{"id":126,"date":"2019-07-08T10:47:43","date_gmt":"2019-07-08T08:47:43","guid":{"rendered":"http:\/\/blog.zhaw.ch\/winsights\/?p=126"},"modified":"2020-01-06T15:11:45","modified_gmt":"2020-01-06T14:11:45","slug":"kann-kuenstliche-intelligenz-intelligenter-werden","status":"publish","type":"post","link":"https:\/\/blog.zhaw.ch\/winsights\/2019\/07\/08\/kann-kuenstliche-intelligenz-intelligenter-werden\/","title":{"rendered":"Kann k\u00fcnstliche Intelligenz intelligenter werden?"},"content":{"rendered":"\n

N\u00fctzliche Technologien zeichnen sich oft dadurch aus, dass sie uns beim L\u00f6sen von Aufgaben und Ausf\u00fchren von Handlungen unterst\u00fctzen. Wir k\u00f6nnen feststellen, dass mit der aktuellen Durchdringung von k\u00fcnstlicher Intelligenz das Spektrum an Aufgaben und Handlungen gewachsen ist, in dem mit Technologien einen Nutzen erzielt werden kann. Wir vermuten deshalb, dass dieses Spektrum weiterwachsen kann, wenn wir k\u00fcnstliche Intelligenz mit mehr Intelligenz versehen.<\/strong><\/p>\n\n\n\n

An der aktuellen Front der in den Medien dargestellten k\u00fcnstlichen Intelligenz finden sich Anwendungen wie z. B. automatisierte, visuelle Objekterkennung [1], nat\u00fcrlich-sprachliche Interaktion mit Agenten [2] oder selbstfahrende Fahrzeuge [3]. H\u00e4ufig kommt bei solchen Anwendungen maschinelles Lernen zum Einsatz. Dabei wird ein System daf\u00fcr trainiert, auf bestimmte Eingaben bestimmte Ausgaben zu erzeugen. Je nach Anwendung handelt es sich bei diesen Ein- und Ausgabepaaren um Bildmaterial und darin erkannte Objekte, eingehende Sprachnachrichten und dazugeh\u00f6rige Antworten oder Verkehrssituationen und Steuerbefehle an ein Fahrzeug. Wir sprechen hier von einer Intelligenz, weil a) etwas gelernt wird und b) dank einer Generalisierungsf\u00e4higkeit auch bei bisher nicht erlernten Eingaben mit sinnvollen Ausgaben gerechnet werden kann. <\/p>\n\n\n\n

Ein Vergleich mit nat\u00fcrlicher Intelligenz<\/h4>\n\n\n\n

Unabh\u00e4ngig der Komplexit\u00e4t der diesem Lernverhalten zugrundeliegenden Mathematik und Datenverarbeitung, kann diese Form von Intelligenz mit den behavioristischen Modellen [4] eines Organismus\u2019 verglichen werden: eine Black Box, die auf eingehende Stimuli mit Responses reagiert. Obwohl dieser Vergleich als eine eher kritische Beurteilung von k\u00fcnstlicher Intelligenz aufgefasst werden kann, lenkt er unsere Sicht darauf, was die Erforschung von Intelligenz seit der Black-Box-Epoche sonst noch ans Licht gebracht hat.<\/p>\n\n\n\n

Gem\u00e4ss einer Definition in Wikipedia [5] beinhaltet nat\u00fcrliche Intelligenz die F\u00e4higkeit, nachzudenken, dabei Urteile zu f\u00e4llen und Entscheidungen zu treffen. Dies geschieht typischerweise im Kontext von Zielen, die wir uns setzen, Pl\u00e4nen, die wir schmieden, um diese zu erreichen und Mitteln, die wir einsetzen, um unseren Pl\u00e4nen nachzugehen. Unterwegs k\u00f6nnen wir Probleme aller Art l\u00f6sen, z. B. indem wir L\u00f6sungskonzepte erkennen, generalisieren und auf kreative Art und Weise anwenden. Oder indem wir uns einfach Hilfe holen. <\/p>\n\n\n\n

Konversationsagenten mit Theory of Mind<\/h4>\n\n\n\n

Auch wir k\u00f6nnen Muster erkennen und klassifizieren, wenn auch nicht so schnell und fehlerfrei wie dies Maschinen jetzt schon oder bald k\u00f6nnen. Aber wir k\u00f6nnen uns dabei selbst wahrnehmen [6], reflektieren und in Frage stellen. Und wir k\u00f6nnen uns f\u00fcr beliebige Wesen Theorien ausdenken, was diese Wesen k\u00f6nnen, wissen, wollen und was nicht (Theory of Mind) [7]. Mit solchen Theorien k\u00f6nnen wir deren Verhalten erkl\u00e4ren und voraussagen. Kann ein Konversationsagent, welcher \u00fcber solche F\u00e4higkeiten verf\u00fcgt, Nutzen stiften?<\/p>\n\n\n\n

Nehmen wir als Beispiel einen Agenten \u2013 \u00e4hnlich zu Apples Siri oder zum Google-Assistenten \u2013 welcher bei der dargebotenen Hand Anrufe von Menschen mit Suizidabsichten entgegennimmt. Das Ziel w\u00e4re es, den Anrufer bzw. die Anruferin im Gespr\u00e4ch von diesem Vorhaben abzubringen. Den Dialog k\u00f6nnen wir uns \u00e4hnlich zu einem gesprochenen Chatverlauf in WhatsApp vorstellen: ein Pingpong von eingehenden Nachrichten und daraus resultierenden Antworten. Das Vorgehen des Agenten besteht somit darin, auf jede eingehende Nachricht eine Antwort zu geben. Dies kann z. B. mithilfe von Recurrent Neural Networks (RNN) [8] umgesetzt werden [9]. In Anlehnung an eine von Menschen gef\u00fchrte Konversation, stellt sich nun die Frage, inwiefern ein RNN die in den eigehenden Nachrichten reflektierte Stimmung der anrufenden Person wahrnimmt und beim Erzeugen von Antworten miteinbezieht.<\/p>\n\n\n\n

Im Rahmen eines Studierendenprojekts wurde ein Konversationsagent geschaffen, der die Aspekte Inhalt und Stimmung separat wahrnimmt und miteinbezieht. Mittels Sentimentanalyse [10] wird eine Stimmung aus der eingehenden Nachricht herausgelesen. Das Ziel der Konversation ist die positive Ver\u00e4nderung der erkannten Stimmung. Um die Ver\u00e4nderung berechnen zu k\u00f6nnen, wird die Sequenz der pro Nachricht erfassten Stimmung intern abgebildet. Diese Abbildung kann als eine einfache Form der Idee von Theory of Mind betrachtet werden.<\/p>\n\n\n\n

Konversationsagenten mit Antrieb<\/h4>\n\n\n\n

Der Agent wurde ausserdem um einen eigenen emotionalen Zustand erweitert. Sein Zustand wird \u00fcber die gew\u00fcnschte Ver\u00e4nderung der Stimmung beim Gegen\u00fcber gesteuert. Wenn sich die Stimmung \u00fcber einen Zeitraum nicht \u00e4ndert, wird der Agent ungeduldig und \u00e4ndert \u2013 sozusagen aus einer Frustration heraus \u2013 seinen Konversationsstil. Dies wird solange wiederholt, bis ein Stil gefunden wird, bei dem sich die Stimmung beim Gegen\u00fcber \u00e4ndert. Die Ver\u00e4nderung der Stimmung f\u00fchrt wiederum dazu, dass der Agent sich beruhigt und deshalb beim gefundenen Stil bleibt. Solch eine emotionale Komponente verleiht dem Agenten eine einfache Form von Antrieb.<\/p>\n\n\n\n

Dieses Beispiel zeigt auf, wie mit einfachen Mitteln bisherige Formen k\u00fcnstlicher Intelligenz um zus\u00e4tzliche Intelligenzformen (Empathie, Emotionen) erweitert werden k\u00f6nnen. Wenn wir Technologien wollen, die uns mehr unterst\u00fctzen, dann werden wir uns fr\u00fcher oder sp\u00e4ter einem breiteren Spektrum an Intelligenzformen bedienen m\u00fcssen, als dies aktuell mit maschinellem Lernen gemacht wird. Wir widmen uns deshalb der Identifikation neuer Formen k\u00fcnstlicher Intelligenz und freuen uns, diese mit unseren Studierenden im Rahmen von realen Problemstellungen anzuwenden.<\/p>\n\n\n\n

Ein Beitrag von Prof. Dr. Alexandre de Spindler<\/a><\/p>\n\n\n\n

Referenzen<\/h4>\n\n\n\n