KI kurz erklärtKI kurz erklärt

Durch künstliche Intelligenz (KI) wird versucht die Welt in vielen Bereichen zu verbessern – sei es eine bessere Gesundheitsversorgung, effektivere Fertigung oder umweltfreundlichere Verkehrsmittel. Doch was genau soll künstliche Intelligenz sein?

Durch künstliche Intelligenz (KI) wird versucht die Welt in vielen Bereichen zu verbessern – sei es eine bessere Gesundheitsversorgung, effektivere Fertigung, umweltfreundlichere Verkehrsmittel oder anderes.[1] Doch was genau soll künstliche Intelligenz sein? Diese Frage versucht der nachfolgende Beitrag überblicksweise zu beantworten.

Was unter KI verstanden wird

Dartmouth-Konferenz

Für eine Erklärung des Phänomens KI muss zunächst einmal in die Vergangenheit geblickt werden. Erstmals wurde der Begriff der künstlichen Intelligenz auf der Dartmouth Konferenz von 1956 geprägt (vgl.[2]), infolge derer die „künstliche Intelligenz“ ein akademisches Fachgebiet in der Informatik wurde.[3] Eine feste Definition des Begriffes „künstliche Intelligenz“ existierte allerdings nicht. Jedoch werden diesem Teilbereich der Informatik regelmäßig verschiedene Techniken zugerechnet.

Informatik

In der Informatik ist der Begriff der KI nicht eindeutig definiert. Regelmäßig wird sie jedoch verstanden als Einheit von Hard- und Softwarekomponenten, welche – inspiriert von biologischen Vorbildern – zum Zweck der autonomen, effizienten und kreativen Problemlösung konzipiert, konstruiert und eingesetzt wird.[4]

Im Rahmen eines solchen KI-Begriffs wird zudem zwischen „starker“ und „schwacher“ KI differenziert.[5] „Starke KI“ soll dabei menschliche Intelligenz nachbilden, kann ein Bewusstsein entwickeln und findet oftmals Darstellung in Kunstwerken, die von Science-Fiction inspiriert sind. Bisher gibt es eine solche „starke KI“ jedoch nicht. Ob sie überhaupt erreichbar ist, ist umstritten.

Maschinelles Lernen

Im Rahmen der Verwendung von künstlicher Intelligenz finden verschiedenste Techniken Anwendung. Die prominenteste unter diesen ist das so genannte „maschinelle Lernen“ (machine learning, ML) durch neuronale Netze (neural networks, NNs). Viele KI-Programme stammen aus dem Feld des „machine learning“. Sie sind also Programme, die ein bestimmtes „Verhalten“ erlernen. Dabei unterscheiden sie sich darin, nach welchen Verfahren das Programm lernt.[6] So gibt es Programme

  • des „überwachten Lernens“ (supervised learning),
  • des „unüberwachten Lernens“ (unsupervised learning) und
  • des „bestärkenden Lernens“ (reinforcement learning).[7]

Überwachtes Lernen

Im überwachten Lernen wird für jeden Trainingsdatensatz ein Ergebnis vorgegeben. Darauf wird das Programm mit einem Datensatz von bereits bekannten Beispieldaten trainiert. Es sollen durch die KI generelle Regeln gefunden werden, die eine Beziehung zwischen den Trainingsdaten und dem Ergebnis herstellen. Aus diesen wiederum lassen sich entsprechende Voraussagen über künftige mögliche Ein- und Ausgaben treffen.[6]

Unüberwachtes Lernen

Beim unüberwachten Lernen sind die Eingabedaten im Gegensatz zum überwachten Lernen nicht zuvor klassifiziert und „bekannt“. Das System soll selbstständig Zusammenhänge und Kategorien aus dem Trainingsdatensatz erkennen.[6] [7]

Bestärkendes Lernen

Im Rahmen des bestärkenden Lernens wird dem lernenden Programm direktes Feedback, positiv wie negativ, gegeben. Wenn das Programm auf diese Weise negatives Feedback vermeidet und versucht positives zu maximieren, lernt es, aus einem nicht bereits sortierten, klassifiziertem Datensatz sein gesetztes Ziel selbstständig zu erreichen.[6] [7]

Neuronale Netze

Die Systeme maschinellen Lernens, die momentan die meiste Aufmerksamkeit finden, sind die so genannten neuronalen Netze bzw. Netzwerke. Diese versuchen den Synapsen-Aufbau des menschlichen Gehirns nachzubilden, indem viele einzelne „Neuronen“ miteinander verbunden werden und so gleich einem Netz verschiedene Schichten bilden.[8]

Diese bilden freilich nicht die exakte Struktur eines Gehirns nach, sondern verstehen sich als abstrakte Modelle, von der Funktionsweise des Gehirns lediglich inspiriert. Daher ist auch oft von neuroinspirierten-Verfahren zu lesen, wenn es um diese Art der KI geht.

Die erste Schicht solcher Knotenpunkte ist der sichtbare „input layer“, also die Eingabeschicht, die die – für Menschen nachvollziehbare – Eingabe von Rohdaten zunächst verarbeitet.[8] Darauf werden die Informationen in weiteren, versteckten Schichten, den „hidden layers“, weiterverarbeitet. Diese Verarbeitung folgt dabei einem hierarchischen Aufbau, so dass die jeweils von der Vorgängerschicht weitergereichten Informationen verarbeitet werden. Dabei „lernt“ das System, indem es die einzelnen Merkmale der verarbeiteten Informationen abstrahiert, zu neuen Informationen vereint und daraus wiederum neue Informationen ableitet. Durch Gewichtungen im Rahmen dieser Weiterverarbeitung werden die Konzepte für die Erklärung der Beziehungen in den Eingangsdaten erstellt und diese Ergebnisse in der Ausgabeschicht („output layer“) ausgegeben.[8]

... || ©Mittelstand-Digital Zentrum Chemnitz

Aufbau eines künstlichen neuronalen Netzes

Definition von KI nach dem AI-Act

Durch die schnell zunehmende Verbreitung von KI gestützten Programmen kommen diese in rechtliche und regulatorische Blickwinkel. So stellt sich zunächst die Frage, was KI unter rechtlichen Gesichtspunkten ist und wie diese zu behandeln ist. Dabei soll der sog. AI-Act einen eigenständigen regulatorischen Rahmen für KI-Anwendungen schaffen.

Jedoch bringt der im April 2021 erschienene Vorschlag für eine Verordnung zur Regulierung von KI (AI-Act) seitens der europäischen Kommission keine Klarheit, was genau KI ist. Er spricht von KI als „eine Reihe von Technologien, die sich rasant entwickeln und einen vielfältigen Nutzen für Wirtschaft und Gesellschaft über das gesamte Spektrum industrieller und gesellschaftlicher Aktivitäten hinweg hervorbringen können“.[9]

Spezifiziert werden diese noch einmal in Art. 3 Nr. 1 des Vorschlages zu Verordnung. In diesem heißt es, dass unter KI „eine Software, die mit einer oder mehreren der in Anhang I aufgeführten Techniken und Konzepte entwickelt worden ist und im Hinblick auf eine Reihe von Zielen, die vom Menschen festgelegt werden, Ergebnisse wie Inhalte, Vorhersagen, Empfehlungen oder Entscheidungen hervorbringen kann, die das Umfeld beeinflussen, mit dem sie interagieren“. Dabei umfassen die in Anhang I festgelegten „Techniken und Konzepte der künstlichen Intelligenz“ verschiedene Konzepte der Informatik.

Konkret aufgelistet sind:

  • „Konzepte des maschinellen Lernens, mit beaufsichtigtem, unbeaufsichtigtem und bestärkendem Lernen unter Verwendung einer breiten Palette von Methoden, einschließlich des tiefen Lernens (Deep Learning)“
  • „Logik- und wissensgestützte Konzepte, einschließlich Wissensrepräsentation, induktiver (logischer) Programmierung, Wissensgrundlagen, Inferenz- und Deduktionsmaschinen, (symbolischer) Schlussfolgerungs- und Expertensysteme
  • „Statistische Ansätze, Bayessche Schätz-, Such- und Optimierungsmethoden“

Der Ansatz der Kommission setzt also lediglich darauf, bestimmte Techniken der Informatik im erwähnten Anhang I des Vorschlages zum AI-Act aufzulisten und diese als Techniken künstlicher Intelligenz festzusetzen.

Fazit

Entsprechend dem Vorstehenden gibt es derzeit keine allgemeingültige KI-Definition, sondern verschiedene, ineinandergreifende Definitionsansätze. Diese entfalten jedoch keine juristisch bindende Wirkung.

Mit der anstehenden Verabschiedung des AI-Acts lässt sich künftig zur Definition darauf zurückgreifen. Jedoch listet dieser nur eine Handvoll verschiedener Techniken auf und gibt keine Erklärung im weiteren Sinne. Daher wird man auch auf längere Sicht vor allem von Machine-Learning-Modellen ausgehen, wenn von KI die Rede ist, und die eingesetzte Technik konkreter spezifizieren müssen, sollte ein juristisch belastbarer Sprachgebrauch den Umständen nach notwendig werden.

 

  1. „Künstliche Intelligenz – Exzellenz und Vertrauen | EU-Kommission“. Verfügbar unter: https://ec.europa.eu/info/strategy/priorities-2019-2024/europe-fit-digital-age/excellence-trust-artificial-intelligence_de (zugegriffen am 11. August 2022).
  2. J. McCarthy, M. L. Minsky, N. Rochester, I. B. M. Corporation, und C. E. Shannon, „A proposal for the Dartmouth Summer Research Project on artificial intelligence“, S. 13.
  3. Baum, „Teil 9.1 Technische Grundlagen“, in Münchener Anwaltshandbuch IT-Recht, 4. Aufl., Leupold, Wiebe, und Glossner, Hrsg. 2021.
  4. C. Djeffal, „Künstliche Intelligenz“, in Handbuch Digitalisierung in Staat und Verwaltung, T. Klenk, F. Nullmeier, und G. Wewer, Hrsg. Wiesbaden: Springer Fachmedien Wiesbaden, 2019, S. 1-12. doi: 10.1007/978-3-658-23669-4_3-1.
  5. D. Gesmann-Nuissl, „Künstliche Intelligenz – den ersten Schritt vor dem zweiten tun!“, InTeR, S. 105–106, 2018.
  6. V. Wittpahl, Hrsg., Künstliche Intelligenz: Technologie | Anwendung | Gesellschaft. Berlin, Heidelberg: Springer Berlin Heidelberg, 2019. doi: 10.1007/978-3-662-58042-4.
  7. M. Kaulartz und T. Braegelmann, Hrsg., Rechtshandbuch Artificial Intelligence und Machine Learning. München: C.H. Beck; Vahlen, 2020.
  8. T. Söbbing, „Künstliche neuronale Netze“, MMR, Nr. 2, S. 111-116, 2021.
  9. Vorschlag für eine Verordnung des Europäischen Parlaments und des Rates zur Festlegung harmonisierter Vorschriften für künstliche Intelligenz (Gesetz über künstliche Intelligenz) und zur Änderung bestimmter Rechtsakte der Union. Verfügbar unter: https://eur-lex.europa.eu/legal-content/EN/TXT/HTML/?uri=CELEX:52021PC0206&from=EN (zugegriffen am 9. August 2022).