Professor Dr. James Delgrande ist für drei Monate als Gast in der Arbeitsgruppe des Potsdamer Informatikprofessors Dr. Torsten Schaub. Der theoretische Informatiker aus Kanada von der Simon Fraser University arbeitet an Fragen der Künstlichen Intelligenz. Mit dem Wissenschaftler sprach PUTZ-Redakteurin Antonia Rötger.

Dr. James Delgrande beschäftigt sich mit Fragen künstlicher Intelligenz. Foto: Fritze

Wo steht die Künstliche Intelligenz heute?

Delgrande: Es gibt zur Zeit zwei Paradigmen, die im Wettstreit liegen. Zum einen versuchen Wissenschaftler, Künstliche Intelligenz sozusagen von unten her zu erzeugen: Aus wenigen einfachen Regeln sollen sich hier wie von selbst komplexere Systeme entwickeln. Aber es zeigt sich, dass solche Ansätze oft nur an kleinen Spielzeugen funktionieren. Zum anderen gibt es den Ansatz von oben nach unten, den beispielsweise wir verfolgen.

Sie analysieren das Problemfeld so genau wie möglich und geben alle Regeln vor. Doch das wird schnell sehr kompliziert. Gibt es denn praktische Beispiele dafür, dass solche regelbasierten Systeme funktionieren?

Delgrande: Der Computerhersteller DEC entwickelte vor ein paar Jahren zum Beispiel ein Experten-System, das Computer konfigurieren konnte. Es benutzte bis zu 5000 Regeln und war viel besser als Menschen im Konfigurieren von Computern.

Wie gehen Sie vor, um eine Aufgabe computertauglich zu beschreiben?

Delgrande: Alles Wissen, das der Computer benutzen wird, muss formal und mit eindeutigen Symbolen abgelegt sein. Wenn man ins Programm schaut, sieht man Symbole und kann ihre Bedeutung ablesen: Dies steht für John, das steht für Mary. Hier steht, dass John mit Mary verheiratet ist, dort sehe ich, dass Mary einen Doktortitel hat und dass sie drei Kinder haben. Im Prinzip kann man mit unserem Ansatz dem Computer Fragen stellen.

Bei welcher Art von Problemen ist dieser Ansatz erfolgreich?

Delgrande: Ich glaube, dass die meisten Probleme sich dafür eignen. Es gibt aber Aufgaben, die mit diesem deklarativen Ansatz nicht so gut gemeistert werden können und das sind Aufgaben, bei denen es um Geschicklichkeit geht. Es ist zum Beispiel schwer, genau in Regeln zu fassen, wie man ein Fahrrad fährt. Dies lernt man durch Selbstregulation, durch Feed-Back.

Woran arbeiten Sie zur Zeit?

Delgrande: Ich arbeite an zwei Problemen, der Erforschung genereller Prinzipien zur Wissensrevision und dem nicht-monotonen Schließen. Beides tun wir Menschen ständig. Das ist eine Art Kontrast zur formalen Logik. Wenn man in Mathematik etwas beweist, dann bleibt es unbedingt gültig. Aber wir erfahren ständig neue Informationen, die unsere Schlussfolgerungen verändern.

Können Sie uns ein Beispiel nennen?

Delgrande: Stellen Sie sich zum Beispiel vor, Sie müssen einen Käfig für einen Vogel bauen. Er wird nach oben geschlossen sein. Erst jetzt sage ich Ihnen aber, dass es sich um einen Pinguin handelt, und dadurch ändert sich alles. Die allermeisten Denkprozesse von Menschen sind flexibel angelegt.

Was können Systeme mit Künstlicher Intelligenz in Zukunft leisten?

Delgrande: Was immer sie in der Vergangenheit geleistet haben, kam meist als Überraschung. In den 60-er Jahren dachten die Leute, dass sie in Zukunft sehr smarte, große Maschinen haben würden, die zum Beispiel Sprachen übersetzen könnten. Und vierzig Jahre später wissen wir, dass dieses Problem viel schwieriger ist und Sprachübersetzung höchstens in begrenztem Kontext funktioniert. Wir haben bei uns an der Universität ein System entwickelt, das zum Beispiel die Untertitel von englischsprachigen Filmen ins Spanische übersetzt. In Kanada wird inzwischen auch der Wetterbericht automatisch ins Französische oder Englische übersetzt. Denn das Wetter ist ja ein eng umrissenes Thema.

Gibt es Gebiete, in denen Systeme mit Künstlicher Intelligenz niemals an einen Menschen herankommen könnten?

Delgrande: Ich denke, dass sie es im Prinzip könnten. Unser Gehirn ist eine sehr kompakte und außerordentlich komplexe Maschine, und wenn man nicht an Zauberei glaubt, sondern davon ausgeht, dass unsere Denkprozesse etwas mit der Vernetzung der Nervenzellen und der Übermittlung von Chemikalien zu tun haben, dann kann man auch davon ausgehen, dass es im Prinzip möglich sein müsste, eine ähnlich komplexe Maschine zu bauen. Ich glaube aber, dass dies das falsche Ziel wäre, und das die Entwicklung in eine andere Richtung geht: In kleine Anwendungen, die Menschen helfen, wie Autos, die Auffahrunfälle nicht mehr zulassen und ähnliche praktische Dinge.

Vielen Dank für das Gespräch.

 zurück zur Übersicht