Warum fürchten wir uns vor KI?

Die meisten Menschen wissen zwar, dass künstliche Intelligenz (KI) gekommen ist, um zu bleiben. Allerdings haben sie Angst davor, dass intelligente Maschinen in immer mehr Bereichen eine Rolle spielen. Gleichzeitig ist KI auch die treibende Kraft hinter Technologien wie Augmented Reality (AR), die alles andere als beängstigend sind. Wenn Sie wissen, was hinter den Kulissen vor sich geht, verstehen Sie diese Trends besser und werden vielleicht ein echter Technikoptimist.

1950 schrieb der berühmte britische Informatiker Alan Turing einen Aufsatz mit dem Titel Computing Machinery and Intelligence. Darin ging es hauptsächlich um eine Frage: Können Maschinen denken? Als Antwort darauf erfand er das sogenannte Imitationsspiel, das als Turing-Test bekannt wurde. Dabei kommuniziert ein menschlicher Fragestellender per Textnachricht mit einer Maschine und einem anderen Menschen. Der Fragestellende versucht herauszufinden, welche Nachricht von der Maschine stammt. Gelingt es der Maschine, den Menschen zu täuschen, hat sie den Test bestanden.

2018 verfolgte Google einen ähnlichen Ansatz. Auf der Entwicklerkonferenz Google I/O stellte das Unternehmen eine KI-Technologie namens Duplex vor. Bei Duplex handelte es sich um die damals neueste Version des Google-Sprachassistenten, ähnlich wie Amazons Alexa oder Apples Siri. Der Unterschied bestand darin, dass Duplex selbstständig einen Friseursalon anrufen und einen Termin mit einer echten Person am Telefon vereinbaren konnte –ohne dass die Person am anderen Ende überhaupt merkte, dass sie mit einem Computer sprach.

Nach dieser Präsentation gab es einen öffentlichen Aufschrei, bei dem über die Gefahren und ethischen Richtlinien für KI diskutiert wurde. Kürzlich hat Google Teile des Projekts eingestellt. Der Grund dafür ist einfach: Duplex hat nicht nur den Turing-Test bestanden, sondern es auch gewagt, die menschliche Stimme so gut zu imitieren, dass sich echte Menschen täuschen ließen.

Viel zu menschlich

Seitdem hat sich die KI-Technologie mit ChatGPT, Bard und anderen textbasierten KI-Tools deutlich weiterentwickelt. Diese Technologien leisten erstaunlich viel, geben aber nicht vor, Menschen zu sein oder über menschliche Eigenschaften zu verfügen.

Stattdessen stellen sie sich als nützliche Werkzeuge dar, die zwar leistungsstark sind, uns aber nicht ähneln. Momentan versucht niemand, einen weiteren Turing-Test durchzuführen. Ein solcher Versuch käme wahrscheinlich bei den meisten Menschen erneut nicht gut an und würde der Technologie mehr schaden als nutzen. Der italienische Datenschutzbeauftragte hat beispielsweise bereits ein Verbot des KI-Chatbots ChatGPT erwirkt. Aber warum haben die Menschen so viel Angst? Um das herauszufinden, gehen wir am besten einen Schritt zurück und sehen uns an, was Künstliche Intelligenz wirklich bedeutet.

Wie eine Maschine lernt

Künstliche Intelligenz wird häufig als ein eigenständiges System betrachtet, obwohl es sich eigentlich um eine Reihe von Technologien handelt. Diese ermöglichen es einem System, zu denken, zu lernen und komplexe Probleme zu lösen. Eine dieser Technologien ist das maschinelle Lernen (ML). Die Idee hinter der Künstlichen Intelligenz ist es, eine Maschine zu bauen, die die menschliche Intelligenz nachahmt. Machine Learning dagegen verfolgt ein anderes Ziel: Die Maschine soll lernen, wie sie eine bestimmte Aufgabe ausführt. Präzise Ergebnisse liefert sie, indem sie akkurat Muster erkennt.

ML ermöglicht es einer Maschine oder einem System, automatisch aus Erfahrungen zu lernen und besser zu werden. Anstatt den Computer explizit zu programmieren, kommen Algorithmen zum Einsatz, die große Datenmengen analysieren, aus den Erkenntnissen lernen und dann fundierte Entscheidungen treffen. Werden die Algorithmen kontinuierlich trainiert – sprich: erhalten sie immer mehr Daten –, liefern sie immer bessere Ergebnisse.

Algorithmen können etwa darauf trainiert werden, ein zweidimensionales Bild zu analysieren, um daraus ein 3D-Modell zu erstellen, das auf Bilddaten wie Tiefen- und Farbinformationen sowie Kamerabewegungen basiert. Dieses dreidimensionale Modell fungiert als unsichtbares Gitter. Auf diesem können Augmented-Reality-Objekte wie Pfeile oder Markierungen so platziert werden, als ob sie sich tatsächlich auf dem erfassten Gegenstand befinden. Dadurch unterstützt maschinelles Lernen Augmented-Reality-Anwendungen.

KI ist das Auto, maschinelles Lernen ist der Motor

Maschinelles Lernen und seine Anwendungsbereiche klingen weniger bedrohlich als das dystopische Bild, das oft von menschenähnlicher Künstlicher Intelligenz gezeichnet wird. Das liegt nicht unbedingt daran, dass ML weniger leistungsfähig ist als KI: Wenn KI ein Auto wäre, wäre ML sein Motor. Und obwohl nur wenige eine emotionale Bindung an Motoren haben (mit Ausnahme des guten alten V8), verfügen viele über eindeutige Meinungen zu Autos im Allgemeinen, Automarken, Autodesign oder dazu, ob es in einer modernen Gesellschaft, die mit dem Klimawandel konfrontiert ist, überhaupt Autos geben sollte.

Dazu kommt, dass man sich zwar eine Gesellschaft ohne Autos vorstellen kann, aber keine, die vollständig auf Motoren verzichtet. Schließlich treiben sie alle möglichen Dinge an, die wir jeden Tag nutzen, wie Züge, Aufzüge, automatische Türen und vieles mehr. Das Gleiche gilt für KI und ML: Kommen diese Technologien bei Dingen zum Einsatz, die wir gutheißen, wie etwa bei Chatbots, Spielen, Suchmaschinen, Navigationssoftware, Smart Glasses oder professionellen Augmented-Reality-Lösungen, akzeptieren wir sie fast selbstverständlich.

KI bringt Augmented Reality voran

Apropos erweiterte Realität (Augmented Reality, AR): Diese Technologie wurde in den letzten Jahren so beliebt, weil KI in ihre grundlegenden Funktionen integriert ist. AR, wie wir sie durch Smart Glasses und mobile Geräte erleben, wird durch KI und ML verbessert. Die beiden Technologien arbeiten eng zusammen, um die Daten von Hunderten von Sensoren zu analysieren und so eine Brücke zwischen der digitalen und der echten Welt zu schlagen.

Smart Glasses und Mobilgeräte verfügen über unterschiedliche Sensoren, die Daten über ihre Umgebung sammeln. Die Künstliche Intelligenz verwendet diese unbearbeiteten Sensordaten, um ein digitales Abbild der Umgebung zu erstellen. Dieser Prozess wird oft als Mapping bezeichnet. Dieses Mapping bildet die Grundlage dafür, dass AR-Anmerkungen mit der realen Welt verknüpft werden können und sich digitale Objekte nahtlos in die echte Umgebung einfügen.

Was KI ausgezeichnet beherrscht, ist es, Muster in großen Datenmengen zu erkennen. Dadurch kann die Industrie das Verhalten und die Arbeitsweise ihrer Beschäftigten analysieren. Zum Beispiel suchen die Mitarbeitenden in der Fertigung oft unnötig lange nach bestimmten Gegenständen. KI spürt diese Muster auf und schlägt vor, wo diese Dinge effizienter platziert werden könnten. Dabei berücksichtigt die KI den gesamten Lagerbestand, wodurch langwieriges systematisches Ausprobieren wegfällt.

Die KI ist uns nicht feindlich gesinnt

Mittlerweile sollte klar sein, dass es keinen Grund gibt, KI zu fürchten. Die Art und Weise, wie über Technologien diskutiert wird und wie sie uns verkauft werden, entscheidet, ob wir sie nutzen möchten oder ob sie uns Angst machen. Wenn Sie verstehen, was eigentlich hinter einer Technologie steckt, können Sie sie richtig einschätzen – und vielleicht sogar zu einem Technikoptimisten werden.

Die meisten neuen Technologien wurden zunächst mit Skepsis betrachtet, sogar heute so weit verbreitete wie Elektrizität und Röntgenstrahlen. Wenn Sie das nächste Mal einer neuen, Ihnen unbekannten Technologie gegenüber misstrauisch sind, fragen Sie sich einfach: Würden Sie wollen, dass Ihr Arzt wie vor 200 Jahren arbeitet?