervenzellen, den Neuronen. Die Verarbeitung umfasst die Signalübertragung, aber auch das Filtern durch inhibitorische Neuronen. Schließlich können eingehende Eingabemuster mit bekannten Mustern verglichen werden, um eine Reaktion zu erzeugen. Als vereinfachtes Beispiel: Wenn die Augen auf der Straße ein Objekt mit vier Rädern sehen, werden Signale von der Netzhaut der Augen zum optischen Kortex im hinteren Gehirn und von dort zum benachbarten interpretativen Kortex und zu den Gedächtnisbereichen im Hippocampus übertragen, was schließlich ermöglicht, das Objekt als „Auto“ zu klassifizieren, auch wenn das spezifische Automodell noch nie zuvor gesehen wurde.
Das gleiche Prinzip wird in KI-Anwendungen verwendet: Die Eingabe (Input) wird mittels mehrerer verborgener Schichten (hidden layers) von Computerbereichen (Knoten) übertragen und gefiltert, bevor das Ergebnis (z.B. Objektklassifizierung, Entscheidung) als Output ausgegeben wird.
Neuronale Netze können azyklische oder vorwärts gerichtete neuronale Netze (feedforward neural networks) sein, bei denen das Signal nur in eine Richtung verläuft, und wiederkehrende neuronale Netze (recurrent neural networks) mit Rückkopplungssignalen und Kurzzeitgedächtnissen früherer Inputs.
Deep Learning bedeutet das Erlernen einer langen Kette von Kausalitäten auf der Grundlage neuronaler Netze, während sich das verwandte Konzept des maschinellen Lernens (ML) auf das Gedächtnis (Erfahrung) konzentriert, indem Computeralgorithmen entwickelt werden, die sich durch Erfahrung automatisch verbessern. Die Fuzzy logic konzentriert sich auf die Manipulation von Informationen, die oft unscharf (fuzzy) sind, z.B. „Setzen Sie es etwas höher“, wo der Algorithmus hilft, es in eine genauere Information umzuwandeln.
Die Verarbeitung natürlicher Sprache im Natural language processing umfasst Algorithmen zum Verständnis der menschlichen Sprache durch systematische Analyse der Sprachelemente und ihrer Beziehungen. Ein verwandter Bereich ist die Sprachverarbeitung, das voice processing. Ein neuer KI-Bereich sind bioinspirierte Berechnungsmethoden (Bio-Inspired Computation Methods), die Sammlungen intelligenter Algorithmen und Methoden verwenden, die bioinspirierte Verhaltensweisen und Eigenschaften wie genetische Algorithmen (GA = Mutation, Rekombination und Auswahl von Algorithmen), Evolutionsstrategien (ES) und Ameisenkolonien-Optimierungsverfahren (ACO), Partikelschwarmoptimierung (PSO) und künstliche Immunsysteme (artificial immune systems AIS). Edge Computing ist eine Schicht verteilter Computer zwischen Clouds und Benutzern, die Berechnung und Datenspeicherung näher an den Ort bringt, an dem sie benötigt werden, um die Antwortzeiten zu verbessern.
Die Kernidee der Verbindung von KI und Robotik versucht, die Autonomie der Roboter durch Lernen zu optimieren, um die Fähigkeit zur Manipulation, Navigation und Zusammenarbeit zu verbessern. Roboter können die Umgebung durch integrierte Sensoren oder Computersehen, was ein weiteres Feld der KI ist. In der Praxis kann ein Anstieg von Co-Bots (co-worker robots) beobachtet werden, die Menschen unterstützen, z.B. durch Übernahme sich wiederholender Tätigkeiten wie Sortieren oder Tragen von Gegenständen, Raumdesinfektion usw.
Ursprünglich waren KI, maschinelles Lernen, Mustererkennung, Robotik usw. relativ unabhängige Forschungsbereiche, aber mittlerweile fließen sie zunehmend ineinander, sodass ein breiteres Verständnis der KI diese Bereiche in die Diskussion einbezieht. Das moderne Konzept automatisierter Systeme umfasst somit die ursprünglich getrennten, sich jetzt jedoch überlappenden Konzepte von Autonomie, Robotik und KI.
7.2.4 Der Einfluss auf Konstruktionsprozesse
7.2.4.1 Computer und Maschinen
Derzeit besteht der typische Konstruktionsprozess größerer Maschinen darin, verschiedene Computerelemente einzubetten und zur Steuerung der Maschine miteinander zu verbinden.
Ein Eurofighter-Kampfjet hat mehr als 80 Computer und 100 Kilometer Verkabelung.
Diese Konstruktion führt jedoch zu einer sehr komplexen Computerumgebung mit vielen Schnittstellen, was das Risiko für Kommunikations- und Kompatibilitätsprobleme sowie Softwareprobleme erhöht, es zudem schwierig macht, alle Systeme auf dem neuesten Stand zu halten, und viele Schwachstellen für Cyberangriffe bietet.
Ein NATO-Staat hat einen Kampfjet zerlegt, um sämtliche Komponenten gegen Cyberattacken zu härten und baute den Jet anschließend wieder zusammen, aber die Kosten der Maßnahme führten zu der Überlegung, dass die Komponentensicherheit stattdessen von den Lieferanten garantiert werden sollte. Das würde jedoch bedeuten, sich auf die Sicherheitsanstrengungen zahlreicher Anbieter verlassen zu müssen, d.h. es ist schwierig, die Cybersicherheit zu delegieren. Ähnliche Prüfungen bei Autohacks zeigten, dass die Vorstellung des walled garden-Konzepts, dass man die vielen Komponenten von außen ganzheitlich schützen könnte, Eindringtesten nicht standhielt, d.h. jede Komponente muss einzeln gesichert werden.
Der Trend geht nun dahin, zuerst ein vollständig integriertes Computersystem mit eingebetteten KI-Elementen zu schaffen und die Maschinenumgebung darauf auszurichten und anzupassen, wie z.B. in den neuesten Tesla-Automodellen.
Dies ermöglicht eine signifikante Vereinfachung der IT-Umgebung in Kombination mit größeren Datenflüssen und kann eine Option für andere Maschinen aber auch z.B. militärische Maschinen und Flugzeuge, die inzwischen mit komplexen Computer- Elementen (über)beladen sind.
7.2.4.2 Computer und Biologische Systeme
Einbettung von Computern ist auch für biologische Organismen relevant. Eine engere Definition spricht von Cyborgs (kybernetischen Organismen), wenn biologische und computersteuerbare maschinelle Bestandteile physisch integriert sind. Retina- und Cochleaimplantate erfüllen auch die strikte Definition. Es ist wesentlich, dass die Entwicklung von Cyborgs viel langsamer verläuft als erwartet, da dieser Ansatz ein sehr begrenztes Potenzial hat. Unter anderem sind die Schnittstellen zwischen lebenden und Computerabschnitten eine Herausforderung. Ein weiteres Problem ist die Energieversorgung der Maschinenteile, da Hitze oder Strahlung das umgebende Gewebe beschädigen können. Das Immunsystem und das umgebende Gewebe neigen dazu, mit Entzündungen, Abstoßungen und Fibrosen gegen die Implantate zu reagieren. Wartungs- und Reparaturanforderungen werden bereits als Hintertüren für Cyberangriffe verwendet. Zusammenfassend scheint die Menge an Maschinenteilen, die ein Organismus tragen kann, ziemlich begrenzt zu sein.
Im Vergleich dazu scheinen autonome Biohybride, das sind freie Kombinationen von biologischen und synthetischen Materialien ein viel größeres Potenzial zu haben. Hier wird maßgeschneidertes biologisches Material mit computersteuerbaren maschinellen Bestandteilen kombiniert, und die künstliche Intelligenz könnte die Autonomie dieses Systems gewährleisten.
Im Jahr 2016 wurde ein Schwimmroboter gebaut, der einen Rochen nachahmt und der aus einem feinen Goldskelett und einem Gewebe aus 200.000 genetisch veränderten Rattenherzmuskelzellen bestand. Die Zellen wurden genetisch verändert, so dass die Geschwindigkeit und die Richtung durch Veränderung von Licht gesteuert werden konnte. Der Biohybrid blieb jedoch von der Anwesenheit einer physiologischen Kochsalzlösung umgebungsabhängig. Derzeit werden drei Schlüsseltechnologien entwickelt, die möglicherweise fortgeschrittene Biohybride ermöglichen: künstliche Zellen, Organoide und synthetische/künstliche Genome.
Seit 2010 wird an der Entwicklung einer Zelle mit minimalem Genom gearbeitet, d.h. dem kleinstmöglichen Genom, das autonomes Leben und Replikation ermöglicht. 2016 wurde eine neue Zelle namens Syn 3.0 erschaffen, indem das Genom von Mycoplasma capricolum durch das Genom von Mycoplasma mycoides ersetzt und nicht benötigte DNA entfernt wurde. Nachdem festgestellt wurde, dass ein etwas größeres Genom als das Kleinstmögliche zu einem verbesserten Zellwachstum führt, wurde eine modifizierte Minimalzelle erzeugt, die es im Jahr 2019 ermöglichte, die Anzahl der Gene mit unbekannter Funktion auf 30 zu reduzieren. Wenn die Funktion dieser 30 Gene geklärt werden könnte, würden die grundlegenden Mechanismen lebender Zellen identifiziert und könnten dann verwendet werden, um frei designbare künstliche Zellen zu erzeugen.
Auch die Kontrolle der Zelldifferenzierung hat erhebliche Fortschritte gemacht: Organoide sind kleine künstliche Organe, die durch gezielte Anwendung von Wachstumsfaktoren und Hormonen auf Stammzellen mit vielen Funktionen des ursprünglichen Organs versehen sind, z.B. Lungen und Atemwege für Studien zu Coronavirus-Infektionen, aber auch andere Organoide wie kleine Gehirne. Das andere Thema sind synthetische Genome. Der schnelle technische Fortschritt der DNA-Synthese ermöglicht inzwischen die Synthese künstlicher Hefechromosomen (S. cerevisiae). Zusammen mit designbaren Zellen kann diese Technologie eine groß angelegte genomische Variation und Optimierung ermöglichen.
Klaus Saalbach: Cyberwar: Grundlagen – Methoden – Beispiele
https://repositorium.ub.uni-osnabrueck.de/handle/urn:nbn:de:gbv:700-202009303598
http://creativecommons.org/licenses/by/3.0/de/
Zur einfacheren Lesbarkeit wurden die Quellenangaben und Fussnoten entfernt.