Was hat Ostwestfalen-Lippe in Sachen AI drauf und welches Potenzial ist für Startups drin?

tl;dr: Jede Menge. Hey Elon: Wir haben Brain-to-Machine Know-how. Come and get some!

Diese und viele weiteren Fragen zum Thema Artificial Intelligence hat Dr. Philipp Cimiano (einer der Top-Experten für künstliche Intelligenz in OWL) vom CITEC vergangene Woche im Founders Talk beantwortet.

Mit einem kurzen Vortrag brachte Philipp das Publikum erstmal auf einen Level. Was ist Intelligenz überhaupt? Wie ist künstliche Intelligenz 1956 entstanden, wie ist der heutige Stand und was ist in Zukunft möglich? Im Anschluss hat Sebastian Borek ein Interview mit eigenen und Fragen aus dem Publikum geführt.

Kurzer Tipp, wie ihr eine KI erkennen könnt, falls ihr mal in die Situation kommt einen Turing Test machen zu müssen dürfen, so findet ihr recht schnell raus: Wer die AI und wer der Mensch ist:

Who’s the AI? Über Lieblingsbücher und persönliche Hobbies zu reden ist im Turing Test ein guter Indikator um zwischen Mensch und Maschine zu unterscheiden.

Was kann AI?

Die Referenz für künstliche Intelligenz ist immer der Mensch und seine Fähigkeiten, die in Teilen durch maschinelle Arbeit ersetzt werden. Allerdings sind das momentan immer Spezial- oder Inselfertigkeiten, wie zum Beispiel Übersetzung. Heute arbeitet Google Translate bsw. mit neuronaler maschineller Übersetzung: Ein Satz wird in eine neuronale Signatur übersetzt, die Neuronen gewichtet und mit anderen Aktivierungsmustern verglichen. Dieses Vorgehen ermöglicht eine kompakte Darstellung und kann mit einer höheren Performance und Treffsicherheit durchgeführt werden.

Schauen wir zurück auf den Beginn der maschinellen Übersetzung, sieht das noch ganz anders aus:

Im Kalten Krieg gab es ein großes Interesse an automatischer Übersetzung von russisch ins englische. In einem Projekt schaffte es die Universität von Georgetown 250 russische Wörter und 50 Sätze aus dem Russischen zu übersetzen. Was aber fehlte, war die Intelligenz, die Bedeutung in den übersetzten Worten zu finden. So wurde aus dem russischen Sprichwort:

 „The spirit is willing but the flesh is weak“ nach maschineller Übersetzung „The vodka is good but the flesh is rotten“.

Nach diesen Misserfolgen setzte für einige Jahrzehnte der AI Winter ein. Bis 1996 mit dem Erfolg von Deep Blue über Garry Kasparov die Renaissance der Künstlichen Intelligenz einsetzte.

KI funktioniert ohne Bewertung nicht

Damit KI sich weiter entwickeln kann, müssen ihre Ergebnisse überprüf- und bewertbar sein. So bekommt auch ein Machine Learning Algorithmus auch die Möglichkeit, sich selbst zu verbessern und dazu zu lernen. Spiele eignen sich mit ihrem Regelwerk deswegen besonders gut, um Maschinen das Spielen beizubringen.

Von Spielen ist es aber auch nicht mehr weit, Maschinen und l andere Aufgaben zu übertragen, die in vergleichbar eng gesteckten Rahmen ablaufen:

  • Spam erkennen und klassifizieren
  • Kreditkartenbetrug erkennen
  • Wartungen von Maschinen vorhersagen
  • Kreditwürdigkeit vorhersagen
  • Vorhersagen in der Verbrechensbekämpfung

Die formale Definition, mit der Tom Mitchell Machine Learning beschreibt lautet:

„A computer program is said to learn from experience E with respect to some class of tasks T and performance measure P if its performance at tasks in T, as measured by P, improves with experience E.“

Warum Roboter so schwer greifen lernen

Neben künstlichen Sprachfertigkeiten und semantischen Algorithmen wird am CITEC auch viel zu Robotern und ihren Fertigkeiten geforscht. So etwas einfaches wie Greifen zum Beispiel. Hier führte Philipp ein Experiment von Google an:

Damit Roboter Greifen selber lernen können, müssen sie die Tätigkeit oft ausführen und aus den Ergebnissen und deren Bewertung lernen. Oft ausführen heißt in diesem Fall: Nach 200.000 Greifversuchen war die Performance der 14 Test-Roboter immer noch schlecht. Erst nach  800.00 Greif-Vorgängen sank die Fehlerrate unter 20%-

Philipp Cimiano erklärte das vereinfacht so: Ein menschliches Baby kommt bereits mit 80-90 Prozent der nötigen Fertigkeiten in der DNA auf die Welt. Es lernt durch Trial and Error, kann Feedback seiner Umwelt erkennen und verwerten und verfügt über Intuition.

Künstlich intelligente Roboter hingegen sind werde kreativ, noch innovationsfähig. Sie können nicht generalisieren und vor allem: Bringen sie keine Grundfähigkeiten zum Lernen in ihrer DNA mit. Hintergrundwissen, historische Zusammenhänge, Gefühle, Bewusstsein, Urteilsvermögen sind alles Dinge, die Maschinen gegenüber dem Menschen fehlen.

Aus diesem Grund werden sie vermutlich noch lange Zeit hinter der Leistungsfähigkeit von Menschen zurück bleiben.

Ein Vorteil allerdings:

Maschinen kennen auch keine Langeweile. Das macht sie als Arbeitswerkzeug für oft wiederholte Arbeitsschritte so wertvoll.

Interessante Erkenntnis aus dem Founders Talk: Auch eine Waschmaschine ist ein Roboter

AI und ihre Gefahren

Über Superintelligenzen, wie Elon Musk auf der SXSW 2018 noch gewarnt hat, macht sich Cimiano keine Sorgen und begründete das damit, dass Maschinen keinen Machtwillen haben. Außer: Wir Menschen programmieren ihn. Er sieht Computer in ca. 15 Jahren die Leistung des menschlichen Gehirns erreichen. Was aber im Umkehrschluss nicht bedeutet, dass diese Rechenleistung auch genauso kreativ und effektiv wie durch den Menschen eingesetzt werden kann.

Die Gefahren sieht Philipp eher in ethischen Fragen:

  • Wer haftet, wenn durch Maschinen jemand zu schaden kommt? (es gibt bereits erste Haftpflichtversicherer, die sich mit dem Thema beschäftigen)
  • EU diskutiert Maschinen zu rechtlichen Personen zu machen
  • Arbeitsplätze werden durch Automatisierung wegfallen – aber auch viele neue entstehen

Voreingenommenheiten dürfen nicht in die Maschine gelangen. 2016 haben wir gesehen, wie schnell sich Microsofts Bot Tay zur rassistischen Maschine entwickelte, nur in dem sie durch Twitter lernte. Nun kann man sich über Twitter als Lernplattform für eine AI durchaus streiten,  klar ist aber:

Je nachdem, mit welchen Daten und Informationen eine Maschine angelernt wird, können sich ungewünschte Stereotypen herausbilden.

Im Talk gab es das Beispiel von Berufsbildern, die durch einen Alogrithmus untersucht wurden und der zu dem Schluss kam:

Männer werden vor allem: Forscher, Ingenieure, Programmierer
Frauen hingegen: Lehrerinnen, Pflegerinnen, Bibliothekarinnen

Als Gesellschaft arbeiten wir hart daran, diese Clichées zu überwinden. Lernt eine Maschine aus historischen Daten, sind die Einordnungen zunächst einmal natürlich offensichtlich.

Jeder einzelne muss die Mündigkeit haben zu entscheiden, ob er eine KI-gestützte Leistung wie bsw. den Hausarzt-Bot haben will oder nicht.

Mr Musk: Bielefeld forscht auch am Brain-to-Machine-Interface

Elon Musk ist nicht immer pessimistisch, wenn es um AI geht. Seine Aussage ist: Wir haben ein massives Problem mit der Input-Output-Geschwindigkeit. Input geht für den Menschen über Auge und Ohren noch recht geht, aber die Ausgabe mit 10 Fleischstäbchen an den Händen ist viel zu langsam. Darum arbeitet sein Unternehmen Neuralink an einem Brain2Machine Interface.

Hey Elon! Schau mal am CITEC vorbei! Helge Ritter arbeitet mit seinem Team dort schon seit einiger Zeit am Projekt Resourceneffiziente und adaptive Gehirn-Maschine Schnittstellen. Bielefeld ist immer ne Reise wert und wir haben auch einige Ladesäulen hier!

Zudem verfügt OWL über Spitzentalente. Aber: Wir müssen viel dafür arbeiten, dass diese Talente auch hier bleiben und nicht abwandern. Und da sieht Philipp nicht nur Google, Facebook, Apple als Konkurrenz, sondern auch Unternehmen wie Siemens oder Bosch, die massiv im KI-Umfeld aufstocken.

Lohnende Business Models für OWL Startups in Robotics & AI

Zunächst ist Deutschland im Nachteil,  weil im Gegensatz zu USA oder China weniger Daten vorhanden sind bzw. an die vorhandenen Daten immer schwerer heran zu kommen ist. Möglicherweise liegt darin auch ein Grund, dass sich IBM Watson so stark für Endkunden und Projekte öffnet, da selbst IBM nicht an genügend Daten kommt, um Watson als entscheidungsstützendes System sinnvoll weiter zu entwickeln.

Zudem ist das experimentelle Mindset in den USA immer noch sehr viel stärker ausgeprägt als in Deutschland: Weniger Bedenken äußern und einfach mal machen, brauchen wir auch in Ostwestfalen-Lippe immer noch viel, viel mehr.

Dinge, mit denen sich zu experimentieren lohnen könnte:

Roboter DNA: Vernetzte Erfahrungen von Maschinen. Jeder Roboter der bsw. greift, gibt seine Daten an die Lern-Plattform zurück, sodass jeder andere Roboter auf der Welt, der greifen soll, die digitalen Erfahrungen nutzen und so schneller lernen kann

Hinterfragungs-Algorithmen: Kritisches Denken für AI. Algorithmen, die Voreingenommenheiten, Biases und Stereotypen erkennen können, diese melden und selbstständig untersuchen

Dive Deeper:

Ihr wollt sicher noch mehr über AI in Ostwestfalen erfahren – hier könnt ihr noch tiefer einsteigen:

KI Einführungsartikel hier bei uns

CITEC Projekte

So funktioniert die neuronale Google Translation

Robots that learn bei OpenAI

Semalytix – Unternehmen 1 von Philipp Cimiano

Mercury.ai – Unternehmen 2 von Philipp Cimiano

Buch – Rodney Brooks – The seven deadly sins of AI predictions

Buch – Künstliche Intelligenz: Was sie kann & was uns erwartet
von Bielefelder Wissenschaftsjournalistin, die am CITEC recherchiert hat