Featured Grundlagen

Schwache KI, Starke KI & Superintelligenz

Cyborg Frau
© pexels.com/imustbedead

„Schwache KI“ (auch „Weak AI“ oder „Narrow AI“) ist auf ein Gebiet spezialisiert, während „Starke KI“ über die gleichen intellektuellen Fähigkeiten verfügt wie ein Mensch. So werden beispielsweise Sprachassistenten der schwachen KI zugeordnet, da sie weder Kreativität besitzen, noch im Stande sind, selbstständig spezifische Fertigkeiten zu erlernen (Wissenschaften, H. W.-. H. F. A., o. D.).

Die Stärke von schwacher KI liegt in der Bewältigung klar definierter Aufgaben und dem Lösen wiederkehrender, spezifischer Probleme. Dabei bedient sich die schwache KI verschiedener Methoden zur Lösungsfindung innerhalb eines regelbasierten Systems. Die Lernfähigkeiten Schwacher KI beschränken sich „auf das Trainieren von Erkennungsmustern (Machine Learning) oder das Abgleichen und Durchsuchen großer Datenmengen.“ (Wissenschaften, H. W.-. H. F. A., o. D.).

Im Alltag wird Schwache KI vor allem im Bereich der Spracherkennung und -verarbeitung, sowie beim Controlling und der Automatisierung von Prozessen verwendet.

Beispiele für schwache KI (Wissenschaften, H. W.-. H. F. A., o. D.):

  • digitale Assistenzsysteme (z.B. Siri, Alexa, Google Assistant, Cortana, Bixby, WolframAlpha)
  • Navigationssysteme
  • Text-/Bild-/Spracherkennung
  • Übersetzung von Texten
  • Automatisiertes Klassifizieren von E-Mails als Spam
  • HR Recruiting

„Starke KI“ (auch „Strong AI“, „Full AI“, „General AI“ oder „AGI – Artificial General AI“) bezeichnet Systeme, die eigenständig und intuitiv ein komplexes Aufgabenspektrum ausführen können, das menschliche und, im weiteren Sinne, emotionale Intelligenz erfordert. Dies schließt kommunikative wie empathische Fähigkeiten, Sinneswahrnehmungen, sowie das Deuten von Emotionen mit ein. Noch gibt es keine „Starke KI“. Im akademischen Forschungsfeld KI wird jedoch seit langem versucht, dieses Ziel zu erreichen. Aktuell basieren diese Versuche mehrheitlich auf Machine Learning-Methoden, die die vielversprechendsten Versuche darstellen (da Cruz, 2021).

Starke KI existiert jedoch gegenwärtig nicht.

(Künstliche) Superintelligenz ist die Überlegenheit von Computern oder Maschinen gegenüber Menschen in sehr vielen kognitiven Bereichen. Bostrom (2016) unterscheidet zwischen drei Sub-Formen: die schnelle, die kollektive und die qualitative Superintelligenz: eine schnelle Superintelligenz agiert wie ein Mensch, nur um ein Vielfaches schneller. Die kollektive Superintelligenz beschreibt ein System, dessen Gesamtleistung durch das Zusammenwirken einer Vielzahl begrenzter Intellekte allen anderen kognitiven Systemen in vielen Bereichen weit überlegen ist. Schließlich übertrifft die qualitative Superintelligenz den Menschen, da sie wenigstens gleich schnell denkt und qualitativ bedeutend klüger ist als dieser (Bostrom, 2016).

4 Arten der Künstlichen Intelligenz

Neben der Einteilung in starke und schwache KI wird künstliche Intelligenz in vier weitere Typen unterteilt (Johnson, 2020):

  • Typ 1 – Reaktive Maschinen (Reactive Machines)
  • Typ 2 – Begrenzte Speicherkapazität (Limited Memory)
  • Typ 3 – Theorie des Geistes (Theory of Mind)
  • Typ 4 – Selbstwahrnehmung (Self Awareness)

Abb. 1.1: 4 Arten von Künstlicher Intelligenz

4 Arten von Künstlicher Intelligenz
Quelle: in Anlehnung an Johnson, 2020

KI-Typ 1 – Reaktive Maschinen (Reactive Machines)

Reaktive Maschinen sind der Ur-Typ der künstlichen Intelligenz und stellen die einfachste Variante der KI dar. Reactive Machines sind limitiert in ihren Fähigkeiten können eine einzige Aufgabe ausführen, für die sie programmiert wurden. Dieser Maschinen-Typ reagiert auf einfachen Input mit einfachem Output. Eine reaktive Maschine verfügt nicht über gedächtnisbasierte Fertigkeiten wie Erinnern oder Lernen und handelt nicht datengestützt, um gegenwärtige Entscheidungen zu treffen. Deshalb kann sie ihre Leistung nicht verbessern. Reactive Machines interagieren nicht mit der Umwelt und reagieren auf identische Situationen jedes Mal gleich (Technische Hochschule Würzburg-Schweinfurt, 2021).

Ein bekanntes Beispiel für eine reaktive KI-Maschine ist DeepBlue von IBM. DeepBlue schlug 1997 den Schachweltmeister Garri Kasparow. Die Maschine wog sämtliche Spielzüge ab, die ihr letztlich zum Sieg verhalfen, in jedweden anderen Lebensbereichen war sie jedoch nicht von Nutzen (Stadler, 2021).

Typ 2 – Begrenzte Speicherkapazität (Limited Memory)

Im Gegensatz zu reaktiver KI besitzen KI-Modelle mit begrenztem Speicher die Fähigkeit zu lernen. Frühere Daten und/oder Vorhersagen werden abgespeichert und dazu benutzt, bessere Vorhersagen zu treffen. Für die Erstellung jedes ML-Modells wird ein begrenzter Speicher benötigt. Ein solches Modell kann jedoch auch als reaktive Maschinen-Variante eingesetzt werden (Johnson, 2020).

Die 3 Haupttypen von Machine Learning-Modellen des Limited Memory-Typs:

1. Verstärkendes Lernen (Reinforcement Learning)

Modelle dieser Art durchlaufen mehrere Trial-and-Error-Zyklen um bessere Vorhersagen treffen zu können. Beispiele sind Computer, denen beigebracht wird Spiele wie Schach, AlphaGo von Google, Shogi und DOTA2 aber auch Jump-and-Run Videospiele zu spielen (Johnson, 2020; Reinforcement Learning: Wie man einer KI das Spielen beibringt., 2019).

KI kann auf Basis vordefinierter Regeln richtiges Verhalten erlernen. Als verstärkende Mechanismen hinter Lernerfahrungen wirken Bestrafung und Belohnung. Erhält die KI bei der Ausübung einer falschen Aktion oft genug Strafen, so lernt sie, ihr Verhalten zu korrigieren. Dabei ist von Bedeutung wie Belohnungen oder Bestrafungen für das Setzen bestimmter Handlungen definiert sind (Schmoll, 2019).

2. Langes Kurzzeitgedächtnis (Long Short Term Memory – LSTM)

LSTM-Netzwerke sind wiederkehrende neuronale Netze, die Vorhersagen über Reihenfolgen/Sequenzen von Sprache erlernen und Abhängigkeiten erkennen können (Brownlee, 2021). Die Wertigkeit aktueller Informationen wird dabei höher gewichtet, als vorab Gelerntes (Johnson, 2020). Diese Fähigkeiten sind z.B. bei maschinellen Übersetzungen von Sprache und Spracherkennung erforderlich. LSTM ist ein Teil-Bereich von Deep Learning (Brownlee, 2021).

3. Generatives Adversarisches Netzwerk (GAN)

Bei einem GAN handelt es sich um ein ML-Modell, bei dem zwei neuronale Netze in Konkurrenz zu einander stehen und jeweils versuchen, die bessere Vorhersage zu erzeugen. GANs agieren unüberwacht und bestehen aus den beiden Netzen „Generator“ und „Diskriminator“. Die Absicht des Generators ist es, einen künstlichen Output zu erstellen, der nahe an reale Darstellungen heranreicht, während der Diskriminator versucht zu erkennen, welche dieser künstlich kreiert wurden. Trainingsdaten werden von GANs selbst erzeugt. Im Wechselspiel zwischen Generator und Diskriminator produzieren beide Einheiten in Rückkopplungsschleifen jeweils hochwertigere Outputs bzw. verbesserte Fähigkeiten, Ausgabeinformationen als künstlich zu deklarieren.

Für die beiden vorgenannten KI-Typen gibt es gegenwärtig eine Vielzahl an Anwendungsmöglichkeiten, während die nachfolgend erwähnten nach aktuellem Wissensstand nur als theroretische Konzepte existieren oder erforscht werden und sich womöglich in den Anfängen ihrer Entwicklung befinden.

Typ 3 – Theorie des Geistes (Theory of Mind)

Anders als Reactive Machines und LSTM werden KI-Formen der Theory of mind der starken KI zugeordnet und werden in der Lage sein, die Umwelt besser zu verstehen, mit der sie interagieren. Eine Maschine des KI-Typ 3 wird zwischenmenschliche Interaktionen, Denkprozesse, Emotionen und Bedürfnisse in all ihrer Komplexität erfassen können. Damit dies möglich ist, muss die Maschine den Menschen in seiner Gesamtheit als einzigartiges Individuum wahrnehmen und ihr Verhalten an das des Menschen anpassen können (Joshi, 2022).

Typ 4 – Selbstwahrnehmung (Self Awareness)

In ferner Zukunft schließlich erlangt KI vielleicht ein eigenes Bewußtsein.

„A self-aware intelligence beyond the human has an independent intelligence, and likely, people will have to negotiate terms with the entity it created.“

(Johnson, 2020)

„Self Awareness KI wird zudem den entscheidenden Schritt von ,Ich denke‘ zu ,Ich weiß, dass ich denke‘ gehen und dadurch an die menschliche Intelligenz heranreichen – Vielleicht wird sie sie sogar übersteigen.“

(Stadler, 2021)


Quellen:

Bostrom, N. (2016). Superintelligenz: Szenarien einer kommenden Revolution (4. Aufl.). Suhrkamp Verlag AG.

Brownlee, J. (2021, Juli 6). A Gentle Introduction to Long Short-Term Memory Networks by the Experts. Machine Learning Mastery. Abgerufen am 10. Juli 2022, von https://machinelearningmastery.com/gentle-introduction-long-short-term-memory-networks-experts/

da Cruz, F. B. (2021, 22. September). Was ist Künstliche Intelligenz (KI)? Alexander Thamm GmbH. Abgerufen am 8. Juli 2022, von https://www.alexanderthamm.com/de/data-science-glossar/kunstliche-intelligenz/

Johnson, J. (2020, Juni 8). 4 Types of Artificial Intelligence. BMC Blogs. Abgerufen am 10. Juli 2022, von https://www.bmc.com/blogs/artificial-intelligence-types/

Joshi, N. (2022, 14. April). 7 Types Of Artificial Intelligence. Forbes. Abgerufen am 10. Juli 2022, von https://www.forbes.com/sites/cognitiveworld/2019/06/19/7-types-of-artificial-intelligence/?sh=4fa5dbf3233e

Lewis, S. (2020, Juni 14). Generative Adversarial Network (GAN). ComputerWeekly.de. Abgerufen am 10. Juli 2022, von https://www.computerweekly.com/de/definition/Generative-Adversarial-Network-GAN

Schmoll, F. (2019, 14. März). Reinforcement Learning: Wie man einer KI das Spielen beibringt. eoda GmbH. Abgerufen am 10. Juli 2022, von https://www.eoda.de/wissen/blog/reinforcement-learning-wie-man-einer-ki-das-spielen-beibringt/

Stadler, M. L. (2021, Juli 16). Künstliche Intelligenz. mindsquare. Abgerufen am 10. Juli 2022, von https://mindsquare.de/knowhow/kuenstliche-intelligenz/#vier-ki-typen

Technische Hochschule Würzburg-Schweinfurt. (2021, 27. Dezember). What are reactive machines in AI? What are some of the examples? hypersense.subex.com. Abgerufen am 10. Juli 2022, von https://hypersense.subex.com/aiglossary/reactive-machines/

Wissenschaften, H. W.-. H. F. A. (o. D.). Schwache vs. Starke KI. ki.thws.de. Abgerufen am 27. Juni 2022, von https://ki.fhws.de/thematik/starke-vs-schwache-ki-eine-definition/


Schwache KI, Starke KI & Superintelligenz in aller Kürze:

Was ist schwache KI?

„Schwache KI“ bezieht sich auf KI-Systeme, die auf eine spezifische Aufgabe spezialisiert sind und nicht über die gleichen intellektuellen Fähigkeiten verfügen wie der menschliche Geist. Sie können klar definierte Aufgaben lösen und sich auf Machine-Learning-Methoden beschränken.

Wie unterscheidet sich starke KI von schwacher KI?

Im Gegensatz zur schwachen KI besitzt die „Starke KI“ die Fähigkeit, eigenständig komplexe Aufgaben auszuführen, die menschliche und emotionale Intelligenz erfordern. Dazu gehören kommunikative, empathische Fähigkeiten, Sinneswahrnehmungen sowie das Deuten von Emotionen. Bisher gibt es noch keine „Starke KI“.

In welchen Bereichen wird schwache KI im Alltag verwendet?

Schwache KI wird im Alltag vor allem bei der Spracherkennung und -verarbeitung sowie beim Controlling und der Automatisierung von Prozessen eingesetzt. Beispiele hierfür sind digitale Assistenzsysteme wie Siri, Alexa, Google Assistant und Navigationssysteme.

Was ist künstliche Superintelligenz?

Künstliche Superintelligenz bezieht sich auf die Überlegenheit von Computern oder Maschinen gegenüber Menschen in sehr vielen kognitiven Bereichen. Es gibt drei Sub-Formen: schnelle, kollektive und qualitative Superintelligenz. Die qualitative Superintelligenz ist der Menschheit intellektuell und in der Denkgeschwindigkeit mindestens ebenbürtig und in vielen Bereichen weit überlegen.

Gibt es bereits eine „Starke KI“?

Nein, es gibt derzeit keine „Starke KI“. Im akademischen Forschungsfeld wird jedoch seit langem versucht, dieses Ziel zu erreichen. Aktuell basieren diese Versuche mehrheitlich auf Machine-Learning-Methoden, die die vielversprechendsten Ansätze darstellen.

Was sind die vier Arten der künstlichen Intelligenz?

Die künstliche Intelligenz wird in vier Typen unterteilt: reaktive Maschinen, begrenzte Speicherkapazität, Theorie des Geistes und Selbstwahrnehmung.

Was sind reaktive Maschinen in der künstlichen Intelligenz?

Reaktive Maschinen sind der Ur-Typ der künstlichen Intelligenz und stellen die einfachste Variante der KI dar. Diese Maschinen sind auf eine einzige Aufgabe programmiert und reagieren auf Input mit einem einfachen Output.

Welche Fähigkeiten besitzen KI-Modelle mit begrenztem Speicher?

Im Gegensatz zu reaktiven Maschinen besitzen KI-Modelle mit begrenztem Speicher die Fähigkeit zu lernen. Frühere Daten und Vorhersagen werden abgespeichert und zur Verbesserung zukünftiger Vorhersagen verwendet.

Welche KI-Form wird der Theorie des Geistes zugeordnet?

KI-Formen der Theory of Mind werden der starken KI zugeordnet. Diese Maschinen können die Umwelt besser verstehen und zwischenmenschliche Interaktionen, Denkprozesse, Emotionen und Bedürfnisse in all ihrer Komplexität erfassen.

Was ist die Selbstwahrnehmung in der künstlichen Intelligenz?

Die Selbstwahrnehmung ist eine theoretische Möglichkeit, dass KI eines Tages ein eigenes Bewusstsein erlangen könnte und somit die menschliche Intelligenz möglicherweise sogar übertreffen könnte. Dies ist jedoch derzeit noch weit entfernt von der aktuellen Fähigkeit von KI.

Similar Posts