Wissenschaft wird spannend – auch KI sei Dank?

Der Traum von einer wissenschaftlichen Revolution

In diesem Beitrag mache ich mir Gedanken über Künstliche Intelligenz (KI) und die Kommunikation ihrer Errungenschaften. (Deswegen habe ich hier viele KI-Blogs verlinkt. Es gibt jedoch Tausende davon.) Warum begeistern Künstliche Intelligenz und ihr Bereich Deep Learning ein breites Publikum? Hat künstliche Intelligenz auch zu einer zunehmenden Begeisterung für Naturwissenschaften beigetragen? Und wenn ja, warum? Ich glaube, eine wichtige Antwort auf diese Frage ist: Offene Wissenschaft (Open Science).

In der Grundschule in der sozialistische Tschechoslowakei wurde uns Kindern täglich Lenins Spruch, “lernen, lernen, lernen”, eingebläut. Dieser Lernzwang konnte nur eine Folge haben: Wir hassten das Lernen wie Lebertran. Lenin genauso. Lenin ist immer noch nicht mein Vorbild geworden, doch das Lernen wurde dann doch schnell eines meiner schönsten Hobbys. Leider hat es in der Stadtbücherei meiner mährischen Heimatkleinstadt nahezu keine Sachbücher gegeben bis auf die marxistisch-leninistischen. So lernte ich die Naturwissenschaften aus Romanen – aus Science Fiction.

Während meines Studiums an der TU München las ich viele Sachbücher über die Quantenmechanik und Biographien der berühmten Quantenphysiker. Wie schön wäre es, dachte ich dabei oft, eine solche naturwissenschaftliche Revolution zu erleben: Wie damals die quantenmechanische in den 1920ern und 1930ern. Recht oft wehren sich Träume gegen ihre Erfüllung, doch mein Traum wurde erfüllt:

Seit ein paar Jahren stecken wir mittendrin einer solchen wissenschaftlichen Revolution: Der Revolution in Künstlicher Intelligenz (KI), vor allem in ihrem Bereich Deep Learning. Nur verdienen heute KI-Experten viel mehr Geld als die Quantenphysiker in der ersten Hälfte des 20. Jahrhunderts.

Jeden Tag bekomme ich Unmengen von KI-Newslettern aus der ganzen Welt (Abbildung 1) – es ist ein intellektueller Rausch ohne gleichen. Was aber noch schöner ist: Im Unterschied zu Zeiten des Aufbruchs der Quantenmechanik in den 19020ern kann an dieser wissenschaftlichen Revolution jeder und jede teilnehmen. Dank Internet haben wir alle Zugang zu grenzenloser Information über das Gebiet. Diese Popularisierung der Künstlichen Intelligenz macht uns auch auf andere Naturwissenschaften und Technologien neugieriger. Das will ich in diesem Beitrag zeigen.

Abbildung 1: Mein Outlook mit einigen KI-Newslettern.

Begriffsklärung: Künstliche Intelligenz, Machine Learning, Deep Learning

Zuerst erkläre ich jedoch, wie Künstliche Intelligenz, Machine Learning und Deep Learning zusammenhängen. Was genau bedeuten diese Begriffe? Das muss sein: Künstliche Intelligenz wird immer noch mit Terminator verwechselt. Zum Glück haben die meisten von uns keine Angst mehr von dieser wunderbaren Technologie. Seit der Informatikpionier John McCarthy 1955 den Begriff Künstliche Intelligenz erfunden hat, haben wir uns an sie und ihren Bezeichnung recht gut gewöhnt. Nach McCarthy ist “Künstliche Intelligenz die Wissenschaft und das Ingenieurwesen der Entwicklung von intelligenten Maschinen” („the science and engineering of making intelligent machines”).

Im Allgemeinen bezeichnet Künstliche Intelligenz alle Arten der maschinellen Nachahmung aller Aspekte des menschlichen Denkens und Verhaltens. Darüber hinaus kann Künstliche Intelligenz auch Informationsbeschaffung und -verarbeitung bedeuten. Wie der Wiener KI-Pionier Robert Trappl sagte: „Die Central Intelligence Agency heißt ja auch nicht so, weil die so gescheit sind“. Auf dem folgenden Bild seht ihr, wie Künstliche Intelligenz, Machine und Deep Learning zusammenhängen.

Abbildung 2: Erklärung der Begriffe.

Künstliche Intelligenz ist ein Oberbegriff für Programme bzw. Maschinen, die alle Aspekte des menschlichen Denkens und Verhaltens nachahmen können. Dabei unterscheidet man zwischen schwacher Künstlicher Intelligenz und starker bzw. allgemeiner Künstlicher Intelligenz:

Allgemeine Künstliche Intelligenz müsste der menschlichen zumindest ebenbürtig sein, auf ihre Umwelt sinnvoll reagieren und die Folge ihrer Taten abschätzen können. Außerdem müsste sie etwas dem gesunden Menschenverstand und dem Bewusstsein Ähnliches haben. (Wobei wir Menschen uns nicht darauf einigen können, was unser Bewusstsein ist.) Eine solche Künstliche Intelligenz gibt es bis jetzt nicht. Wir befinden uns im Zeitalter der schwachen Künstlichen Intelligenz: KI ist auch ein Programm, dem wir durch irgendeine Art von Training beigebracht haben, Gurken nach ihrer Qualität zu sortieren.

In der KI-Forschung gibt es zwei Hauptströmungen: Symbolische KI und neuronale KI. Die meisten Schlagzeilen macht heute neuronale KI – künstliche neuronale Netze (KNN). Wenn KNN mehr als eine verdeckte Schicht von Neuronen haben, heißen sie tief lernend. Ihr Bereich heißt dann Deep Learning. KNN sind gleichzeitig die Unterabteilung des Machine Learnings:

Zu Machine Learning gehören Programme, die an vielen Beispielen lernen, Aufgaben zu erfüllen, ohne dafür explizit programmiert zu sein. Das können auch Programme des klassischen Machine Learnings sein wie Entscheidungsbäume oder Support Vector Machines. Doch die neuronale KI (Deep Learning) spielt hier – wie gesagt – die meiste Musik: Wenn wir heute in den Medien etwas über Künstliche Intelligenz hören oder lesen, ist damit meist Deep Learning gemeint.

Künstliche Intelligenz und offene Wissenschaft (Open Science)

Wie soll aber Künstliche Intelligenz geholfen haben, ein breites Publikum für Naturwissenschaften zu begeistern? Indem KI seit 2012 immer offener dem breiten Publikum vorgestellt wurde.

Die Naturwissenschaften haben sich teils aus den Geheimwissenschaften wie Alchemie entwickelt – im Mittelalter gab es keine anderen. Ein Hauch der Geheimwissenshaft haftet aber immer noch vielen wissenschaftlichen Artikeln an: Man berichtet über die Ergebnisse seiner Studie nur einem Kreis der Eingeweihten: In einer kryptischen Sprache. Diese haben sich einige von uns durchs lange Studieren und Promovieren und durch die Lektüre von Tausenden unverständlicher wissenschaftlicher Artikel mühsam erarbeitet. Auch ich bin ein strahlendes Beispiel dafür. Unten seht Ihr einen meiner wissenschaftlichen Artikel 😊 (zum Glück aus den 1990ern):

Abbildung 2: Mein wissenschaftliches Kauderwelsch. Oder versteht jemand die Zusammenfassung (Abstract) des Artikels? 🙂

Das ändert sich zum Glück. Meiner Meinung nach auch dank Künstlicher Intelligenz (KI), jedoch nur in einem übertragenen Sinn: Und zwar durch die Begeisterung für diese altneue Wissenschaft und Technologie der Künstlichen Intelligenz. KI wurde in den letzten zehn Jahren nicht nur an den Universitäten, sondern auch von Online-Plattformen und Techfirmen entwickelt: Google, Facebook, Amazon, NVIDIA, Microsoft, IBM u. a. haben erkannt: Sie können uns nur etwas verkaufen, wenn sie uns dafür begeistern. Und wenn sie offen agieren: Open Science. (Direkt an den Plattformnamen sind ihre KI-Blogs verlinkt.)

Zwar verfassen Forscher der Plattformen und in den Akademien weiterhin kryptische wissenschaftliche Artikel für Eingeweihte, doch diese Artikel werden in wissenschaftlichen Online-Archiven wie arXiv allen zugänglich gemacht. Außerdem berichten Plattformen und Universitäten in eigenen Blogs offen und verständlich über die eigenen Errungenschaften in Deep Learning. Sie posten darüber Videos fürs breite Publikum – bei YouTube und anderen sozialen Netzwerken.

Jedes Institut, jede Universität, jede Plattform, die wahrgenommen werden will, pflegt mittlerweile einen allgemein verständlichen wissenschaftlichen Blog. Und nicht nur in der Datenwissenschaft – in allen Wissenschaften. MIT Technology Review ist hier vorbildlich.

Deep Learning Revolution

Englischsprachige Blogs über Künstliche Intelligenz und ihr real existierendes Gebiet Deep Learning begeistern Wissbegierige auf der ganzen Welt. Vor allem neuronale KI – Deep Learning – zieht seit dem Sieg des Deep-Learning-Modells AlexNet bei der ImageNet-Challenge in der Bilderkennung im Jahr 2012 Forscher an und motiviert immer neue KI-Blogs. (Bis 2017 wurde die ImageNet-Challenge – ImageNet Large Scale Visual Recognition Challenge – bei der größten Bilddatenbank der Welt ImageNet durchgeführt. Nach 2017 wurde die Challenge auf die Data-Science-Plattform Kaggle umgezogen.)

Die SciLogs des Spektrum der Wissenschaft und Spektrum der Wissenschaft selbst versorgen uns seit Jahren mit verständlicher Wissenschaft auf Deutsch. Doch auch das KI-Karussell dreht sich im deutschen Sprachraum immer schneller. Künstliche Intelligenz nimmt immer mehr von unserem Wissensspielplatz ein:

Wie viele Blogs, Podcasts und Videocasts über Künstliche Intelligenz gab es deutschsprachig, als ich vor etwa vier Jahren diesen Blog „Gehirn & KI“ gestartet habe? Heute kann man die Unmengen von deutschsprachigen KI-Blogs, -Podcasts und -Videocasts nicht mehr überblicken. Das merkt man auch an Google Trends. Jahrelang dümpelte das Interesse an Künstlicher Intelligenz im deutschsprachigen Raum vor sich hin, bis es 2016 einen sprunghaften Anstieg am Interesse an Künstlicher Intelligenz gab. Was ist damals passiert?

2016 hat zum ersten Mal ein Deep-Learning-Modell – AlphaGo der Google-Firma Deep Mind – einen der weltbesten Spieler des chinesischen Spiels Go – Lee Sedol – geschlagen. Dieser Maschinensieg erfuhr ein breites mediales Interesse. Seit dem wird nach Künstlicher Intelligenz immer mehr gesucht. Wenn diese Suche jetzt etwas stagniert, ist es sicher darauf zurückzuführen, dass hier immer mehr auch verwandte Begriffe eine Rolle spielen: Nicht nur “Künstliche Intelligenz”, sondern auch “Machine Learning” (Maschinenlernen), “Deep Learning” und “künstliche neuronale Netze”.

Abbildung 3: Google Trends für die Suche nach “Künstliche Intelligenz” zwischen 2004 und 2022. 2016 (blauer Punkt) wurde der koreanische Spieler Lee Sedol vom Deep-Learning-Modell AlphaGo in Go besiegt.

In der neuen Datenwissenschaft, zu der man Künstliche Intelligenz zählen kann, hat man schnell erkannt: Wenn die Wissenschaft als das einzige NUR mit Fakten gestützte Weltbild bestehen soll, muss sie verstanden werden. Oder gibt es noch ein anderes Kommunikationssystem als das der Naturwissenschaften, an dem wir uns auf der ganzen Welt einigermaßen einigen können? Wenn wir etwas auf Vernunft geben? Unabhängig von der Staatsform? Selbstverständlich nur dann, wenn an den Hebeln von mächtigen Staaten keine Verschwörungsgläubige und Alternative-Fakten-Prediger sitzen.

Open Science

Auch andere Formen popularisieren zunehmend die Naturwissenschaften: Open Science ist das Schlagwort: Science Slams, Science Kabarett, Science Cafés. Die Akademien werden offener, ihre Formate unterhaltsamer. Seit Jahren darf ich im Auftrag der Deutschen Akademie der Technikwissenschaften (acatech) ihre Schriften “derblecken”, mich über acatech und ihre Schreiber lustig machen.

Der Generaldirektor des Deutschen Museums und Inhaber des Lehrstuhls für Wissenschaftskommunikation der TU München Wolfgang M. Heckl, Marc-Denis Weitze von acatech und der freie Journalist Wolfgang Chr. Goede haben den hübschen Sammelband “Kann Wissenschaft witzig?” herausgebracht, mit der Ansage: “‘Kann Wissenschaft witzig?’ nimmt ein ebenso innovatives wie zukunftsträchtiges Element moderner Wissenschaftskommunikation unter die Lupe: Die Komik!”

Doch nicht nur Akademien und Online-Plattformen bemühen sich, Botschaften der Wissenschaften und Technologien dem breiten Publikum in Blogs, Podcasts und Videocasts schmackhaft zu machen und verständlich vorzustellen. Auch viele „private“ Blogger sind als Aufklärer in Sachen Wissenschaft und Technologie unterwegs.

Blog- und Scienceseiten wie Medium, Towards Data Science, Quanta Magazine u. v. a. sind wunderbare Sammlungen von wissenschaftlichen Blogbeiträgen. Vor allem eben aus dem Bereich der Künstlichen Intelligenz und der Datenwissenschaft.

Abbildung 4: Die Medium-Blog-Plattform

Die Open-Science-Beiträge der Wissenschaftler, Wissenschaftsjournalisten und Blogger begeistern immer mehr junge Menschen für die Welt der Künstlichen Intelligenz. Hand in Hand mit diesem Interesse an KI wächst aber das Interesse an Naturwissenschaften insgesamt. Sicher hat dazu auch die Corona-Pandemie beigetragen: Vor der Pandemie galt der Beruf des KI-Experten oder Datenwissenschaftlers als einer der attraktivsten. Nach zwei Jahren Pandemie ist der Job des Virologen auch begehrenswert. Selbstverständlich ist es mir durchaus bewusst, dass auch Pseudowissenschaften und Wissenschaftsfeindlichkeit immer sichtbarer werden. Doch meiner Meinung waren sie schon immer da, nur nicht so laut wie heute.

K.I. Krimis

Die zunehmende Begeisterung an Deep Learning im deutschsprachigen Raum ist überall sichtbar: Vor etwa drei Wochen haben wir an der SRH Fernhochschule den YouTube-Videokanal K.I. Krimis gestartet: In den einzelnen Folgen stelle ich spannende und ungelöste Rätsel der Künstlichen Intelligenz vor.

In der Pilotfolge „Schwarz und Weiß“ gehe ich einem recht schockierenden KI-Rätsel auf den Grund: Die internationale Studie “Reading Race: AI Recognises Patient’s Racial Identity In Medical Images” hat herausgefunden, dass „Künstliche Intelligenz“-Modelle Schwarze von Weißen Patienten nur nach den Röntgenbildern ihrer inneren Organe und Knochen unterscheiden können. Dies könnte aber zu voreingenommenen Entscheidungen in der Medizin führen, befürchten mit Recht die Forscher der Studie: Was passiert, wenn ein KI-Modell statt Krebstumore die Hautfarbe klassifiziert? Kein Röntgenologe kann am Röntgenbild der Lunge die Hautfarbe des Patienten erkennen. Warum kann das aber ein KI Modell? Was ist der Grund dafür? Selbstverständlich versuche ich, das Rätsel selbst zu knacken.

Nach drei Wochen seit der Veröffentlichung hat unser “K.I. Krimis”-YouTube-Kanal 243 Abonnenten, und das erste Video wird fleißig kommentiert. Das ist für einen deutschsprachigen wissenschaftlichen Videocast von etwa 30 Minuten Länge recht viel, zumal der Beitrag viele wissenschaftliche Hintergründe des KI-Rätsels beleuchtet. Könnt Ihr das Rätsel knacken? Über jeden Kommentar unter dem Video freuen wir uns. Und jeden Kommentar beantworte ich auch. 🙂

Die zweiten Folge der K.I. Krimis “LIDAR oder nicht LIDAR” wird im “K.I. Krimis”-Kanal am 28.02.2022 veröffentlicht. Darin geht es um selbst fahrende Autos und darum, ob nur Kameras für die Wahrnehmung ihrer KI-Modelle ausreichen. In der dritten Folge frage ich: „Kann es starke Künstliche Intelligenz geben, die der menschlichen ebenbürtig wäre?”

Pionierarbeit der “Deep Learning”-Aufklärung

Ein Pionier der Deep-Learning Aufklärung ist Yannic Kilcher mit seinem YouTube-Kanal, der seinen Namen trägt. Yannic erklärt der Welt auf Englisch komplexe wissenschaftliche Paper, meist aus dem Bereich Deep Learning. Auch sein Format ML News ist sehenswert. 122.000 Abonnenten bei einem Videocast, in dem oft bis anderthalb Stunde lang komplexe Deep-Learning-Studien diskutiert werden! Das ist lebende Wissenschaft!

Abbildung 5: Der YouTube-Kanal von Yannic Kilcher.

In einem seiner jüngsten Beiträge bespricht Yannic Kilcher einen Artikel der Facebook AI-Forscher (Meta AI): “CM3: A Causal Masked Multimodal Model of the Internet.” Sie haben ihrem Transformer-Modell CM3 beigebracht, verwertbare Information aus dem Internet zu verarbeiten.

Das sei nichts Neues, denkt Ihr sicher, das kennen wir auch vom OpenAIs Transformer-Modell GPT-3. Doch dieses CM3-Modell wird direkt am HTML-Code trainiert: Der Sprache der Webseiten. Somit lernt das Modell nicht nur am Text und an Bildern simultan, sondern bringt sich auch die Struktur der verarbeiteten Webseiten bei. Deswegen kann das Modell nach seinem Training komplexe Aufgaben lösen: eine breite Palette von Text- und Bildaufgaben und darüber hinaus noch viele andere modalübergreifende Aufgaben.

Gleich am Anfang des Videos erklärt Yannic auch für HTML-Unkundige, wie ein solches Modell im HTML-Internet-Code die Information ausliest. Außerdem gibt es im Video ein interessantes Interview mit einem der Forscher der Studie:

Einsichtig, spannend, informativ!

Und jetzt muss ich das Video zu Ende gucken: Es dauert ja anderthalb Stunden. 😊 Viel Spaß damit!