Suche
Alles überall auf einmal
Wie Künstliche Intelligenz unsere Welt verändert und was wir dabei gewinnen können | Miriam Meckel; Léa Steinacker
E-Book (EPUB)
2024 Rowohlt Verlag Gmbh
Auflage: 1. Auflage
400 Seiten
ISBN: 978-3-644-02104-4
in den Warenkorb
- EPUB sofort downloaden
Downloads sind nur in Österreich möglich! - E-Book Endkundennutzungsbedinungen des Verlages
- Als Hardcover erhältlich
Wir erleben den «iPhone-Moment» der künstlichen Intelligenz, die Technologie ist erstmals für jede und jeden verfügbar. Damit stehen wir an einer entscheidenden Schwelle unserer kulturellen Evolution. Alles verändert sich überall auf einmal. Miriam Meckel und Léa Steinacker zeigen die Chancen auf, die der Schritt über diese Schwelle birgt. Wir müssen nicht fürchten, als Menschen abgeschafft zu werden, denn: Alles, was die KI tut, geht zurück auf die Art und Weise, wie wir mit ihr umgehen. Das heißt aber auch: Wir stehen genau jetzt vor der Aufgabe, ihre Entwicklung in die richtigen Bahnen zu lenken. Doch wie gelingt das, und wo lauern Risiken, unerwünschte Nebeneffekte, ethische Dilemmata - ob in der Arbeitswelt, in der Wirtschaft, in den menschlichen Beziehungen oder im Alltag? Welche Fragen klären wir besser heute als morgen, sei es im Umgang mit selbstfahrenden Autos, virtuellen medizinischen Assistenten oder automatisierten Fake News? Wenn wir in einer immer komplexeren Welt mithalten wollen, so Meckel und Steinacker, dann müssen wir auch unsere menschliche Intelligenz erweitern - selbst dabei kann künstliche Intelligenz uns helfen. Auch wir werden uns also verändern. Wie sieht die Welt von morgen aus, wie finden wir uns darin zurecht und entscheiden richtig? Dieses Buch weist den Weg.
Miriam Meckel ist Professorin für Kommunikationsmanagement an der Universität St. Gallen, als Gastprofessorin lehrte sie an der Universität Harvard, in Singapur, New York und in Wien. Sie war Chefredakteurin und Herausgeberin der «Wirtschaftswoche», zudem Staatssekretärin für Medien und Internationales in Nordrhein-Westfalen. Ihr Buch «Brief an mein Leben» (Rowohlt 2010) wurde zum Bestseller. Seit 2018 ist Meckel Co-Gründerin und CEO von ada Learning, einem Weiterbildungsprogramm für Zukunftskompetenzen.
Beschreibung für Leser
Unterstützte Lesegerätegruppen: PC/MAC/eReader/Tablet
Während die Briten einen ihrer genialsten Mathematiker aufgrund von institutionalisierter Homophobie verloren, herrschte in den USA Aufbruchsstimmung im neu entstehenden Feld der Computerwissenschaften. Eine Maschine, die uns Menschen nachahmt, schien in greifbare Nähe gerückt zu sein. Doch sehr schnell wurde deutlich: Es führt nicht nur ein Weg nach Rom. Insbesondere eine Weggabelung wurde auf der Entwicklungsreise zur perfekten Maschine sichtbar. Die einen wollten erkunden, wie unser Gehirn funktioniert, um das Geheimnis unserer kognitiven Fähigkeiten zu entschlüsseln. Die anderen entschieden sich für den Weg des «Was»: Was tut ein Gehirn genau, und wie lässt sich das in der Maschine nachbauen? An beide Fragen anschließend: Basiert Intelligenz auf klaren Regeln oder auf der Verbindung von unzähligen Informationspunkten?
In den Computerwissenschaften der Fünfzigerjahre haben sich entsprechend zwei Herangehensweisen herausgebildet. Die eine Schule konzentrierte sich auf die Symbolische KI. Diese beruht auf explizit programmierten Regeln und einer systemischen Logik mit dem Ziel, Wissen zu repräsentieren und daraus Schlussfolgerungen zu ziehen. Ganz ähnlich wie schon in den Überlegungen von Aristoteles, Leibniz und Boole werden dabei symbolische Stellvertreter eingesetzt, um Konzepte und deren Beziehungen untereinander darzustellen. Die Grundannahme klingt einfach: Sobald wir ein reales Problem durch die Programmierung von Symbolen und ihren Beziehungen darstellen können, sollte die Maschine in der Lage sein, das Problem zu analysieren und die beste Lösung zu finden.
Die zweite Schule konzentrierte sich auf die schon erwähnten neuronalen Netze. Inspiriert durch die biologische Vernetzung des menschlichen Gehirns, sollen diese Netze Lernprozesse simulieren, indem sie Verbindungen zwischen künstlichen Neuronen nutzen. Dabei entwickeln sie sich fort (und man könnte auch sagen, sie lernen), indem sie ihre internen Parameter während eines Trainings immer wieder anpassen, um Vorhersagen oder Entscheidungen zu treffen, ohne explizit programmierte Instruktionen für die jeweilige Aufgabe zu benötigen.
Die Methode der neuronalen Netzwerke stützt sich auf datengetriebenes, oft weniger interpretierbares Lernen, um Muster und Zusammenhänge direkt in den Daten zu finden, während Symbolische KI den Fokus auf klare, verständliche Regeln und Logik legt. Dabei schien es zunächst, als sei die Symbolische Logik der vielversprechendere Ansatz. Im Jahr 1956 gelang es den Forschern Allen Newell, Herbert Simon und Cliff Shaw, auf der Grundlage von Booles Logikgesetzen ein Programm zu entwickeln, das mehrere komplizierte mathematische Theoreme beweisen konnte. Die Lösung bestand darin, das komplexe Problem über eine Baumstruktur in zahlreiche einfache Schritte zu zerlegen.
Newell, Simon und Shaw bezeichneten das Programm als «Logik-Theoretiker» («Logic Theorist»), und es schien so vielversprechend, dass die drei es weiterentwickelten. Aus dem «Logik-Theoretiker» wurde der «Allgemeine Problemlöser» («General Problem Solver»). Das Programm war nun in der Lage, theoretische Aufgaben zu lösen, indem es einen aktuellen Zustand mit einem gewünschten Zielzustand verglich und ihn so lange optimierte, bis die Ausführung gefunden war, die den Unterschied zwischen beiden Zuständen am weitesten verringerte. Das ist eine Methode der Fehlerreduktion, und man kann sie sich, sehr vereinfacht, wie das Trainieren des perfekten Aufschlags beim Tennis vorstellen. Bei den ersten Versuchen wird man von einem professionellen Aufschlag noch weit entfernt sein. Je öfter man jedoch die notwendigen Bewegungen in verschiedenen Positionen wiederholt, desto mehr werden sich (hoffentlich) das aktuelle und das gewünschte Ergebnis annähern. Der «Allgemeine Problemlöser» war ein klarer Beweis dafür, dass ein System Infor