Künstliche Intelligenz: Geht’s noch voran?

Die Künstliche Intelligenz hat uns in den vergangenen Jahren mit immer neuen Leistungsbeweisen überrascht, was Hoffnungen ebenso wie Befürchtungen weckte. Aber geht die Entwicklung künftig im gleichen Tempo weiter, oder geraten wir in eine Phase, in der immer geringere Fortschritte immer höhere Kosten verursachen? Das Ende des US-Startups Starsky Robotics wirft Fragen auf.

Scheiternde Unternehmer finden natürlich immer Gründe für ihr Scheitern, die nichts mit eigenen Fehlern zu tun haben, aber was Starsky-CEO Stefan Seltz-Axmacher über das Ende seines lange Zeit erfolgreichen Startups in seinem Blog schrieb, sollte man durchaus ernst nehmen.

Starsky Robotics arbeitete seit 2015 an der Entwicklung fahrerloser LKWs und schien darin große Fortschritte zu machen; im vergangenen Jahr waren sie die ersten, die einen autonomen Truck über einen normalen Highway navigieren ließen. Das Startup verfolgte den Ansatz, die tief hängenden Früchte zu ernten: Ihre Trucks sollten nur auf ausgewählten Highways autonom fahren und am Anfang und Ende einer Tour von Teleoperatoren in einer Zentrale ferngesteuert werden. Auf komplexe Aufgaben wie Spurwechsel verzichtete man bewusst. Diese Herausforderung schien bewältigbar und das Produkt hätte einen Nutzen gebracht – KI-gesteuerte Trucks bleiben beispielsweise nicht in Las Vegas hängen, weil sich der Fahrer ein bisschen amüsieren will.

Vor Jahren rechneten viele noch damit, dass sich selbst steuernde Autos bald ein alltäglicher Anblick auf den Straßen sein würden. Wie Stefan Seltz-Axmacher schreibt, glaubten 2015, als er Starsky Robotics gründete, viele, dass ihre Kinder keinen Führerschein mehr brauchen würden. Inzwischen werden die Zukunftsprognosen vorsichtiger formuliert und laut Seltz-Axmacher sind sich die Experten weitgehend einig, dass wir noch mindestens 10 Jahre von der allgemeinen Einführung autonomer Fahrzeuge entfernt sind. Kaum ein Startup schafft es aber, seine Finanzierung über 10 Jahre zu sichern, ohne wirklich liefern zu können, und das würde bedeuten, dass solche Projekte eher die Domäne staatlich finanzierter Forschung wären, bevor Unternehmen die Technologie zur Serienreife bringen könnten.

Das größte Problem sieht der Starsky-CEO darin, dass die Methode des maschinellen Lernens dem Hype nicht gerecht würde: „Es ist nicht Künstliche Intelligenz im Sinne von C3PO, sondern bloß ein ausgefeiltes Mustererkennungs-Tool.“ Erste Erfolge von Systemen, die auf neuronale Netzwerke und Deep Learning setzten, weckten die Hoffnung, diese würden sich in einer exponentiellen Kurve fortsetzen, ähnlich wie die Leistung von Computern gemäß Moore’s Law exponentiell steigt. Tatsächlich scheint sich die Kurve jedoch abzuflachen. Das bedeutet, dass man einen immer größeren Aufwand treiben muss, um zunehmend kleinere Verbesserungen zu erreichen. Wer 99 Prozent des Weges zurückgelegt hat, ist keineswegs bald am Ziel, denn das letzte Wegstück ist das schwerste.

Investoren ist so etwas kaum zu vermitteln. Wenn man gezeigt hat, dass man etwas im Prinzip kann, dürfte ein vermarktbares Produkt doch nicht mehr weit entfernt sein, denken sie – tatsächlich liegen die wirklich komplexen Probleme aber noch vor den Entwicklern. Manche Unternehmen wählen dann den Ausweg, statt an der Perfektionierung des Systems zu arbeiten, neue Features anzukündigen – das ist sexy, selbst wenn man lediglich einen proof of concept vorweisen kann, aber man bürdet sich damit nur neue Anforderungen auf, die sich erst recht nicht bewältigen lassen.

Solche Fehleinschätzungen begleiten die KI-Forschung seit ihren Anfängen in den 50er und 60er Jahren des vergangenen Jahrhunderts. Damals suchte man noch nach einem allgemeinen Grundprinzip der Intelligenz, das sich in einem Algorithmus fassen ließe. Würde es erst einmal gelingen, beispielsweise ein Schachprogramm zu entwickeln, das auf hohem Niveau mitspielen könnte, hätte man die Grundlage menschlicher Intelligenz entschlüsselt und die Künstliche Intelligenz ließe sich ebenso auf alle anderen Aufgaben anwenden. Tatsächlich besiegen Schachcomputer längst menschliche Weltmeister und selbst der Go-Weltmeister ist inzwischen entthront, aber dem Geheimnis unserer Intelligenz sind wir kaum näher gekommen. Immer wenn ein die KI-Forschung prägender Ansatz ins Stocken geriet, entwickelte man einen anderen, aber auch der brachte nur Anfangserfolge und stellte sich dann ebenfalls schwieriger als gedacht heraus.

Immerhin sind wir bei KI-Anwendungen in der Bildbearbeitung in einer anderen Situation als beim autonomen Fahren. Während ein Unfall alle paar 1000 Kilometer nicht akzeptabel wäre, könnten wir gut damit leben, wenn ein künstlich intelligentes Freistellungsverfahren oder eine Motiverkennung einmal in die Irre ginge. Wir müssten dann bloß etwas mehr selbst nacharbeiten. In allen Bereichen der KI-Anwendungen gilt jedoch, dass die bekannten Lösungen nur für eng umschriebene Aufgaben taugen; eine allgemeine Intelligenz, die auch bei neuen, noch unbekannten Aufgaben helfen könnte, ist weiterhin nicht in Sicht.