Ronald T. Kneusel, Autor von “How AI Works: From Sorcery to Science” – Interview-Reihe

Wir haben kürzlich ein Advance-Exemplar des Buches “How AI Work: From Sorcery to Science” von Ronald T. Kneusel erhalten. Ich habe bisher über 60 Bücher über KI gelesen, und während einige von ihnen repetitiv sind, bot dieses Buch eine frische Perspektive, ich genoss dieses Buch genug, um es meiner persönlichen Liste der Besten Machine-Learning- und KI-Bücher aller Zeiten hinzuzufügen.

“How AI Works: From Sorcery to Science” ist ein prägnantes und klar strukturiertes Buch, das darauf abzielt, die grundlegenden Prinzipien des Machine Learning zu vermitteln. Nachfolgend finden Sie einige Fragen, die dem Autor Ronald T. Kneusel gestellt wurden.

Dies ist Ihr drittes KI-Buch, die ersten beiden sind: “Praktisches Deep Learning: Eine Python-basierte Einführung” und “Mathematik für Deep Learning: Was Sie wissen müssen, um neuronale Netze zu verstehen”. Was war Ihre ursprüngliche Absicht, als Sie sich entschieden, dieses Buch zu schreiben?

Anderes Zielpublikum. Meine vorherigen Bücher sind als Einführungen für Menschen gedacht, die sich für die Arbeit mit KI interessieren. Dieses Buch ist für allgemeine Leser, Menschen, die viel über KI in den Nachrichten hören, aber keine Vorkenntnisse darüber haben. Ich möchte den Lesern zeigen, woher KI kommt, dass es keine Magie ist und dass jeder verstehen kann, was es tut.

Während viele KI-Bücher tendenziell verallgemeinern, haben Sie den gegenteiligen Ansatz gewählt und sind sehr spezifisch bei der Vermittlung der Bedeutung verschiedener Terminologien und sogar bei der Erklärung der Beziehung zwischen KI, Machine Learning und Deep Learning. Warum glauben Sie, dass es so viel gesellschaftliche Verwirrung zwischen diesen Begriffen gibt?

Um die Geschichte der KI und warum sie überall ist, wo wir hinschauen, zu verstehen, müssen wir die Unterscheidung zwischen den Begriffen verstehen, aber im populären Gebrauch ist es fair, “KI” zu verwenden, wissend, dass es sich hauptsächlich auf die KI-Systeme bezieht, die die Welt so sehr schnell verändern. Moderne KI-Systeme entstanden aus dem Deep Learning, das wiederum aus dem Machine Learning und dem connectionistischen Ansatz zur KI entstand.

Das zweite Kapitel geht tief in die Geschichte der KI ein, von der Sage von Talos, einem Riesenroboter, der eine phönizische Prinzessin bewachen sollte, bis zu Alan Turings Aufsatz von 1950, “Computing Machinery and Intelligence”, bis zum Beginn der Deep-Learning-Revolution im Jahr 2012. Warum ist das Verständnis der Geschichte der KI und des Machine Learning für das vollständige Verständnis davon, wie weit die KI fortgeschritten ist, so wichtig?

Meine Absicht war es, zu zeigen, dass KI nicht einfach vom Himmel gefallen ist. Sie hat eine Geschichte, einen Ursprung und eine Evolution. Während die emergenten Fähigkeiten großer Sprachmodelle überraschend sind, ist der Weg, der zu ihnen führt, es nicht. Es ist eine Frage von Jahrzehnten des Denkens, der Forschung und des Experiments.

Sie haben ein ganzes Kapitel der Legacy-KI-Systeme wie Support-Vektor-Maschinen, Entscheidungsbäume und zufällige Wälder gewidmet. Warum glauben Sie, dass das vollständige Verständnis dieser klassischen KI-Modelle so wichtig ist?

KI als neuronale Netze ist lediglich (!) ein alternativer Ansatz zum gleichen Art von optimierungsbasierter Modellierung, die in vielen früheren Machine-Learning-Modellen gefunden wird. Es ist ein anderer Ansatz, um zu verstehen, was es bedeutet, ein Modell eines Prozesses, einer Funktion, die Eingaben in Ausgaben umwandelt, zu entwickeln. Das Wissen über frühere Modelle hilft, den Rahmen zu verstehen, aus dem die aktuellen Modelle stammen.

Sie äußern die Meinung, dass OpenAIs ChatGPT-LLM-Modell der Beginn der wahren KI ist. Was war in Ihrer Meinung der größte Game-Changer zwischen diesem und früheren Methoden der KI-Bearbeitung?

Ich habe kürzlich ein Video aus den späten 1980er Jahren von Richard Feynman gesehen, in dem er versucht, eine Frage über intelligente Maschinen zu beantworten. Er sagte, er wisse nicht, was für ein Programm intelligent sein könne. In gewissem Sinne sprach er über symbolische KI, bei der das Geheimnis der Intelligenz darin besteht, die magische Sequenz logischer Operationen zu finden, um intelligentes Verhalten zu ermöglichen. Ich fragte mich, wie viele andere, über das Gleiche – wie programmiert man Intelligenz?

Meine Überzeugung ist, dass man es wirklich nicht kann. Stattdessen entsteht Intelligenz ausreichend komplexen Systemen, die in der Lage sind, das zu implementieren, was wir Intelligenz nennen (d. h. uns). Unsere Gehirne sind extrem komplexe Netzwerke von grundlegenden Einheiten. Das ist auch, was ein neuronales Netz ist. Ich denke, die Transformer-Architektur, wie sie in LLMs implementiert ist, hat zufällig eine ähnliche Anordnung von grundlegenden Einheiten entdeckt, die zusammenarbeiten können, um intelligentes Verhalten zu ermöglichen.

Auf der einen Seite ist es das ultimative “glückliche Unfall”-Szenario von Bob Ross, auf der anderen Seite sollte es nicht allzu überraschend sein, sobald die Anordnung und die erlaubten Interaktionen zwischen grundlegenden Einheiten, die emergentes intelligentes Verhalten ermöglichen, stattgefunden haben. Es scheint jetzt klar, dass Transformer-Modelle eine solche Anordnung sind. Natürlich wirft dies die Frage auf: Was andere solche Anordnungen gibt es?

Ihre Kernbotschaft ist, dass moderne KI (LLMs) im Kern einfach ein neuronales Netz sind, das durch Backpropagation und Gradientenabstieg trainiert wird. Sind Sie persönlich überrascht von der Effektivität von LLMs?

Ja und nein. Ich bin immer wieder erstaunt von ihren Antworten und Fähigkeiten, wenn ich sie verwende, aber wie in der vorherigen Frage erwähnt, ist emergente Intelligenz real, also warum sollte sie nicht in einem ausreichend großen Modell mit einer geeigneten Architektur entstehen? Ich denke, Forscher wie Frank Rosenblatt, wenn nicht früher, dachten wahrscheinlich ähnlich.

Die Missionserklärung von OpenAI lautet: “Sicherzustellen, dass künstliche allgemeine Intelligenz – KI-Systeme, die im Allgemeinen intelligenter sind als Menschen – der gesamten Menschheit zugutekommt.” Glauben Sie persönlich, dass AGI erreichbar ist?

Ich weiß nicht, was AGI bedeutet, genauso wenig wie ich weiß, was Bewusstsein bedeutet, also ist es schwierig, zu antworten. Wie ich im Buch sage, kann es bald einen Punkt geben, an dem es sinnlos ist, sich um solche Unterscheidungen zu kümmern – wenn es wie eine Ente aussieht und wie eine Ente quakt, nenne es einfach eine Ente und mach weiter.

Freche Antworten beiseite, ist es durchaus möglich, dass ein KI-System bald viele Theorien des Bewusstseins erfüllen könnte. Wollen wir vollständig bewusste (was auch immer das wirklich bedeutet) KI-Systeme? Vielleicht nicht. Wenn es bewusst ist, dann ist es wie wir und daher eine Person mit Rechten – und ich denke, die Welt ist noch nicht bereit für künstliche Personen. Wir haben bereits genug Schwierigkeiten, die Rechte unserer Mitmenschen zu respektieren, geschweige denn die von anderen Wesen.

Gab es etwas, das Sie während der Arbeit an diesem Buch überraschte?

Abgesehen von der gleichen Überraschung, die jeder andere bei den emergenten Fähigkeiten von LLMs empfindet, nicht wirklich. Ich habe mich in den 1980er Jahren als Student mit KI beschäftigt. Ich begann in den frühen 2000er Jahren mit Machine Learning zu arbeiten und war an der Entwicklung des Deep Learning in den frühen 2010er Jahren beteiligt. Ich habe die Entwicklungen des letzten Jahrzehnts wie Tausende andere von Konferenz zu Konferenz miterlebt.

Vielen Dank für das großartige Interview, Leser können auch einen Blick auf meine Rezension dieses Buches werfen. Das Buch ist bei allen großen Händlern erhältlich, einschließlich Amazon.