Bevor es zu spät ist: KI muss jetzt moralisch werden

Künstliche Intelligenz muss für Fujitsu „human centric“ sein

| Autor / Redakteur: Dr. Dietmar Müller / Ulrike Ostler

Künstilche Intelligenz verändert die Rechenzentren, die IT, die Gesellschaft ... Wie stellt sich Fujitsu auf?
Künstilche Intelligenz verändert die Rechenzentren, die IT, die Gesellschaft ... Wie stellt sich Fujitsu auf? (Bild: Vogel IT-Medien GmbH)

Künstliche Intelligenz wird immer wichtiger und provoziert vermutlich den größten Umschwung in der IT seit der Hollerith-Maschine. In einer losen Reihe sehen wir uns an, welche Vorstöße aktuell unternommen werden. Nachdem bereits IBM unterm Mikroskop war, sind heute die Anstrengungen von Fujitsu dran.

Dr. Joseph Reger, Fujitsu Fellow, Chief Technology Officer EMEIA, gab kürzlich einen detaillierten Einblick. In seiner Keynote auf dem Fujitsu Forum 2016 in München erläuterte er, dass man statt von Künstlicher Intelligenz oder Artificial Intelligence (AI) besser vom Maschinenlernen spricht.

Denn darum gehe es letztendlich: Computer so zu trainieren, dass sie ein Gegenüber erkennen und adäquat darauf reagieren können. Heutzutage kann Software in vielen Fällen bereits Anomalien erkennen – das kommt etwa bei der Abwehr von Cyber-Angriffen zum Einsatz, oder bei der Parkplatzüberwachung, bei der der Rechner die leeren Stellplätze erkennen kann.

Solche Aufgaben sind alles andere als trivial und beziehen viele verschiedene Faktoren mit ein: Bereits im letzten Jahr startete Fujitsu den Feldversuch mit einer Parkplatzanalyse in Dubai. Dazu nutzten die Experten lediglich Überwachungskameras, um die Parkbedingungen zu überprüfen, und erfassten Informationen wie die Anzahl der Autos.

Mit Hilfe der AI-Bildanalyse konnte Fujitsu weit mehr über eine Stadt lernen als die reine Parkplatzanalyse. So verhält sich zum Beispiel jemand, der einfach zu seinem Auto geht anders als jemand, der ein Fahrzeug stehlen möchte.

Ergänzendes zum Thema
 
Die Fujitsu AI Consulting Division

Erkennt ein lernendes System diese Indizien, lässt sich die Kriminalitätsrate vielleicht langfristig sogar senken. Indem die Bewegungen der Menschen und Fahrzeuge in einem Ballungsgebiet umfänglich erfasst werden, könnten die städtische Lebensqualität sowie die Sicherheit mit entsprechenden Analysen auf Dauer erhöht werden.

Wie funktioniert Maschinenlernen?

Um zu verstehen, wie künstliche Intelligenz funktioniert, so Reger, müsste man zunächst verstehen, wie der Mensch lernt. Im Gehirn stecken 100 Milliarden Neuronen, die über Synapsen miteinander kommunizieren. Sobald ein Mensch sich in etwas übe, erhöhe sich die Frequenz der Impulse an den Synapsen und ein Muster entstehe.

Mit der so genannten Langzeitpotenzierung (LTP) prägen Menschen sich Dinge ein. Als entscheidend für den Erfolg stellt Dr. Reger die Intensität, den Zeitpunkt sowie die Anzahl der Impulse in den Vordergrund. Ein Phänomen, das man selbst an jedem Tag beobachten könne. Je stärker der Impuls, desto eher merken Menschen sich etwas. Ähnlich wie das menschliche Gehirn funktionierten auch „Simplified (Arftificial) Neural Networks“.

Sie folgen einem Algorithmus, der dem Übertragungsweg der Neuronen ähnelt und arbeiten mit Wahrscheinlichkeiten. Geht man noch einen Schritt weiter, stoße man auf das „Convolutional Neural Network (CNN)“. CNNs verwandeln gesprochene Sprache in Text und erkennen Gesichter –ganz wie das populäre CNN-Netzwerk mit der Bezeichnung „Siri“.

Reger betont, dass jeder Mensch bereits heute jeden Tag von künstlicher Intelligenz umgeben wird. Auf dem Düsseldorfer Flughafen parke beispielsweise „Ray“ vollautomatisch den Wagen. „Ray“, der Parkroboter, bekommt mehr Autos auf die Parkfläche als ein Mensch es je könnte. Die Wortsuche in den Editoren der jüngsten Smartphone-Generationen sind bereits lernend und somit auf den jeweiligen Nutzer angepasst.

AI kostet Jobs und überwacht uns

Das sei aber erst der Anfang. Reger zeigte sich überzeugt, dass Roboter – „das sind einfach künstlich intelligente Computer auf Rädern oder Beinen“, so Reger – den Menschen viele Jobs wegnehmen werden. Eine Studie der Oxford Universität aus dem Jahr 2013 habe ergeben, dass 47 Prozent der Arbeitsplätze in den Vereinigten Staaten innerhalb der nächsten 20 Jahre durch Maschinen ersetzt werden.

Gleichzeitig erwartet Reger dass AI die Wachstumsrate des Bruttosozialprodukts eines Landes glatt verdoppeln könne. Eine paradoxe Entwicklung, die uns sogar gefährlich werden könnte, weswegen wir dringend ein „moral framework“ für die Entwicklung künstlicher Intelligenz benötigen, so der langjährige CTO. In seiner Vorstellung müsste die künstliche Intelligenz „human centric“, also auf den Menschen zugeschnitten werden.

Passend dazu präsentierte Fujitsu in München ein neues System für das Gesundheitswesen. Es soll Krankenhäusern dabei helfen, bessere Entscheidungen zu treffen. Die Anwendung ist im San Carlos Clinical Hospital in Madrid bereits erfolgreich im Einsatz. Als Grundlage diente Fujitsu dazu eine Forschung über die Nutzung von ausgereiften Datenanalysen für Anwendungen im Gesundheitswesen.

Komfort und Gesundheit contra Überwachung und Verlust von Freiheit

Damit ist die Lösung ein hervorragendes Beispiel für die modernen Anonymisierungstechnologien der Fujitsu Laboratorien sowie für Fujitsus Datenanalyse-Technologien und wie diese auf die jeweilig wechselnde Anforderungen zugeschnitten werden können – so wie hier auf das spanische Gesundheitswesen. Die Lösung stellt die Basis für ein neues Health Application Programming Interface (API), das in der Fujitsu Cloud oder lokal implementiert werden kann.

Im Bereich des Gesundheitswesens erscheint die Hilfe künstlicher Gehirne noch sehr plausibel, die Überwachung von Körperfunktionen kann aber auch beängstigende Ausmaße annehmen: Fujitsu stellte in München auch ein System mit der Bezeichnung „Fujitsu Driver Drowsiness Detector“ vor. Es behält den Puls eines Fahrers „im Auge“ – und damit auch seine Müdigkeit. Denn gerade in der Transportbranche herrscht oft ein hoher Termindruck und trotz der Lenk- und Ruhezeiten macht eine eintönige Fahrt auf Dauer müde.

KI auf der Straße

Müdigkeit kann auf der Straße schnell zur tödlichen Gefahr werden. Damit Fahrer erst gar nicht in eine solche Situation kommen, steuert Fujitsu mit einer neuen Flotten-Management-Lösung dagegen. Ein Sensor am Ohrläppchen misst den Puls, das Gerät selbst trägt der Fahrer um den Hals. Mit dem Smartphone verbunden kann sich der Kraftfahrer seinen aktuellen Fitnesslevel auf einem Dashboard ansehen.

Mit jedem Kilometer lernt das System dazu. Aufgrund eines integrierten Lern- und Kalibrierungs-Algorithmus optimiert sich das System mit jedem Einsatz. Fahrer und Fuhrparkleiter können Risiken wie eintönige Strecken oder müdigkeitsbedingte Tiefpunkte erkennen und vermeiden.

Wieso aber das System auf die Logistikbranche beschränken? Prinzipiell wäre es denkbar, jedes Fahrzeug mit einer solchen Lösung auszustatten. Dann ließe sich der Motor nur starten, wenn wir voll fit wären – eine schöne oder beängstigende Vision, in der uns die Entscheidungsfreiheit über unser Leben weitgehend abgenommen würde?

Die Human Centric AI“, genannt „Zinrai“ ist Fujitsus Äquivalent zu IBMs Watson, allerdings mit einer deutlich kürzeren Historie.
Die Human Centric AI“, genannt „Zinrai“ ist Fujitsus Äquivalent zu IBMs Watson, allerdings mit einer deutlich kürzeren Historie. (Bild: Fujitsu)

AI verändert die IT

Künstliche Intelligenz verändert aber nicht nur Branchen wie Logistik oder Gesundheitswesen, auch die Rolle der IT verändere sich. Laut der Fujitsu-Studie „Der digitale Drahtseilakt“ sehen die Befragten die Verantwortung für den digitalen Wandel vor allem in den Händen der IT-Abteilungen.

CTO Reger sieht sie auch woanders: Nicht im Rechenzentrum, sondern auf Business-Ebene würden die Weichen in eine digitale und künstlich intelligente Zukunft gestellt.

In den vergangenen Jahren waren die technischen Fortschritte im Bereich Künstlicher Intelligenz immens, was laut Fujitsu vor allem auf die Weiterentwicklung passender GPUs und Hardware zurückführen ist. Insbesondere Grafikprozessoren eigneten sich besonders gut, ähnliche oder gleiche Rechenprozesse parallel zu bearbeiten. Das entsprechende von Fujitsu entwickelte Programm hört auf die Bezeichnung „Alexnet“.

Die Funktionsweise von „Alexnet“.
Die Funktionsweise von „Alexnet“. (Bild: Fujitsu)

Durch die Verwendung von Alexnet sollen 64 parallele GPUs insgesamt 27-mal schneller als durch die Verwendung einer einzelnen GPU bei der Bearbeitung von Deep-Learning-Berechnungen arbeiten. Dies bedeute eine Beschleunigung der Rechenzeit von 71 Prozent. Fujitsu will die neue Technologie zeitnah über sein KI-Programm „Zinrai“ kommerzialisieren.

* Dietmar Müller ist freier Autor und lebt in Niederbayern.

Was meinen Sie zu diesem Thema?

Schreiben Sie uns hier Ihre Meinung ...
(nicht registrierter User)

Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
Kommentar abschicken
copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 44431027 / Strategien)