Adrian Zidaritz, Autor von AIbluedot.com – Interview-Serie

Adrian Zidaritz ist der Autor von AIbluedot.com, einem Blog, der eine Übersicht über künstliche Intelligenz bietet, mit einer Mischung aus Mathematik, Ethik, Politik und “alles” dazwischen. Obwohl die Artikel nur eine minimale Menge an technischem Material enthalten, sind sie nicht für Spezialisten gedacht, sondern für die allgemeine Öffentlichkeit. Künstliche Intelligenz wird von Nicht-Spezialisten missverstanden und in den Medien entweder überbewertet oder heruntergespielt; sie ist dennoch die folgenreichste Technologie in unserer heutigen Zeit.

Was hat Sie ursprünglich zur künstlichen Intelligenz hingezogen?

Die Entwicklung von künstlicher Intelligenz erfordert ein breites Spektrum an Fachwissen, wie bei keiner anderen modernen Technologie. Sie basiert auf Forschung aus Statistik, Neurowissenschaft, angewandter Mathematik, Informatik, Softwareentwicklung, Psychologie usw… Diese Herausforderung hat mich angezogen, kombiniert mit der Tatsache, dass ich das Glück hatte, in meiner vorherigen Karriere mit vielen dieser Bereiche zu experimentieren: Mathematik, Informatik, Softwareentwicklung, Statistik.

Sie haben eine umfassende Karriere in der künstlichen Intelligenz. Können Sie einige der Highlights diskutieren?

Das ist in gewisser Weise eine Fortsetzung von Frage 1. Fast jeder mittelalte Mensch, der derzeit in der künstlichen Intelligenz arbeitet, kommt von woanders her. Bis etwa 2005 gab es keine künstliche Intelligenz (übrigens ist der Erfolg der künstlichen Intelligenz hauptsächlich auf neuronale Netze = Deep Learning zurückzuführen, alle anderen Techniken sind im Vergleich dazu unbedeutend; wenn wir also von künstlicher Intelligenz sprechen, meinen wir Deep Learning). Als Ergebnis bringen viele von uns, die in der künstlichen Intelligenz arbeiten, einzigartige Perspektiven in das Feld ein. Ich komme aus einer mathematischen Grundlage, kombiniert mit der Leitung praktischer künstlicher Intelligenz-Projekte, bei denen Big-Data-Engineering eine sehr große Rolle spielt (manchmal mehr als 80% der gesamten Projektdauer). Mein Hintergrund liegt zwischen einer Frage nach den mathematischen Grundlagen der künstlichen Intelligenz (sehr theoretisch) und den sehr praktischen Aspekten der Leitung von Teams von Data-Scientistern und Machine-Learning-Ingenieuren. Es gibt andere Forscher, die mehr über die künstliche Intelligenz-Technologien in der Mitte des Sandwichs wissen.

Sie haben gesagt, dass die künstliche Intelligenz in den Medien entweder überbewertet oder heruntergespielt wird. Warum glauben Sie, dass es eine solche Diskrepanz zwischen der genauen Berichterstattung der künstlichen Intelligenz in den Medien und der tatsächlichen Realität der Technologie gibt?

Weil die künstliche Intelligenz sogar von einigen Menschen, die in der künstlichen Intelligenz arbeiten, missverstanden wird, geschweige denn von der Presse. Es ist eine sehr junge Disziplin, mit sehr jungen Arbeitern. Die verschiedenen Meinungen dieser jungen Arbeiter finden ihren Weg in die Medien und füttern eine Fehlausrichtung der Ziele. Es reicht aus, den Dokumentarfilm “The Social Dilemma” auf Netflix (NFLX ) zu erwähnen, in dem diese widersprüchlichen Ansichten der künstlichen Intelligenz aus einer Perspektive des Silicon Valley gut dokumentiert sind.

Aktuell ist der größte Teil des Fortschritts, den wir in der künstlichen Intelligenz gesehen haben, auf Deep Learning zurückzuführen. Was sind Ihre Ansichten zum Black-Box-Problem des Deep Learning?

Das ist ein großes Problem. Grundsätzlich haben wir keine theoretische (mathematische) Erklärung für den Lernprozess. Wir wissen nicht, wie Deep-Learning-Algorithmen tatsächlich lernen. Wir sehen nur, dass sie es tun. Es gab natürlich Versuche, eine Theorie zu entwickeln, aber keine hat weithin Anerkennung gefunden. Also können wir im Fehlen dieser grundlegenden Erkenntnis nur sagen: “Sehen Sie, es funktioniert”. Aber eine weiße Box-Erklärung ist unmöglich. Andere Algorithmen (nicht Deep Learning) sind besser verstanden, und für sie kann man Erklärungen der Ergebnisse liefern. Nicht für Deep Learning.

Was sind Ihre Ansichten zur künstlichen Intelligenz-Voreingenommenheit und wie können wir sie verhindern?

Aktuell ist die künstliche Intelligenz alles über Daten, nicht über Algorithmen. Die Algorithmen kennen keine Voreingenommenheit, die Voreingenommenheit liegt in den Daten. Die Daten spiegeln die Gesellschaftsstruktur und auch die Gesellschaftsschichtung wider, da die Datenerfassung auch Voreingenommenheit in sich trägt. Was geschehen muss, ist eine allmähliche Einbeziehung von Menschen aller Arten von Hintergründen in den Datenerfassungsprozess, damit die Daten eine korrekte Darstellung der Bevölkerung widerspiegeln.

Welche Art von maschinellem Lernen finden Sie am interessantesten?

Wie ich bereits sagte, ist maschinelles Lernen jetzt im Begriff, Terrain an seinen erfolgreichsten inneren Zweig, Deep Learning, abzutreten. Neuronale Netze dominieren durch ihre Vielseitigkeit.

Sie haben gesagt, dass ein bedingungsloses Grundeinkommen (BGE) absolut notwendig sein wird, um mit den Arbeitsplatzverlusten umzugehen, die durch die künstliche Intelligenz entstehen. Können Sie Ihre Ansichten dazu erläutern?

Die Gesellschaft wird enorme Folgen durch die Automatisierung (angewandte künstliche Intelligenz) erleiden. Wir haben die bedeutenden Veränderungen sogar in den politischen Umwälzungen seit 2016 gesehen. Es gibt einfach keine Möglichkeit, zurückzukehren. Viele Arbeitsplätze werden einfach verschwinden. Es hat keinen Sinn, sich als Radiologe auszubilden. Die künstliche Intelligenz kann Röntgenaufnahmen und MRT und alle Arten von anderen Drucken viel besser lesen als ein Mensch. Was wird passieren, wenn es für die Menschen einfach keinen Arbeitsplatz gibt, den sie ausüben können? Ein bedingungsloses Grundeinkommen garantiert, dass Menschen nicht unnötig leiden, wenn die Automatisierung allgegenwärtig wird. Und es gibt keinen Grund, warum sie leiden sollten, da die künstliche Intelligenz die notwendige Arbeit für die Gesellschaft liefern wird, um weiterhin zu funktionieren.

Glauben Sie, dass wir jemals künstliche allgemeine Intelligenz (AGI) erreichen können?

Ja, viele Menschen argumentieren, dass DeepMinds Software bereits an AGI grenzt. Ich teile diese Meinung nicht, aber selbst für mich ist die Antwort ja. AGI bedeutet nicht Emotionen oder Bewusstsein, das “I” in AGI ist einfach kognitive Intelligenz. Und für dieses Intelligenzniveau scheint die Antwort ja zu sein.

Glauben Sie, dass es eine Wahrscheinlichkeit gibt, dass wir in einer Simulation leben?

Eine Möglichkeit? Ja, das bedeutet, dass die Wahrscheinlichkeit, dass wir in einer Simulation leben, nicht 0 ist. Es ist auch intellektuell ansprechend. Aber ist es wahrscheinlich? Nein, für mich ist es nicht wahrscheinlich, d. h. die Wahrscheinlichkeit, obwohl nicht 0, ist sehr, sehr klein.

Vielen Dank für das Interview. Leser, die mehr über Adrians Ansichten zu verschiedenen Aspekten der künstlichen Intelligenz erfahren möchten, sollten AIbluedot.com besuchen.