Künstliche Intelligenz (KI) ist eine der transformativsten Kräfte unserer Zeit. Während darüber diskutiert werden mag, ob KI unsere Welt auf gute oder böse Weise verändern wird, sind wir uns alle einig, dass KI ohne Big Data nichts wäre. Big Data und KI gelten als zwei Giganten. Maschinelles Lernen gilt als eine fortgeschrittene Version der KI, mit der intelligente Computer Daten senden oder empfangen und durch die Analyse der Daten ohne menschliche Hilfe neue Konzepte erlernen können. Der Large Hadron Collider beispielsweise wird etwa 15 Petabyte an Daten pro Jahr erzeugen. Das ist nichts im Vergleich zu dem, was passiert, wenn wir ein ganzes Gehirn kartieren, wofür etwa eine Million Petabyte an Daten erforderlich sind. Astronomie, Chemie, Klimastudien, Genetik, Recht, Materialwissenschaften, Neurobiologie, Netzwerktheorie oder Teilchentheorie sind nur einige Bereiche, die bereits durch große Datenbanken verändert werden. Jetzt erreicht diese Revolution auch die Geisteswissenschaften. Das riesige Buchprogramm von Google, das Millionen von Büchern digitalisiert hat, hat eine Anwendung entwickelt, die Forschern Zugriff auf eine Datenbank mit Milliarden von Wörtern aus mehreren Sprachbereichen und zwei Jahrhunderten verschafft: „Big-and-Long Data“. Das Programm von Google – Ngram Viewer – bietet mehr als nur einen einzigartigen Einblick in die Geschichte der Wörter. Es verspricht, die Art und Weise, wie Historiker arbeiten, und unser Bild von der Geschichte selbst zu verändern. Eine neue Art von Anwendungsbereich – Big Data – wird die Geisteswissenschaften verändern, die Sozialwissenschaften transformieren und die Beziehung zwischen dem Welthandel und dem „Elfenbeinturm“ neu verhandeln. Gleichzeitig spielt die kognitive Architektur eine entscheidende Rolle bei der Bereitstellung von Blaupausen für den Aufbau intelligenter Systeme, die ein breites Spektrum an Fähigkeiten unterstützen, die denen des Menschen ähneln. Die neuronale Netzwerkarchitektur zum Lernen von Wortvektoren kann mehr als 100 Milliarden Wörter pro Tag trainieren. Eine neuronale maschinelle Übersetzung (NMT) übersetzt zwischen mehreren Sprachen, und NMT kann auch lernen, eine implizite Überbrückung zwischen Sprachpaaren durchzuführen, die während des Trainings nie explizit gesehen wurde. Dies zeigt, dass Transferlernen und Zero-Shot-Übersetzung für neuronale Übersetzung möglich sind. Ein neuartiger Trainingsrahmen – Deep Reinforcement Learning (RL) für durchgängiges Lernen in einer völlig bodenlosen synthetischen Welt, in der die Agenten über Symbole ohne vorab festgelegte Bedeutungen kommunizieren – für visuell fundierte Dialogagenten zeigte, dass zwei Bots ihre eigenen erfinden eigenes Kommunikationsprotokoll ohne menschliche Aufsicht (leere Tabelle?). RL-Agenten übertreffen nicht nur die überwachten Lernagenten erheblich, sondern lernen auch, die Stärken des anderen auszunutzen und bleiben dabei für externe menschliche Beobachter interpretierbar. Bot-Talk erinnert an Zwillingsgespräche, poststrukturalistische Romane oder kulturell eingeschränkte Sprachen. KI-Sprachen können ausgehend von einer natürlichen menschlichen Sprache entwickelt oder von Anfang an erstellt werden.

Pedro R. Garcia Barreno, MD, Ph.D., MBA.
der Royal Spanish Academy
der Königlichen Akademie der Wissenschaften Spaniens
des Wissenschaftlichen Ausschusses von FIDE