Robert Ito

Künstliche Intelligenz im Realitäts-Check

Ein intelligenter Computer ist nur so vielseitig wie die Menschen, die ihm etwas beibringen

Die letzten drei Sommer zog es rund zwei Dutzend Informatikbegeisterte an die Stanford University, um von den Besten ihres Fachs mehr über künstliche Intelligenz zu lernen. Die Teilnehmer, ausgewählt aus Hunderten Bewerbern, besuchen Technologieunternehmen in der Region und experimentieren mit sozialen Robotern oder Drohnen. Sie tauchen in die Welt der Computerlinguistik ein (wie gehen Maschinen mit Wörtern um, die mehrere Bedeutungen haben?) und versuchen herauszufinden, wie wichtig Zeitmanagement in diesem Gefüge ist (sehr wichtig). Sie spielen Frisbee. Wer sich jetzt ein paar Jungs vorstellt, die zusammensitzen und neue Helden für ihr Lieblingsvideospiel erschaffen, der irrt. Alle Teilnehmer beim Stanford Artificial Intelligence Laboratory Outreach Summer, kurz SAILORS, sind Schülerinnen, die gerade das erste Highschooljahr beendet haben. In dem Programm beschäftigen sie sich nicht mit Computerspielen, sondern mit dem echten Leben: Wie kann beispielsweise mithilfe von künstlicher Intelligenz verhindert werden, dass Flugzeuge kollidieren? Wie kann man sicherstellen, dass Ärzte sich die Hände waschen, bevor sie den OP-Saal betreten? "Wir wollen die KI-Ausbildung so gestalten, dass sie Diversität fördert und junge Menschen aus allen Lebensbereichen anzieht", erklärt Fei-Fei Li, Direktorin des KI-Labors an der Stanford University und Mitbegründerin von SAILORS. "Je vielfältiger der Hintergrund künftiger Technologen ist, desto mehr werden sie ihre Arbeit dem Wohle aller Menschen widmen."

Je vielfältiger der Hintergrund künftiger Technologen ist, desto mehr werden sie ihre Arbeit dem Wohle aller Menschen widmen.

—Fei-Fei Li Google & Stanford

Fei-Fei Li

SAILORS wurde 2015 von Fei-Fei Li und der ehemaligen Studentin Olga Russakovsky gegründet, die mittlerweile Dozentin in Princeton ist. Ihr Ziel war es, eine größere Gleichstellung der Geschlechter in der Technologiebranche zu erreichen. Dieses Anliegen verdient nicht nur Anerkennung, sondern ist auch dringend notwendig. Laut einer aktuellen Umfrage sinkt die Zahl der Informatikstudentinnen. Im Bereich der künstlichen Intelligenz arbeiten weniger als 20 % Frauen in Führungspositionen. Hier wird ein enormes Potenzial verschwendet, wenn man bedenkt, dass künstliche Intelligenz jeden Tag stärker Einzug in unseren Alltag hält. Wenn Apps zum Beispiel auf einem Foto Gesichter voneinander unterscheiden und uns sogar sagen, an welchem Strand wir das Bild aufgenommen haben, dann ist das KI. Wenn unsere Geräte uns verstehen, wenn wir sie fragen, wie morgen das Wetter wird, ist das KI. Und dann gibt es da noch die weniger bekannten Anwendungsbereiche, in denen mithilfe von künstlicher Intelligenz diabetische Retinopathie (eine Krankheit, die zur Erblindung führen kann) diagnostiziert wird oder Drohnen für Such- und Rettungseinsätze in schwer zugänglichen Gebieten genutzt werden.

Je allgegenwärtiger künstliche Intelligenz wird, desto mehr wächst die Notwendigkeit der Geschlechtergleichstellung über den reinen Grundsatz hinaus – Vielfalt liegt hier schlicht in der Natur der Sache. So sollen Maschinen dank künstlicher Intelligenz lernen, was Menschen ganz natürlich tun: Sprache verstehen, Entscheidungen treffen oder den Unterschied zwischen einem Burrito und einer Enchilada erkennen. Dazu werden Computer mit riesigen Mengen an Daten gefüttert, mit Millionen von Wörtern oder Bildern, genauso wie wir alle von Geburt an ständig Informationen aufnehmen. Je mehr Autos ein Computer sieht, desto besser kann er sie erkennen. Aber was ist, wenn diese Daten begrenzt oder unausgewogen sind? Weil die Forscher beispielsweise keine Fotos von einem Trabant hinzufügen oder gar nicht wissen, dass es dieses Automobil der DDR gab? Dann sind die Ergebnisse fehlerhaft. Und es kann passieren, dass die Bilderkennungssoftware eine Asiatin für jemanden hält, der blinzelt. Wie unlängst geschehen.

Es geht nicht mehr nur darum, Daten transparent zu machen. Sondern wir müssen dafür sorgen, dass sie sich in die richtige Richtung bewegen.

—Tracy Chou Project Include

Tracy Chou

Wie können wir mehr Vielfalt in Forschung und Praxis erreichen? Dieser Herausforderung widmen sich verschiedene Projekte und Persönlichkeiten. In diesem Jahr hat Fei-Fei Li, die auch wissenschaftliche Leiterin für KI und maschinelles Lernen bei Google Cloud ist, AI4ALL mit ins Leben gerufen. Die gemeinnützige Organisation möchte Diversität im KI-Bereich fördern und vereint zu diesem Zweck Experten für Genomik, Robotik und Nachhaltigkeit als Mentoren unter einem Dach. In Partnerschaft mit den Universitäten von Princeton, Berkeley, Carnegie Mellon und Stanford werden – aufbauend auf der Arbeit von SAILORS – nicht nur Schülerinnen, sondern junge Menschen aus unterrepräsentierten Bevölkerungsgruppen im ganzen Land angesprochen. "Viele Kollegen und Unternehmen sagten uns: Wir finden SAILORS toll, aber es profitieren jedes Jahr nur ein paar Dutzend junge Menschen hauptsächlich aus einer bestimmten Region davon", sagt Fei-Fei Li. "Deshalb geht es bei AI4ALL um Vielfalt und Einbeziehung insgesamt. Nicht nur um das Geschlecht."

Ähnliche Initiativen wurden bereits ins Leben gerufen. Mit Code Next möchte Google lateinamerikanische und afroamerikanische Schüler für eine Karriere in der Tech-Branche begeistern. DIY Girls ist ein Lern- und Mentorenprogramm für MINT-Fächer, erweitert um Kunst, für unterfinanzierte Gemeinden in Los Angeles. Bei Project Include werden Start-ups dabei unterstützt, mehr Frauen und People of Color einzustellen. Tracy Chou, die früher bei Pinterest arbeitete, gründete Project Include letztes Jahr gemeinsam mit sieben weiteren prominenten Frauen aus der Tech-Branche. 2013 forderte sie die Technologieunternehmen öffentlichkeitswirksam auf, Zahlen dazu offenzulegen, wie viele Frauen bei ihnen arbeiten. Die Ergebnisse untermauerten, was alle im Silicon Valley längst wussten: Die Tech-Welt, vom kleinsten Start-up bis zum größten Konzern, ist vor allem weiß und männlich. Für Tracy Chou war Project Include deshalb der nächste logische Schritt. "Als sich die Zahlen nach ein paar Jahren kaum veränderten, begann sich aber die Debatte darüber zu verändern", berichtet sie. "Jetzt geht es nicht mehr nur darum, Daten transparent zu machen. Sondern wir müssen dafür sorgen, dass sie sich in die richtige Richtung bewegen."

Dazu gehört, das Berufsfeld der künstlichen Intelligenz besser für alle zugänglich zu machen. Bislang ist die Zahl der Beschäftigten in dieser Branche noch relativ klein – und trotzdem gibt es schon Roboter, die sich um Menschen kümmern, und persönliche Assistenten, die unsere Bedürfnisse voraussehen. Diese Maschinen arbeiten mit Daten und Kriterien, die von Menschen gesteuert werden. Das heißt, je besser und umfänglicher der menschliche Input ist, desto besser und umfänglicher sind die Ergebnisse.

In vielerlei Hinsicht wurde die Demokratisierung der künstlichen Intelligenz schon auf den Weg gebracht. Wie in diesem Beispiel: In Japan machte sich der Sohn eines Gurkenbauers künstliche Intelligenz zunutze, um die Ernte nach verschiedenen Merkmalen zu sortieren. Solche Erfolgsgeschichten hört Fei-Fei Li gern. Sie selbst kam im Alter von 16 Jahren aus China in die USA und wusste nur wenig über das Land und den Staat New Jersey, der ihre neue Heimat werden sollte. Nach Gelegenheitsjobs als Putzhilfe, Hundesitterin oder Kassiererin in einem chinesischen Restaurant landete sie schließlich in Princeton und später am California Institute of Technology, besser bekannt als Caltech.

Fei-Fei Li ist damit eine dreifache Außenseiterin: Sie ist Einwanderin, Frau und Nicht-Weiße in einer von weißen Männern dominierten Welt. Was andere abgeschreckt hätte, motivierte sie. Einen Großteil ihrer Zeit verbringt sie damit, das maschinelle Sehen zu erforschen. Sie nennt diesen Zweig des maschinellen Lernens auch gerne "die Krönung der KI". Dabei werden visuelle Daten von Computern analysiert und identifiziert. In Zukunft könnte dies dazu beitragen, sensiblere künstliche Gliedmaßen zu entwickeln oder selbst die verzwicktesten mathematischen Beweise zu lösen. Wie immer bei der künstlichen Intelligenz liegt der Schlüssel auch hier darin, Computern beizubringen, eine Fülle an Informationen aus verschiedenen Quellen und Perspektiven zu verstehen. Im Wesentlichen müssen sie also visuelle Mitbürger dieser Welt werden – ähnlich wie Frau Li.

Eine vielfältige Gruppe an Gestaltern dabei zu unterstützen, diese Welt darzustellen, gehört zu den Aufgaben der Content-Strategin Diana Williams bei ILMxLAB. In dieser geheimen Traumfabrik von Lucasfilm wird große virtuelle Unterhaltung im Star Wars-Universum erschaffen... vielleicht eine virtuelle Begegnung mit Darth Vader? Diana Williams engagiert sich in Initiativen wie Black Girls Code und weiß noch genau, wie wenig nicht-weiße Frauen es in den 1980er-Jahren an ihrem College gab. "Ich war immer die einzige im Mathekurs und genauso im Wirtschaftskurs", erzählt sie. "Das war anstrengend und auch beängstigend." Ihre Lösung, mehr Frauen für Technologie zu begeistern: "Wenn wir schon früh das Interesse wecken und ihr Selbstvertrauen stärken, können sie sich später auch in einer Männerwelt behaupten."

Wenn wir schon früh das Interesse wecken und ihr Selbstvertrauen stärken, können sie sich später auch in einer Männerwelt behaupten.

—Diana Williams Lucasfilm

Diana Williams

Maya Gupta erforscht bei Google maschinelles Lernen und arbeitet ebenfalls daran, die KI zu verbessern – allerdings mit einer anderen Herangehensweise. In Stanford half sie einem norwegischen Unternehmen, Risse in dessen Unterwassergasleitungen zu finden. "Man kann da schlecht runtergehen, deshalb mussten wir unvollständige Daten nutzen, um eine Vermutung anzustellen", sagt sie. Es ist ihr Job, Maschinen beizubringen, wie sie differenzierte Prognosen entwickeln. Wenn auf YouTube "Truth" von Jazz-Saxofonist Kamasi Washington butterweich in Alice Coltranes wundervolles "Turiya and Ramakrishna" übergeht, hätte das ein DJ nicht besser machen können. Maya Gupta und ihr Team zeigen Computern, wie sie Empfehlungen optimal aufeinander abstimmen. "Es geht um Vorhersagen", erklärt sie. "Man versucht mit begrenzten Informationen, sich ein vollständiges Bild zu machen".

Heute leitet sie ein Forschungs- und Entwicklungsteam bei Google, dessen Aufgabe unter anderem darin besteht, eine höhere Genauigkeit beim maschinellen Lernen zu erreichen. Sie gibt uns ein Beispiel: "Angenommen, ich möchte Personen aus Boston und Texas gleicht gut verstehen, aber meine Spracherkennung funktioniert für den texanischen Akzent etwas besser. Sollte ich dann die Menschen mit texanischem Akzent benachteiligen, indem ich diese Spracherkennung verschlechtere, nur damit beide gleich sind? Was, wenn es einfach schwieriger ist, einen Bostoner Akzent zu verstehen?"

Maya Gupta und ihr Team arbeiten außerdem an der Weiterentwicklung von Systemen, die unendlich transparenter wären als ihre menschlichen Schöpfer. Mit Maschinen, so die Hoffnung, könnten viele der Vorurteile und unterbewussten Prozesse, die das menschliche Denken prägen, ausgeräumt oder zumindest leichter erkannt werden. Maschinen verlieren nicht die Konzentration, wenn sie müde, gereizt oder hungrig sind. Eine Studie hat gezeigt, dass Richter kurz vor dem Mittagessen weniger geneigt sind, eine Strafaussetzung zu gewähren, weil sie dann vermutlich eher an Sandwiches als an Gitterstäbe denken. "Es ist schwer einzuschätzen, was wirklich in den Köpfen der Menschen vorgeht", sagt Maya Gupta. "Unsere maschinellen Lernsysteme sollen nachvollziehbar sein. Tatsächlich können wir viele davon jetzt schon besser erklären als uns Menschen."

Unsere maschinellen Lernsysteme sollen nachvollziehbar sein. Tatsächlich können wir viele davon jetzt schon besser erklären als uns Menschen.

—Maya Gupta Google

Maya Gupta

Je nützlicher und leichter anwendbar künstliche Intelligenz wird, desto wichtiger ist es, sie in so viele Hände wie möglich zu legen. Christine Robson war Forscherin bei IBM, bevor sie zu Google ging. Sie ist ein großer Fan von Open-Source-Software wie TensorFlow. Als maschinelles Lernsystem ist es vielseitig einsetzbar, ob man nun Sprachen übersetzen, Krankheiten erkennen oder Kunst schaffen möchte.

Für sie bedeutet Vielfalt in der künstlichen Intelligenz, dass diese nicht nur für Mathenerds wie sie von Nutzen ist. "KI bietet großartige Möglichkeiten für alle", sagt sie. "Es wird viel über die Demokratisierung des maschinellen Lernens geredet, aber ich glaube fest daran. Es ist von entscheidender Bedeutung, KI-Techniken so zu gestalten, dass jeder sie anwenden kann."

In der Science-Fiction finden sich in Literatur und Film schon seit Langem Beispiele dafür, wie künstliche Intelligenz gründlich schiefgehen kann (Mary Shelleys Frankenstein wird nächstes Jahr 200). Heutzutage machen sich viele in der Branche – darunter auch Li, Robson und Chou – weniger Sorgen darüber, was künstliche Intelligenz mit uns, sondern was wir Menschen mit ihr anstellen könnten. Ein Beispiel: Programmierer geben virtuellen Assistenten eine weibliche Stimme, weil sowohl Männer als auch Frauen diese lieber hören. "Aber damit besteht das Klischee fort, dass Assistenten weiblich sind, und wenn wir mit den Systemen interagieren, verfestigt sich dieses gesellschaftliche Vorurteil", erläutert Tracy Chou. Viele führende Köpfe in der Branche sorgen sich darum, was in die KI-Systeme einfließt und durch sie auch wieder nach außen tritt. Hier kommt die Forderung nach mehr Vielfalt ins Spiel. Das wird nicht einfach. Aber die Befürworter sind klug, einfallsreich und engagiert.

Es ist von entscheidender Bedeutung, KI-Techniken so zu gestalten, dass jeder sie anwenden kann.

—Christine Robson Google

Christine Robson

"Wir müssen dafür sorgen, dass jeder sich willkommen fühlt", betont Maya Gupta. Sie erinnert sich an die Fotografien ehemaliger Informatikprofessoren, die an ihrer Uni in Rice an der Wand hingen und "überhaupt nicht wie ich aussahen". "Wir müssen Mädchen davon überzeugen, dass KI keine Zauberei ist", fügt Christine Robson hinzu. "Es ist Mathe."

Bei SAILORS lernen die Schülerinnen, wie sie mit natürlicher Sprachverarbeitung soziale Medien durchsuchen, um so die Katastrophenhilfe zu unterstützen. "Rettungskräfte könnten dadurch Menschen in Not schneller anhand von Twitter-Nachrichten finden", erklärt Fei-Fei Li. Die SAILORS-Kurse wirken auch nach diesem unvergesslichen Sommer weiter. Einige Schülerinnen haben einen Robotik-Club an der Schule gegründet, Artikel in Wissenschaftsmagazinen veröffentlicht und Workshops veranstaltet, um jüngeren Mitschülerinnen das Thema der künstlichen Intelligenz näherzubringen. Für diese Schülerinnen, deren Hintergründe und Erfahrungen so verschieden sind wie die zahlreichen Projekte dieses Sommers, ist KI nicht das neueste coole Gadget, sondern eine starke positive Kraft. Im Vorfeld der ersten SAILORS-Veranstaltung 2015 wurden die Teilnehmerinnen nach ihren Erwartungen gefragt. Darunter war auch dieser ambitionierte Wunsch: "Ich möchte jetzt in das Thema KI einsteigen, damit ich in Zukunft etwas in der Welt bewirken kann."

Nach oben