Wird gehirnähnliche künstliche Intelligenz der „neue Favorit“ der nächsten KI-Generation?

Wie wird ein Hightech-Roboter dem „High“ in seinem Namen gerecht? Die Methode ist ganz einfach. Ihr technologischer Inhalt lässt sich am besten daran beurteilen, ob sie wie Menschen denken können. Natürlich können Roboter in diesem Stadium noch nicht wie Menschen denken, aber ihre Funktionsprinzipien können durch die Simulation der menschlichen Denkweise realisiert werden. Dabei handelt es sich um die sogenannte gehirnähnliche künstliche Intelligenz.

Gehirnähnliche künstliche Intelligenz verfügt über einen Informationsverarbeitungsmechanismus, der dem des Gehirns ähnelt. Es kann Informationen von verschiedenen Sinnen sammeln und verarbeiten, selbst entsprechende Urteile fällen und schließlich motorneuronenähnliche Ausgabesysteme anweisen, Aktionen auszuführen, die menschlichen Reaktionen ähneln. Mit anderen Worten: Die vom Menschen angestrebte gehirnähnliche Intelligenz muss die Fähigkeit umfassen, Sinnesinformationen wie das Gehirn zu verarbeiten und zudem hochkomplexe elektromechanische Systeme wie flexible Gelenke und gut koordinierte Muskelgruppen steuern zu können. Obwohl der heutige technologische Stand der Menschheit in diesen beiden Bereichen erste Fortschritte erzielt hat, sind noch keine bahnbrechenden Errungenschaften zu verzeichnen. Bis es zu einer gehirnähnlichen künstlichen Intelligenz kommt, die die oben genannten Anforderungen vollständig erfüllt, ist es möglicherweise noch ein weiter Weg.

Das Schwierigste an der Entwicklung gehirnähnlicher künstlicher Intelligenz ist, dass wir das Gehirn selbst noch nicht einmal verstehen. Wie können wir künstliche Intelligenz entwickeln, indem wir das Gehirn nachahmen? Obwohl wir ein gewisses Verständnis für den physiologischen Mechanismus der Signalübertragung zwischen Neuronen gewonnen haben und auch einige Untersuchungen zu den physiologischen Aktivitäten durchgeführt haben, die hauptsächlich von verschiedenen Teilen der Großhirnrinde gesteuert werden oder an denen sie beteiligt sind, wissen wir fast nichts darüber, wie die Übertragung und Analyse von Informationen zwischen beiden erfolgt.

Eine weitere große Schwierigkeit bei der Entwicklung gehirnähnlicher künstlicher Intelligenz besteht darin, dass es keinerlei Anzeichen für ein wirksames mathematisches Modell gibt, das die Funktionsweise der Großhirnrinde nachahmt. Dies liegt zum einen daran, dass der physiologische Mechanismus der neuronalen Aktivität der Großhirnrinde noch unklar ist. Andererseits liegt es auch daran, dass es schlicht zu schwierig ist, ein universelles mathematisches Modell der Großhirnrinde zu erstellen. Erstens wissen wir sehr wenig über das Gehirn. Zweitens ist es unmöglich, die Funktionsweise des Gehirns in ein mathematisches Modell zu abstrahieren, das Computer verstehen können. Dies sind die beiden Hauptgründe, warum die Entwicklung gehirnähnlicher künstlicher Intelligenz schwierig ist.

Im obigen Text wird nur von Schwierigkeiten gesprochen, was die Menschen zur Verzweiflung bringt. Tatsächlich haben Menschen in geringem Maße Arbeit in die Erforschung gehirnähnlicher künstlicher Intelligenz investiert. Trotz dieser Schwierigkeiten hat der Mensch große Anstrengungen unternommen, das Gehirn weiter zu erforschen und seine Arbeitsmechanismen zu modellieren.

Die Lücke zwischen dem Mikroskopischen (Neuronen) und dem Makroskopischen (kortikale Gehirnbereiche) wird in der Wissenschaft als mesoskopische Hirnforschung bezeichnet und es handelt sich um eine Lücke, die in der Hirnforschung des 21. Jahrhunderts dringend geschlossen werden muss. Glücklicherweise gibt es bereits technische Mittel wie die Optogenetik und die Zwei-Photonen-Mikroskopie, die es dem Menschen ermöglichen, die Aktivierung und Hemmung bestimmter Neuronen zu regulieren und sogar die Zusammenarbeit Tausender Neuronen gleichzeitig zu beobachten.

Während die Funktionsweise des Gehirns immer besser erforscht wird, hat der Mensch auch einige Fortschritte bei der mathematischen Modellierung der Informationsverarbeitung im Gehirn gemacht. Künstliche neuronale Netze auf Basis von Deep Learning haben in den letzten Jahren immer wieder neue Mythen in der Anwendung künstlicher Intelligenz geschaffen. Auf diesem Modell basiert der große Erfolg von AlphaGo. Es ist nicht erforderlich, den spezifischen Mechanismus dieses Modells vollständig zu verstehen, und es handelt sich auch nicht um ein Problem, das mit wenigen Worten erklärt werden kann. Wir müssen das auf Deep Learning basierende künstliche neuronale Netzwerk lediglich als ein mathematisches Modell verstehen, das die Arbeitsprinzipien des Gehirns nachahmt. Denn nur wenn die Eingabeinformationen digitalisiert sind, können sie von Computern oder KI verarbeitet werden. Und das Modell ist das zentrale Werkzeug für die Digitalisierung von Informationen.

Man kann sagen, dass die visuelle Erkennung und die Spracherkennung auf der Basis künstlicher neuronaler Netzwerke zwei Anwendungsfelder sind, die sich rasch entwickeln und in vielen Bereichen sogar den Menschen ersetzen können. Eine zufällige Suche im Browser wird viele neue Anwendungen offenbaren. Gesichtserkennung, Mimikerkennung, Gangerkennung, spezifische Zielerkennung (Nummernschilder, Früchte, Tumore etc.) sind nichts Neues mehr. Auch die Analyse des Straßenzustands durch unbemanntes Fahren sowie die Erkennung und Übersetzung mehrerer Sprachen sind allmählich kommerziell verfügbar geworden.

Hier dürfen wir den im Inland produzierten KI-Prozessor Cambrian nicht unerwähnt lassen. Dieser Prozessor ist der weltweit erste kommerziell erhältliche Deep-Learning-Prozessor. Es basiert auf einem unabhängig entwickelten KI-spezifischen Befehlssatz und verfügt über völlig unabhängige geistige Eigentumsrechte. Seine Leistung und Energieeffizienz sind herkömmlichen Allzweckchips in Schlüsselbereichen der KI-Technologien wie Bilderkennung und Spracherkennung überlegen. Die erfolgreiche Einführung des Cambrian-Chips zeigt, dass Chinas Forschung im Bereich der gehirnähnlichen künstlichen Intelligenz weltweit führend ist.

Doch selbst die fortschrittlichsten Modelle künstlicher neuronaler Netzwerke, die derzeit verfügbar sind, sind vor einem echten Gehirn erschreckend einfach. Um solch große Erfolge zu erzielen, hat der Mensch nur einige der oberflächlichsten Funktionsweisen des Gehirns übernommen. Man darf sich weiterhin auf die rosige Zukunft der Forschung zu gehirnähnlicher künstlicher Intelligenz freuen.

Werden die Menschen eines Tages von Hightech-Robotern beherrscht, die über künstliche Intelligenz verfügen?

Bis der Mensch die Arbeitsmechanismen des Gehirns vollständig entschlüsselt und ein hochgradig allgemeines Modell zur Informationsverarbeitung im Gehirn entwickelt hat, wird die Entwicklung gehirnähnlicher künstlicher Intelligenz vollständig von Menschen kontrolliert werden. Ob künstliche Intelligenz mit Selbstbewusstsein entstehen wird und ob die Gefahr besteht, dass die Menschheit versklavt wird, sollten die großen Science-Fiction-Regisseure zur Diskussion überlassen.