Mehr Ehrgeiz bei künstlicher Intelligenz! Miterfinder von Deep Learning will intelligentere Maschinen

Der Kanadier Yoshua Bengio gilt als einer der wichtigsten Köpfe der modernen KI-Forschung. Mit ihren aktuellen Schwerpunkten ist er nicht glücklich.

In Pocket speichern vorlesen Druckansicht 24 Kommentare lesen
Miterfinder von Deep Learning rät zu mehr Ehrgeiz bei künstlicher Intelligenz

(Bild: Ecole polytechnique / Flickr)

Lesezeit: 2 Min.
Von
  • Sascha Mattke

Zusammen mit Geoff Hinton und Yann LeCun hat Yoshua Bengio entscheidend zu Deep Learning beigetragen, der derzeit wohl wichtigsten Methode im Bereich künstlicher Intelligenz (KI). Anders als Hinton und LeCun hat Bengio dem Werben großer Unternehmen widerstanden und ist weiterhin nur in der Wissenschaft tätig. In einem Interview mit der US-Ausgabe von Technology Review erklärte er jetzt, dass er immer neue Deep-Learning-Anwendungen für nicht ehrgeizig genug hält (s. „Auf Deep Learning aufbauen“ bei Technology Review online): Man müsse über die harten Herausforderungen bei KI nachdenken und dürfe sich nicht mit kurzfristigen, inkrementellen Fortschritten zufrieden geben, sagte er.

„Wir müssen in der Lage sein, es zu erweitern, damit Maschinen argumentieren, Kausalität lernen und die Welt erkunden können, um zu lernen und Informationen aufzunehmen“, sagte Bengio zum Thema Deep Learning. „Wenn wir wirklich näher an KI auf menschlichem Niveau herankommen wollten, ist das ein ganz anderes Spiel. Wir brauchen langfristige Investitionen, und ich glaube, die Wissenschaft ist am besten dafür geeignet, diese Fackel zu tragen.“

Ein grundlegendes Problem bei heutiger KI ist laut Bengio, dass Computer nicht über „Kausalmodelle“ der Welt verfügten: „Wir Menschen sind in der Lage, uns in Situationen zu versetzen, die sich sehr von unserer alltäglichen Erfahrung unterscheiden. Maschinen können das nicht, sie haben nicht diese Kausalmodelle. Wir können die Modelle einzeln programmieren, aber das reicht nicht aus. Wir brauchen Maschinen, die Kausalmodelle selbst entdecken. In einem gewissen Maß wird das nie perfekt sein. Wir selbst haben kein perfektes Kausalmodell der Realität – aus diesem Grund machen wir viele Fehler."

Mehr dazu bei Technology Review online:

(sma)