Perspektiven von Robotik und KI

Roboter sind Treiber für den nächsten Schritt in der Künstlichen Intelligenz

Frank Kirchner, Deutsches Forschungszentrum für Künstliche Intelligenz

Autonome robotische Systeme müssen nicht nur zuverlässig und resilient sein, sondern ihre Handlungen auch nachvollziehbar vermitteln, Fehler tolerieren, an wenigen Beispielen lernen, mit Menschen im Team kollaborieren und selber proaktiv Probleme lösen. Diese Fähigkeiten sind entscheidend, damit die interessantesten Anwendungsszenarien für robotische Systeme Realität werden: der gemeinsame Einsatz von Mensch und Roboter in der Produktion von Gütern in sogenannten hybriden Teams oder der autonome Einsatz in Umgebungen, die für Menschen gefährlich oder gar nicht zugänglich sind.

So vielversprechend diese Anwendungen sind, so schwierig ist es, die notwendigen Fähigkeiten tatsächlich zu erreichen. Es ergibt sich damit das, was sich als ein KI-vollständiges Problem bezeichnen lässt. Um diese Anwendungen umzusetzen, müssen Systeme entwickelt werden, die über eine enorme strukturelle Komplexität zur nachhaltigen Interaktion mit und in natürlichen Umgebungen (einschließlich des Menschen) verfügen und dazu die ganze Palette von kognitiven Fähigkeiten abdecken: von der senso-motorischen Kontrolle des komplexen Bewegungsapparates, über die Wahrnehmung bis hin zum Planen, Schlussfolgern und einer intuitiven und proaktiven Interaktion mit Menschen. Damit legt die Robotik die Latte sehr hoch und definiert gleichzeitig den nächsten großen Schritt in der KI-Forschung. Bisher wurden Lösungen für einzelne Phänomene von Intelligenz – kognitive Leistungen wie Sprachverstehen, Bildverstehen, Schlussfolgern und Lernen – entwickelt. Die Robotik mit den oben beschriebenen Anforderungen für ihre nutzbringende Anwendung zwingt uns dazu, diese Teillösungen in einem autarken System zu integrieren. Um sich zu vergewissern, dass dies mehr ist als ein reines ‚engineering problem‘, sondern in der Tat den nächsten großen Schritt in der KI definiert, lohnt es sich, in der Geschichte der KI ein paar Seiten zurückzublättern.

Geschichte der KI

Als sich Alan Turing in der ersten Hälfte des letzten Jahrhunderts dem Thema Künstliche Intelligenz (KI) näherte, tat er dies auf dem Fundament seiner Arbeiten zur universellen Turing-Maschine , mit der er der Menschheit ein Werkzeug zur Verfügung gestellt hat, alles, was berechenbar ist, auch effektiv berechnen zu können. Der Schritt zur Beschäftigung mit KI liegt demnach sehr nahe, denn wenn es einerseits die berechenbaren Phänomene gibt, muss es andererseits auch die ‚nicht‘ berechenbaren Phänomene geben und die Frage nach der Struktur und Mächtigkeit dieser Klasse von Phänomenen ist konsequent und führt direkt zur Beschäftigung mit dem einzigen existierenden Beweis dafür, dass es zumindest möglich ist, mit diesem Phänomen umzugehen , nämlich der natürlichen Intelligenz. Alan Turing nähert sich in seiner Analyse dem Phänomen KI methodisch. So diskutiert er zunächst eine Reihe von Maschinentypen unterschiedlicher Mächtigkeit, um dann eine spezielle Klasse vorzustellen, die er ‚Unorganised Machines‘ nennt und die bereits viele Merkmale der späteren künstlichen neuronalen Netzwerke vorwegnehmen. Turing erkennt sehr klar, dass zur Erlangung von Künstlicher Intelligenz nicht nur ein effizientes Berechnungswerkzeug‚ die oben genannten ‚Unorganised machines‘, sondern eben auch die Einbettung dieser Algorithmen in einen möglichst komplexen Körper zwingend notwendig ist und beschreibt damit den Ansatz, der sich heute als Robotik etabliert hat. Wenn er im Folgenden über ‚Education of Machinery‘ anstelle von ‚Programming of Machinery‘ referiert, weist er darauf hin, dass diese Maschinen ihre Fähigkeiten zum Umgang mit Phänomenen aus der Klasse ‚nicht berechenbar‘ schrittweise erlernen müssen und zwar durch komplexe Interaktion mit der realen, komplexen Umwelt, wozu ein Körper unerlässlich ist. Es wird die zentrale Aufgabe der kommenden KI-Forschung sein, Ansätze zur effektiven Organisation – Turing nennt es ‚Organising Unorganised Machines – dieses Langzeitprozesses zu finden und Methoden zur Integration der unterschiedlichen KI-Teiltechnologien zu entwickeln, die notwendig sind, um ein solches physisch existierendes, mit einer realen Umwelt interagierendes und schrittweise lernendes System bauen, aber vor allem auch effektiv betreiben zu können.

Kernelemente von KI-Systemen

1. Es existiert ein (komplexer) physischer Körper.
2. Es existiert ein an- bzw. fortdauernder (datengetriebener) Lernprozess.
3. Es existiert ein (effektives) Organisationsprinzip der erlernten Fähigkeiten.

Bei den ersten beiden Punkten sind erhebliche Fortschritte erreicht worden. So können wir heute sehr komplexe Roboter herstellen (z. B. Humanoide), die durch Leichtbau, intelligente Materialien und generative Fertigungstechniken einerseits über eine starke Disposition zur Interaktion mit der realen Welt befähigt sind und die andererseits effektiv betrieben werden können. Auch im zweiten Punkt, den Lernverfahren, sind Fortschritte erzielt worden, die durch die Entwicklung der tiefen neuronalen Netze nochmals einen Schub in Bezug auf ihre Leistungs- bzw. Lernfähigkeit erhalten haben. Für alle Teilprobleme der KI etablieren sich probabilistische Verfahren als effektive Methoden zur Lösung – sei es Sprache, Vision, Navigation und selbst in der Regelung der komplexen Roboter-Strukturen. Es folgt daraus die Notwendigkeit für Organisations- oder Integrationsprinzipien, diesen systemimmanenten Nichtdeterminismus handhabbar zu machen, so dass die resultierenden Systeme effiziente Maschinen bleiben und die ihnen gestellten Aufgaben in vernünftiger Zeit und mit kalkulierbaren Ressourcen bewältigen. Dies führt zu dem, was der nächste große Schritt in der KI sein wird und der nach Turing mit ‚How to Organise the Unorganised‘ genannt werden kann. Mit anderen Worten: Gelingt es einerseits die notwendige Komplexität und den Nichtdeterminismus in Teilbereichen zuzulassen, aber dennoch ein in toto sich deterministisch verhaltendes System zu entwickeln. Oder werden wir akzeptieren müssen, dass diese Systeme Fehler machen werden und sind diese Fehler, die mit Turings Worten im Laufe ihrer ‚Erziehung‘ minimiert werden, aber niemals vollständig verschwinden, genau das Kriterium für die Unterscheidung von künstlichen Intelligenzen und einfachen Automaten.