Menü
Leipziger Volkszeitung | Ihre Zeitung aus Leipzig
Anmelden
Bildung Leipziger Informatiker Gerhard Brewka: „Maschinen sind und bleiben Werkzeuge“
Leipzig Bildung Leipziger Informatiker Gerhard Brewka: „Maschinen sind und bleiben Werkzeuge“
Partner im Redaktionsnetzwerk Deutschland
14:00 27.08.2019
Blick auf die Leipziger Innenstadt: Gerhard Brewka am Fenster seines Büros im achten Stock des Paulinums. Quelle: André Kempner
Leipzig

„Sie lachen sich schlapp“, sagt Gerhard Brewka, „wenn ich Ihnen mein Handy zeige“. Er präsentiert einen uralten Knochen. Sein Telefon sei „kein bisschen smart“, erklärt er und lacht selbst, dass es ansteckt. Der 64-jährige Professor der Universität Leipzigist laut Gesellschaft für Informatiktrotz seines vorsintflutlichen Mobiltelefons einer der zehn „prägenden Köpfe“ deutscher Forschung zu Künstlicher Intelligenz (KI). In einem Wissenschaftsjahr, das das Bundesforschungsministerium der KI widmet, ist das eine besondere Wertschätzung.

Im KI-Teilbereich „Wissensrepräsentation und Schlussfolgern“ sind Sie ein Experte für „nicht-monotone Logik“. Was in aller Welt machen Sie?

Das möchten meine Frau und meine Töchter auch immer von mir wissen. Aber wenn ich anfange, es ihnen zu erklären, rufen sie nach zwei Minuten: Hör auf! Dabei ist es einfach. Über die Wissensrepräsentation sagen manche mit leicht negativem Zungenschlag, das sei die gute altmodische Künstliche Intelligenz. Grob gesagt orientieren wir uns daran, wie der Mensch mit Wissen umgeht, und versuchen, für die Maschine einen ähnlichen Lösungsweg zu programmieren. Wir Menschen tauschen Wissen aus, indem wir miteinander sprechen und lesen. Beim maschinellen Lernendagegen – einer alternativen und der zurzeit angesagten Methode – vermehrt eine KI ihre Kenntnisse dadurch, dass sie millionenfach Experimente wiederholt.

Wissensrepräsentation und maschinelles Lernen müssen keine Konkurrenten sein

Sie hingegen bringen der Maschine bei, wie ein Mensch zu schlussfolgern?

Das versuchen wir. Und zwar eben nicht mit Hilfe klassischer Logik, sondern „nicht-monoton“ – wie wir Menschen es im Alltag ohne großes Nachdenken ebenfalls tun, wenn wir mit Inkonsistenzen umgehen. Angenommen Ihre Frau legt Ihnen einen Zettel hin: „Oma kommt am Freitag, dem 13., und die Pizza ist im Kühlschrank.“ Wenn sich nun herausstellt, dass der Freitag in Wirklichkeit der 12. ist, kriegen Sie nach den Regeln der klassischen Logik ein Problem: Weil die Angaben Ihrer Frau nicht schlüssig sind, lässt sich alles folgern. Aber im echten Leben würden Sie jetzt nicht im Keller nach der Pizza suchen, oder?

Wohl kaum.

Ihnen ist klar, dass beide Informationen nichts miteinander zu tun haben. Entsprechend gelten viele Zusammenhänge normalerweise, aber eben nicht ausnahmslos. Das einer Maschine begreiflich zu machen, ist kompliziert. Ein bekanntes Beispiel sind die Vögel, die fliegen können ...

... außer der Pinguin.

Genau. Die Frage ist: Wie geht man als Programmierer mit so etwas um? Plausibles Schließen auf der Basis von solchen Regeln mit Ausnahmen – das ist es, was meine Arbeitsgruppe und ich der Maschine beibringen möchten. Dabei schauen wir uns auch an, wie Menschen argumentieren, um eine Entscheidung zu treffen. Die berühmte Pro- und Contra-Liste etwa, wenn man überlegt, ob man ein Jobangebot annehmen soll oder nicht. Nach solchen Vorbildern wollen wir den Computer befähigen, Konflikte zwischen widersprüchlichen Informationen zu lösen.

Lässt sich Ihre Methode so verallgemeinern, dass sie für jede noch so komplexe Frage mit noch so vielen Ausnahmen eine plausible Antwort findet?

Das ist die Hoffnung. Der Teufel steckt natürlich im Detail. Doch erklären zu können, wie Künstliche Intelligenzen Entscheidungen fällen, ist momentan ein heißes Thema. Da haben unsere argumentations- und logikbasierten Ansätze gegenüber Anwendungen des maschinellen Lernens einen Vorteil. Trotzdem sind es vor allem die jüngsten spektakulären Erfolge im maschinellen Lernen, die zu einer Aufmerksamkeit für KI geführt haben, wie ich Sie in den mehr als 30 Jahren nicht erlebt habe, in denen ich auf diesem Gebiet forsche.

Die Jury hat die zehn Plätze dennoch ziemlich gleichmäßig unter Forschern der Wissensrepräsentation und des maschinellen Lernens verteilt.

Da war ich überrascht. Gerade weil das maschinelle Lernen zurzeit so im Fokus steht, hatte ich auch nicht damit gerechnet, selbst aufzutauchen. Es ist eine große Ehre und freut mich sehr. Vor allem aber setzt sich vielleicht zunehmend die Erkenntnis durch, dass die beiden Bereiche keine Konkurrenten sein müssen, sondern sich gegenseitig ergänzen können. Es gibt Aufgaben, da ist maschinelles Lernen unschlagbar, Bilderkennung etwa. Es ergibt wenig Sinn, in einer Wissensrepräsentationssprache zu beschreiben, woran man eine Katze erkennt. Das prägt sich die Maschine durch millionenfache Erfahrung besser ein. Aber wenn sie trotzdem zu einem falschen Schluss kommt, lässt sich kaum feststellen, wo der Fehler liegt. An dieser Stelle kommen Wissensrepräsentation und Schlussfolgern ins Spiel.

„Wenn es um Leben und Tod geht, soll lieber der Arzt entscheiden“

Um nachzuvollziehen, warum eine Maschine eine Entscheidung so fällt, wie sie sie fällt?

Ja. Die europäische Datenschutzgrundverordnung fordert sogar ausdrücklich, dass wir in der Lage sein müssen, Entscheidungen von Algorithmen zu begründen. Wenn Ihr Kreditrahmen schrumpft, hat die Maschine zuvor vielleicht aufgrund statistischer Daten irgendwelche Parameter modifiziert. Am Ende stehen Zahlen an Knoten, und hinten kommt was raus. Da hoffen wir, die Entscheidungsfindung mit Argumentationstechniken transparenter gestalten zu können.

Sollte die letzte Entscheidung denn überhaupt bei einer Maschine liegen?

Ich finde, das hängt davon ab, wie groß das Risiko ist und welcher Schaden möglicherweise durch eine Ungerechtigkeit entsteht. Ob eine Versicherungsprämie fünf Euro mehr oder weniger beträgt, darf ruhig die Maschine entscheiden. Wenn es aber im Krankenhaus um Leben und Tod geht, soll lieber der Arzt das letzte Wort sprechen. Maschinen sind und bleiben Werkzeuge, die man benutzt. Sie helfen, Dinge besser zu lösen. Wobei auch dieser Grundsatz schon beim autonomen Fahren an seine Grenze stößt: Da muss das System im Zweifelsfall sofort auf die Bremse treten und sollte den Fahrer nicht erst beratschlagen.

Kann sich eine Maschine so etwas wie eine menschliche Intuition aneignen, ein Bewusstsein entwickeln?

Das ist eine schwierige Frage. Zumindest für unsere Arbeiten steht der Werkzeugcharakter der KI im Vordergrund. Der Rechner weiß, was er mit den Informationen, die er als Symbole erhält, machen soll. Aber er weiß nicht, was das alles mit der echten Welt zu tun hat. Für ihn führt „Regen“ zu „nass“, wie eben „A“ zu „B“ führt – weder der eine, noch der andere Zusammenhang hat für die KI aber eine Bedeutung. Wenn man in der KI-Forschung eines lernt, dann ist es das, die Fähigkeiten des menschlichen Geistes wertzuschätzen. Selbst die tollsten Computersysteme sind bislang nur in einem jeweils sehr kleinen Bereich gut. Kein Vergleich zu dem, was ein Mensch alles kann: Gesichter erkennen, Sprachen lernen, sich auf beliebig viele Situationen flexibel einstellen. Die KI-Forschung wird vermutlich nicht ewig so angesagt wie jetzt bleiben. So etwas ändert sich in Wellen, und man muss höllisch aufpassen, in Hochphasen keine Versprechungen zu machen, die sich nicht halten lassen. Sonst sind am Ende alle fürchterlich enttäuscht und erklären das gesamte Feld zu Blödsinn.

Von Mathias Wöbking

Die Handelshochschule Leipzig (HHL) verleiht der Bundeskanzlerin am Sonnabend die Ehrendoktorwürde. Es ist bereits Angela Merkels 18. Doktorhut. Begründet wird die Auszeichnung mit der „Führungsraute“ der Politikerin – ihrem charakteristischen Stil als Chefin.

27.08.2019

Am Sonnabend, 24. August, lädt das Leipziger Porsche-Ausbildungszentrum von 10 bis 13 Uhr Schulabgänger und deren Eltern zum Tag der offenen Tür ein.

22.08.2019

Sie sind die Experten für die Tücken der Teilhabe. Daher sollen Menschen mit Behinderung an der Uni Leipzig künftig Lehramtsstudenten unterrichten. Am Mittwoch hat Sachsens Wissenschaftsministerin Eva-Maria Stange das Projekt „QuaBiS“ besucht.

21.08.2019