KI-Verbesserer
So wollen Forscher und Praktiker die Grenzen der KI überwinden
KI hat Schwächen. Die Methoden bieten aber insbesondere beim Deep Learning noch viel Raum für Verbesserungen und Ideen gibt es genug. Das zeigt unser Überblick über neue Ansätze, die den praktischen Nutzen von KI vergrößern und sie „menschlicher“ machen sollen.
Künstliche Intelligenz soll schlauer und universeller werden, Wissenschaftler experimentieren dafür auf allen Ebenen: Die einen entwickeln Algorithmen mit detektivischem Talent, die mögliche Gründe für (Fehl-)entscheidungen tiefer neuronaler Netze aufspüren und visualisieren. Andere forschen an effizienteren Lernmethoden, damit ein Kunsthirn künftig ähnlich wie der Mensch aus wenigen Eindrücken neue Erkenntnisse gewinnen kann. Und es entstehen sogar schon Multitasking-Netze, die nicht nur Bilder und Sprache beherrschen, sondern auch einen Roboterarm steuern können.
Forscher arbeiten zum Beispiel an konkreten Methoden, um das Deep Learning robuster zu machen. In bestimmten Szenarien funktioniert es zwar problemlos, wie die Beispiele ab Seite 20 zeigen. Wenn man Deep Learning jedoch in kritischen Bereichen wie Medizin, Justiz und Finanzen einführen möchte, muss man dringend das Problem beseitigen, dass Menschen kaum nachvollziehen können, wie die tiefen neuronalen Netze zu ihren Ergebnissen und Fehlern kommen. Der von der EU geplante AI Act stellt hohe Anforderungen an solche KI-Anwendungen, die ein großes Risiko bergen. Er verlangt sinngemäß, dass Menschen nicht Opfer automatisierter Entscheidungen werden, die irgendein magischer Algorithmus aus dem Hut zaubert.