KI im Test: Mensch vs. Maschine

Seit Anfang der 2000er Jahre ist der Ausdruck "künstliche Intelligenz", kurz "KI", wieder in aller Munde und aus der Kommunikation großer Tech-Konzerne ebensowenig wegzudenken wie aus den Verlautbarungen mancher Politiker. Der Grund für dieses Comeback ist der Siegeszug des Deep Learning, des mehrschichtigen Lernens. Die Technologie scheint vor nichts Halt zu machen: ob Spracherwerb, kriminalistische Untersuchungen, selbstfahrende Autos oder medizinische Diagnosen. Doch wie funktionieren solche Systeme und wo liegen ihre Grenzen? Deep Learning basiert auf extrem leistungsstarken Statistik-Tools, deren wahre Fähigkeiten jedoch von der versprochenen Intelligenz der Zukunft Lichtjahre entfernt sind. Über echte neuronale Netze verfügen allein die Menschen, die im Schatten der KI arbeiten, um sie anzulernen, zu verbessern oder ihre Algorithmen zu korrigieren. Zweifel und Kritik an der künstlichen Intelligenz werden gerade unter Entwicklern und Informatikern immer lauter. Denn die Technologie ist sehr anfällig für systematische Verzerrungen und die Reproduktion von Stereotypen. Noch problematischer ist die Undurchschaubarkeit des Systems, das sogar Forscherinnen und Forscher als "Black Box" bezeichnen, weil selbst sie kaum verstehen, wie es funktioniert. Doch ungeachtet der Schwächen "intelligenter" Maschinen schleichen sich immer mehr virtuelle Assistenten in unseren privaten und beruflichen Alltag ein. Eine Entwicklung, die die Wissenschaftsdokumentation kritisch hinterfragt.