KI – Künstliche Intelligenz
Inhaltsverzeichnis
KI – Künstliche Intelligenz
Künstliche Intelligenz (KI), auch artifizielle Intelligenz (AI), englisch artificial intelligence, ist ein Teilgebiet der Informatik, es umfasst alle Anstrengungen, deren Ziel es ist, Maschinen intelligent zu machen. Dabei wird Intelligenz verstanden als die Eigenschaft, die ein Wesen befähigt, angemessen und vorausschauend in seiner Umgebung zu agieren; dazu gehört die Fähigkeit, Sinneseindrücke wahrzunehmen und darauf zu reagieren, Informationen aufzunehmen, zu verarbeiten und als Wissen zu speichern, Sprache zu verstehen und zu erzeugen, Probleme zu lösen und Ziele zu erreichen.
Seit der Begriffsprägung im Jahre 1955 hat sich eine Reihe relativ selbständiger Teildisziplinen herausgebildet:
- Mustererkennung, wozu auch Spracherkennung und Handschrifterkennung zählen
- Wissensmodellierung einschließlich Logischer Programmierung und Inferenzmaschinen
- Expertensysteme, Frage-Antwort-Systeme und Chatbots
- Maschinelles Lernen
- Künstliche neuronale Netze und Deep Learning
- Computer Vision
- Robotik
- Universelle Spieleprogramme.
Zur Forschungsrichtung künstliches Leben bestehen enge Beziehungen. Das Fernziel der KI ist die als starke KI oder künstliche allgemeine Intelligenz bezeichnete Fähigkeit eines intelligenten Agenten, jede intellektuelle Aufgabe zu verstehen oder zu erlernen, die der Mensch oder ein anderes Lebewesen bewältigen kann.
Praktische Erfolge der KI werden schnell in die Anwendungsbereiche integriert und zählen dann nicht mehr zur KI. Wegen dieses sog. „KI-Effekts“[1] scheint die KI-Forschung sich nur mit harten Nüssen abzumühen, die sie nicht knacken kann, was auch Teslers „Theorem“ zum Ausdruck bringt: „Intelligenz ist das, was Maschinen noch nicht gemacht haben“.
Allgemeines
Im Verständnis des Begriffs künstliche Intelligenz (KI) spiegelt sich die aus der Aufklärung stammende materialistische Vorstellung des „Menschen als Maschine“ wider. « L' Homme-Machine », so lautet der Titel des einschlägigen „blasphemischen Werkes“ des Radikalaufklärers La Mettrie aus dem Jahre 1748. Die sogenannte starke KI setzt sich genau dies zum Ziel. Sie möchte eine Intelligenz erschaffen, die das menschliche Denken mechanisch nachbildet,[2] Sie möchte eine Maschine konstruieren, die intelligent reagiert, die sich wie ein Mensch verhält.
Die Ziele der starken KI sind nach Jahrzehnten der Forschung weiterhin visionär.
Begriffsherkunft und Definitionsversuche
Der Begriff künstliche Intelligenz (im englischen Original artificial intelligence) wurde 1955 von dem US-amerikanischen Informatiker John McCarthy im Rahmen eines Förderantrags für ein Forschungsprojekt geprägt.[3][4]
Es existieren zahlreiche Definitionen für den Begriff der KI. Je nach Sichtweise wird die künstliche Intelligenz in Industrie, Forschung und Politik entweder über die zu erzielenden Anwendungen oder den Blick auf die wissenschaftlichen Grundlagen definiert:
„Künstliche Intelligenz ist die Eigenschaft eines IT-Systems, »menschenähnliche«, intelligente Verhaltensweisen zu zeigen.“
„Die künstliche Intelligenz [...] ist ein Teilgebiet der Informatik, welches sich mit der Erforschung von Mechanismen des intelligenten menschlichen Verhaltens befaßt [...].“
„Unter künstlicher Intelligenz (KI) verstehen wir Technologien, die menschliche Fähigkeiten im Sehen, Hören, Analysieren, Entscheiden und Handeln ergänzen und stärken.“
„Künstliche Intelligenz ist die Fähigkeit einer Maschine, menschliche Fähigkeiten wie logisches Denken, Lernen, Planen und Kreativität zu imitieren.“
Starke und schwache KI
Starke KI wären kognitive Systeme, die auf Augenhöhe mit Menschen die Arbeit zur Erledigung schwieriger Aufgaben übernehmen können. Demgegenüber geht es bei schwacher KI darum, konkrete Anwendungsprobleme zu meistern. Das menschliche Denken und technische Anwendungen sollen hier in Einzelbereichen unterstützt werden.[2] Die Fähigkeit zu lernen ist eine Hauptanforderung an KI-Systeme und muss ein integraler Bestandteil sein, der nicht erst nachträglich hinzugefügt werden darf. Ein zweites Hauptkriterium ist die Fähigkeit eines KI-Systems, mit Unsicherheit und probabilistischen Informationen umzugehen.[8] Insbesondere sind solche Anwendungen von Interesse, zu deren Lösung nach allgemeinem Verständnis eine Form von „Intelligenz“ notwendig zu sein scheint. Letztlich geht es der schwachen KI somit um die Simulation intelligenten Verhaltens mit Mitteln der Mathematik und der Informatik, es geht ihr nicht um Schaffung von Bewusstsein oder um ein tieferes Verständnis von Intelligenz. Während die Schaffung starker KI an ihrer philosophischen Fragestellung bis heute scheiterte, sind auf der Seite der schwachen KI in den letzten Jahren bedeutende Fortschritte erzielt worden.
Ein starkes KI-System muss nicht viele Gemeinsamkeiten mit dem Menschen haben. Es wird wahrscheinlich eine andersartige kognitive Architektur aufweisen und in seinen Entwicklungsstadien ebenfalls nicht mit den evolutionären kognitiven Stadien des menschlichen Denkens vergleichbar sein (Evolution des Denkens). Vor allem ist nicht anzunehmen, dass eine künstliche Intelligenz Gefühle wie Liebe, Hass, Angst oder Freude besitzt.[9]
Forschungsgebiete
Neben den Forschungsergebnissen der Kerninformatik selbst sind in die Erforschung der KI Ergebnisse der Psychologie, Neurologie und Neurowissenschaften, der Mathematik und Logik, Kommunikationswissenschaft, Philosophie und Linguistik eingeflossen. Umgekehrt nahm die Erforschung der KI auch ihrerseits Einfluss auf andere Gebiete, vor allem auf die Neurowissenschaften. Dies zeigt sich in der Ausbildung des Bereichs der Neuroinformatik, der der biologieorientierten Informatik zugeordnet ist, sowie der Computational Neuroscience.
Bei künstlichen neuronalen Netzen handelt es sich um Techniken, die ab Mitte des 20. Jahrhunderts entwickelt wurden und auf der Neurophysiologie aufbauen.
KI stellt somit kein geschlossenes Forschungsgebiet dar. Vielmehr werden Techniken aus verschiedenen Disziplinen verwendet, ohne dass diese eine Verbindung miteinander haben müssen.
Eine wichtige Tagung ist die International Joint Conference on Artificial Intelligence (IJCAI), die seit 1969 stattfindet.
Geschichte
Teilgebiete
Wissensbasierte Systeme
Wissensbasierte Systeme modellieren eine Form rationaler Intelligenz für sogenannte Expertensysteme. Diese sind in der Lage, auf eine Frage des Anwenders auf Grundlage formalisierten Fachwissens und daraus gezogener logischer Schlüsse Antworten zu liefern. Beispielhafte Anwendungen finden sich in der Diagnose von Krankheiten oder der Suche und Beseitigung von Fehlern in technischen Systemen.
Beispiele für wissensbasierte Systeme sind Cyc und Watson.
Musteranalyse und Mustererkennung
Visuelle Intelligenz ermöglicht es, Bilder beziehungsweise Formen zu erkennen und zu analysieren. Als Anwendungsbeispiele seien hier Handschrifterkennung, Identifikation von Personen durch Gesichtserkennung, Abgleich der Fingerabdrücke oder der Iris, industrielle Qualitätskontrolle und Fertigungsautomation (letzteres in Kombination mit Erkenntnissen der Robotik) genannt.
Mittels sprachlicher Intelligenz ist es beispielsweise möglich, einen geschriebenen Text in gesprochene Sprache umzuwandeln (Sprachsynthese) und umgekehrt einen gesprochenen Text zu verschriftlichen (Spracherkennung). Diese automatische Sprachverarbeitung lässt sich ausbauen, so dass etwa durch latente semantische Analyse (kurz LSI) Wörtern und Texten Bedeutung beigemessen werden kann.
Beispiele für Systeme zur Mustererkennung sind Google Brain und Microsoft Adam.[10]
Mustervorhersage
Die Mustervorhersage ist eine Erweiterung der Mustererkennung. Sie stellt etwa die Grundlage des von Jeff Hawkins definierten hierarchischen Temporalspeichers dar.
“Prediction is not just one of the things your brain does. It is the primary function of the neocortex, and the foundation of intelligence.”
„Vorhersage ist nicht einfach nur eines der Dinge, die dein Gehirn tut. Sie ist die Hauptfunktion des Neocortex und das Fundament der Intelligenz.“
Solche Systeme bieten den Vorteil, dass z. B. nicht nur ein bestimmtes Objekt in einem einzelnen Bild erkannt wird (Mustererkennung), sondern auch anhand einer Bildserie vorhergesagt werden kann, wo sich das Objekt als nächstes aufhalten wird.
Robotik
Die Robotik beschäftigt sich mit manipulativer Intelligenz. Mit Hilfe von Robotern können unter anderem gefährliche Tätigkeiten wie etwa die Minensuche oder auch immer gleiche Manipulationen, wie sie z. B. beim Schweißen oder Lackieren auftreten können, automatisiert werden.
Der Grundgedanke ist es, Systeme zu schaffen, die intelligente Verhaltensweisen von Lebewesen nachvollziehen können. Beispiele für derartige Roboter sind ASIMO und Atlas.
Künstliches Leben
KI überlappt sich mit der Disziplin künstliches Leben (Artificial life, AL),[12] wird als übergeordnete oder auch als eine Subdisziplin gesehen.[13] AL muss deren Erkenntnisse integrieren, da Kognition eine Kerneigenschaft von natürlichem Leben ist, nicht nur des Menschen.
AI-Alignment
Das junge Forschungsfeld der AI-Alignment (zu deutsch KI-Ausrichtung) beschäftigt sich mit der Ausrichtung von KI nach menschlichen Werten und Normen. Unabhängig von der Frage, ob die KI in Frage über eine Form von Bewusstsein verfügt, verhält sich jede KI entsprechend ihres Trainings. Unter anderem durch Fehler oder Lücken im Training kann einer KI leicht Verhalten antrainiert werden, das nicht mit menschlichen Werten vereinbar ist.[8] Die Forschung versucht herauszufinden, wie und ob ethisches Verhalten in KI sichergestellt werden kann, um Probleme wie etwa im Einsatz von KI in Krankenhäusern und Gerichtssälen zu verhindern, aber auch, um die Risiken durch weit fortgeschrittene KI wie etwa im Falle von Technologischer Singularität, zu minimieren.[9]
Methoden
Die Methoden der KI lassen sich grob in zwei Dimensionen einordnen: symbolische vs. neuronale KI und Simulationsmethode vs. phänomenologische Methode. Die Zusammenhänge veranschaulicht die folgende Grafik:
Die Neuronale KI verfolgt einen Bottom-up-Ansatz und möchte das menschliche Gehirn möglichst präzise nachbilden. Die symbolische KI verfolgt umgekehrt einen Top-down-Ansatz und nähert sich den Intelligenzleistungen von einer begrifflichen Ebene her. Die Simulationsmethode orientiert sich so nah wie möglich an den tatsächlichen kognitiven Prozessen des Menschen. Dagegen kommt es dem phänomenologischen Ansatz nur auf das Ergebnis an.
Viele ältere Methoden, die in der KI entwickelt wurden, basieren auf heuristischen Lösungsverfahren. In jüngerer Zeit spielen mathematisch fundierte Ansätze aus der Statistik, der mathematischen Programmierung und der Approximationstheorie eine bedeutende Rolle.
Die konkreten Techniken der KI lassen sich grob in Gruppen einteilen:
Suchen
Die KI beschäftigt sich häufig mit Problemen, bei denen nach bestimmten Lösungen gesucht wird. Verschiedene Suchalgorithmen werden dabei eingesetzt. Ein Paradebeispiel für die Suche ist der Vorgang der Wegfindung, der in vielen Computerspielen eine zentrale Rolle einnimmt und auf Suchalgorithmen wie zum Beispiel dem A*-Algorithmus basiert.
Planen
Neben dem Suchen von Lösungen stellt das Planen einen wichtigen Aspekt der KI dar. Der Vorgang des Planens unterteilt sich dabei in zwei Phasen:
- Die Zielformulierung: Ausgehend vom momentanen Umgebungs- bzw. Weltzustand wird ein Ziel definiert. Ein Ziel ist hierbei eine Menge von Weltzuständen, bei der ein bestimmtes Zielprädikat erfüllt ist.
- Die Problemformulierung: Nachdem bekannt ist, welche Ziele angestrebt werden sollen, wird in der Problemformulierung festgelegt, welche Aktionen und Weltzustände betrachtet werden sollen. Es existieren hierbei verschiedene Problemtypen.
Planungssysteme planen und erstellen aus solchen Problembeschreibungen Aktionsfolgen, die Agentensysteme ausführen können, um ihre Ziele zu erreichen.
Optimierungsmethoden
Oft führen Aufgabenstellungen der KI zu Optimierungsproblemen. Diese werden je nach Struktur entweder mit Suchalgorithmen aus der Informatik oder, zunehmend, mit Mitteln der mathematischen Programmierung gelöst. Bekannte heuristische Suchverfahren aus dem Kontext der KI sind evolutionäre Algorithmen.
Logisches Schließen
Eine Fragestellung der KI ist die Erstellung von Wissensrepräsentationen, die dann für automatisches logisches Schließen benutzt werden können. Menschliches Wissen wird dabei – soweit möglich – formalisiert, um es in eine maschinenlesbare Form zu bringen. Diesem Ziel haben sich die Entwickler diverser Ontologien verschrieben.
Schon früh beschäftigte sich die KI damit, automatische Beweissysteme zu konstruieren, die Mathematikern und Informatikern beim Beweisen von Sätzen und beim Programmieren (Logikprogrammierung) behilflich wären. Zwei Schwierigkeiten zeichneten sich ab:
- Formuliert man Sätze in den natürlicher Sprache nahen, relativ bequemen Beschreibungssprachen, werden die entstehenden Suchprobleme allzu aufwändig. In der Praxis mussten Kompromisse geschlossen werden, bei denen die Beschreibungssprache für den Benutzer etwas umständlicher, die zugehörigen Optimierungsprobleme für den Rechner dafür jedoch einfacher zu handhaben waren (Prolog, Expertensysteme).
- Selbst mächtige Beschreibungssprachen werden unhandlich, wenn man versucht, unsicheres oder unvollständiges Wissen zu formulieren. Für praktische Probleme kann dies eine ernste Einschränkung sein. Die aktuelle Forschung untersucht daher Systeme, die die Regeln der Wahrscheinlichkeitsrechnung anwenden, um Unwissen und Unsicherheit explizit zu modellieren. Algorithmisch unterscheiden sich diese Methoden von den älteren Verfahren: neben Symbolen werden auch Wahrscheinlichkeitsverteilungen manipuliert.
Eine andere Form des logischen Schließens stellt die Induktion dar (Induktionsschluss, Induktionslogik), in der Beispiele zu Regeln verallgemeinert werden (maschinelles Lernen). Auch hier spielen Art und Mächtigkeit der Wissensrepräsentation eine wichtige Rolle. Man unterscheidet zwischen symbolischen Systemen, in denen das Wissen – sowohl die Beispiele als auch die induzierten Regeln – explizit repräsentiert ist, und subsymbolischen Systemen wie neuronalen Netzen, denen zwar ein berechenbares Verhalten „antrainiert“ wird, die jedoch keinen Einblick in die erlernten Lösungswege erlauben.
Approximationsmethoden
In vielen Anwendungen geht es darum, aus einer Menge von Daten eine allgemeine Regel abzuleiten (maschinelles Lernen). Mathematisch führt dies zu einem Approximationsproblem. Im Kontext der KI wurden hierzu unter anderem künstliche neuronale Netze vorgeschlagen, die als universale Funktionsapproximatoren eingesetzt werden können, jedoch insbesondere bei vielen verdeckten Schichten schwer zu analysieren sind. Manchmal verwendet man deshalb alternative Verfahren, die mathematisch einfacher zu analysieren sind.
Künstliches Neuronales Netz
Große Fortschritte erzielt die künstliche Intelligenz in jüngster Zeit im Bereich künstlicher neuronaler Netze, auch unter dem Begriff Deep Learning bekannt. Dabei werden neuronale Netze, die grob von der Struktur des Gehirns inspiriert sind, künstlich auf dem Computer simuliert. Viele der jüngsten Erfolge wie bei Handschrifterkennung, Spracherkennung, Gesichtserkennung, autonomem Fahren, maschineller Übersetzung, auch der Erfolg von AlphaGo beruhen auf dieser Technik.
Anwendungen
Für künstliche Intelligenz gibt es zahlreiche Anwendungsgebiete. Einige Beispiele kurz zusammengefasst:
- Suchmaschinen erleichtern den Umgang mit der im Internet vorhandenen Informationsflut.
- Bei der Exploration von Ölquellen, der Steuerung von Marsrobotern oder der medizinischen Diagnose werden Expertensysteme eingesetzt.
- Maschinelle Übersetzung ist weit verbreitet. Beispiele: Google Übersetzer, DeepL
- Texterkennung und Textgenerierung, zum Beispiel von Eilmeldungen, Werbung oder für besonders strukturierte Daten
- Data-Mining und Text Mining bieten Methoden zur Extraktion von Kerninformationen aus nicht- oder nur schwach strukturierten Texten, wie es etwa zur Erstellung von Inhaltsanalysen benötigt wird.
- Mittels Argumentation Mining können Argumentationsstrukturen in Texten analysiert werden.[14]
- Informationsrückgewinnung hat das Wiederauffinden und Zusammenführen bereits bestehender, komplexer Strukturen in sehr großen Datensätzen zum Ziel, ein Anwendungsgebiet sind Internet-Suchmaschinen.
- Analyse und Prognose von Aktienkursentwicklungen werden gelegentlich durch künstliche neuronale Netze unterstützt.
- Optische Zeichenerkennung liest gedruckte Texte zuverlässig.
- Handschrifterkennung wird u. a. millionenfach in Geräten wie PDAs, Smartphones und Tabletcomputern verwendet.
- Spracherkennung ermöglicht Sprachsteuerung oder das Diktieren eines Textes. Wird u. a. in Smartphones eingesetzt, z. B. bei Siri, Google Assistant, Cortana und Samsungs Bixby oder auch Amazon Echo.
- Gesichtserkennung, z. B. die App FindFace.
- Deepfakes, d. h. der Austausch von Gesichtern oder anderen Medieninhalten
- Bilderkennung, z. B. das automatische Taggen von Bildern bei Flickr oder die Cloud Vision API von Google.
- Computeralgebrasysteme, wie Mathematica oder Maple, unterstützen Mathematiker, Wissenschaftler und Ingenieure bei ihrer Arbeit.
- Computer-Vision-Systeme überwachen öffentliche Plätze, Produktionsprozesse oder sichern den Straßenverkehr.
- In Computerspielen dienen die Algorithmen, die in der KI entwickelt wurden, dazu, computergesteuerte Mitspieler intelligent handeln zu lassen. (siehe auch KI in Computerspielen)
- Bei Gruppensimulationen für Sicherheitsplanung oder Computeranimation wird ein möglichst realistisches Verhalten von (Menschen-)Massen berechnet.
- Ein wissensbasiertes System bzw. spezieller ein Expertensystem stellt Lösungen bei komplexen Fragestellungen zur Verfügung. Beispiele für solche Anwendungen sind: Das Computerprogramm Watson (siehe weiter oben) oder die Wissensdatenbank Cyc. In einfacherer Form wird dies u. a. in Smartphones eingesetzt z. B. bei Siri, Google Now, Cortana und Samsungs S Voice oder auch Amazon Echo.
- Semantische Suchmaschinen, wie Wolfram Alpha
- Selbstfahrende Kraftfahrzeuge, z. B. Google Driverless Car (siehe oben)
- Humanoide Roboter, z. B. Atlas, ASIMO, Pepper
- Bots, insbesondere social Bots (z. B. cleverbot)
- Autonome Waffen
- Intelligenter Persönlicher Assistent (oder auch digitaler Sprachassistent)
- Suche nach extrasolaren Planeten durch Auswertung von Helligkeitsschwankungen von Sternen über die Transitmethode[15]
KI in der Medizin
KI in der Juristik
Ein großer Teil der Arbeit von Juristen besteht in der Analyse von Akten, zum Beispiel von Präzedenzfällen, um daraus Argumente zu entwickeln. Derartige Arbeit kann mittlerweile zu einem Teil von KI-Anwendungen übernommen werden.[16] Die Beratungsfirma McKinsey schätzte 2017, dass etwa 22 Prozent der Arbeit von Anwälten und 35 Prozent der Arbeit von Rechtshelfern mit Hilfe von KI-Systemen automatisiert werden könnte. Die KI-Systeme werden anhand von Millionen von Dokumenten und Fallbeispielen und juristischen Anträgen trainiert. Danach kann eine KI diejenigen Dokumente markieren, die ein Jurist für seinen Fall braucht; oft besser, als dies ein Mensch könnte. JPMorgan gab bekannt, die KI Contract Intelligence einzusetzen, die nach Aussagen von JPMorgan eine Menge von Daten in Sekunden analysieren kann, wofür Juristen und Rechtshelfer 360.000 Stunden benötigen würden.[17]
KI bei Tötungsmaschinen und Kriegswaffen
Am 18. September 2021 wurde bekannt, dass der iranische Kernphysiker, Hochschullehrer und Angehörige der iranischen Revolutionsgarden Mohsen Fachrisadeh durch KI-gesteuerte Tötungs-Roboter mit hoher Schusswaffen-Präzision ermordet wurde. Trotz der bekannten Gefährdung des Wissenschaftlers, seiner Eskortierung und seinem starken Personenschutz waren, einem Artikel der New York Times zufolge,[18] nur 15 hochpräzise Schüsse zu seiner Tötung notwendig. Dies wurde durch eine KI-gestützte Gesichtserkennung möglich, die offenbar genau zwischen dem Wissenschaftler, seiner Frau und seinen Kindern unterscheiden konnte. Die Frau saß, genau wie seine Söhne, nur wenige Zentimeter von ihm entfernt im Auto und blieb beim Attentat dennoch physisch unverletzt. Die Kontrolle über das Attentat erfolgte dem Artikel zufolge aus 1600 Kilometer Entfernung, an einem nicht näher genannten Ort.
Im Zuge des russischen Angriffskrieges auf die Ukraine seit dem Februar 2022 ist die mediale Aufmerksamkeit für den Einsatz von KI für militärische Zwecke gestiegen.[19] In Deutschland beschäftigen sich sowohl die Bundeswehr als auch die private Rüstungswirtschaft intensiv mit der Entwicklung und Implementierung von KI-unterstützten Waffensystemen.[20]
Im Mai 2023 erregte der Vortrag eines Colonels der U.S. Air Force Aufsehen, der bei einer Militär-Konferenz in London geschildert hatte, wie KI ihre Einsatz-Parameter verletzt und den eigenen Kontrollturm angegriffen habe, weil sie den menschlichen Operator als Hindernis bei der Erfüllung ihrer Mission betrachtet hätte. Kurz darauf ließ das U.S.-Militär klarstellen, es habe sich um keine echte Übung, sondern lediglich um ein Gedankenexperiment gehandelt.[21]
KI im Marketing
Im Marketing wird künstliche Intelligenz eingesetzt, um zum Beispiel Werbe-E-Mails zu verschicken, den Kundendienst durch Social Bots und Chatbots abzulösen, Analysen und Prognosen des Markts und des Kunden, beispielsweise auf Basis von Big Data, durchzuführen und kundenspezifische Werbeanzeigen, Empfehlungen und Suchergebnisse, sowie programmierte Abläufe zu entwickeln. So beabsichtigte der Online-Versandhändler Zalando im März 2018, 250 Arbeitsplätze im Marketingbereich im Standort Berlin zu streichen, die durch künstliche Intelligenz ersetzt werden sollen.[22]
KI in Computer- und Gesellschaftsspielen
In Computerspielen wird eine KI meistens dazu verwendet um NPC, sogenannte Nicht-Spieler-Charaktere, die menschenähnliches Verhalten simulieren (zum Beispiel als simulierte Verbündete oder Computergegner) zu steuern oder bestimmte Dinge in der Spielwelt oder bei den Funktionen des Spielecharakters (zum Beispiel Routenfindung, prozedurale Generierung, automatische Verbesserungen und Vervollständigungen beim Streckenbau oder andere Algorithmen) zu berechnen. Bei einigen Spielen lässt sich der Schwierigkeitsgrad der KI-Gegner einstellen und optional wählen ob man gegen eine KI, gegen echte Spieler oder eine Mischform spielen möchte. Bei ein paar Spielen kann sich die KI auch automatisch an das Spielverhalten anpassen oder kann aus Fehlern lernen. Da im Einzelspielermodus oft Gegner fehlen, wird auf eine KI zurückgegriffen. Zudem wird KI in Computerspielen verwendet, um viele oder sehr spezielle Charaktere zu simulieren, die nicht oder sehr schwer von echten Menschen übernommen werden könnten. Teilweise lassen sich KI-Anwendungen in Computerspielen aber auch einfach austricksen, da ein Mensch ein bestimmtes Muster einer KI umgehen kann. Der Realismus und das Gameplay eines Computerspiels wird daher auch oft an der KI gemessen.[23][24][25]
Auch wird KI in Strategie-Brettspielen als Ersatz für den menschlichen Partner eingesetzt. Gegen sehr leistungsfähige Versionen dieser Programme haben auch Weltmeister kaum Gewinnchancen. Erfolge gegen menschliche Profispieler erzielte KI zum Beispiel in Backgammon, Schach, Checkers, Go und StarCraft II. Das Meistern komplexer Spiele ist oft Gegenstand der Forschung, um so neue Methoden der künstlichen Intelligenz zu entwickeln und zu demonstrieren.[26] Inzwischen tragen diese Programme Partien untereinander aus. 2016 besiegte die auf DeepMind aufbauende KI AlphaGo den 18-maligen Go-Weltmeister, den Südkoreaner Lee Sedol unter Turnierbedingungen 4:1.[27] Ende 2017 hat die Neuentwicklung AlphaZero gegen das bis dahin weltbeste Schachprogramm Stockfish in 100 ausgetragenen Partien deutlich obsiegt.[28] 2019 gelang es der DeepMind-Weiterentwicklung Alpha Star, menschliche Top-Spieler beim populären und als sehr schwer geltenden Strategiespiel StarCraft II 10:1 zu besiegen.[29]
Darüber hinaus werden auch KI-Anwendungen entwickelt, die anstelle eines menschlichen Spielers Videospiele wie Jump ’n’ Runs, Rollenspiele oder Rennspiele steuern.[30][31][32] Ähnlich ist die Entwicklung im E-Sport-Bereich, in dem Profigamer versuchen, die besten KI-Systeme zu schlagen, während Entwickler darauf hinarbeiten, die besten Spieler durch eine KI zu besiegen.[33]
KI zur Erzeugung von Bildern und Kunstwerken
Forscher aus Tübingen haben neuronale Netze dazu verwendet, ein vorgegebenes Foto im Stil eines berühmten Künstlers zu malen z. B. Van Gogh oder Edvard Munch.[34] Forscher bei Google haben neuronale Netze darauf trainiert, aus einer Art weißem Rauschen Bilder im Stil von Van Gogh und anderen Künstlern zu produzieren. Die Bilder wurden später auf einer Auktion versteigert.[35][36]
Im Juli 2017 stellten Forscher der Rutgers-Universität eine KI vor, die künstlerische Gemälde produziert. Die KI wurde mit ca. 80.000 Bildwerken der westlichen Kunstgeschichte trainiert. Die von der KI erstellten Gemälde wurden mit Bildern, die auf der Kunstmesse Art Basel ausgestellt worden waren, vermischt und 18 Testpersonen (künstlerischen Laien)[37] in einem Blindtest zur Beurteilung vorgelegt. Die Testpersonen sollten einschätzen, ob die Bilder von Menschen oder einem Computer erzeugt worden waren. Bei den durch echten, auf der Art Basel ausgestellten Kunstwerken unterstellten die Testpersonen bei 52 % aller Werke, sie seien durch einen Computer erstellt. Bei den KI-basierten Bildern, nahmen die Testpersonen das nur für 25 % aller Bilder an.[38]
Im März 2018 wurde ein Videokunstwerk publiziert, in dem eine durch KI erschaffene Ornella Muti agierte. Der Künstler Joseph Ayerle hatte mit Hilfe eines künstlichen neuronalen Netzes neue Filmsequenzen errechnet, die die echte italienische Schauspielerin nie gespielt hat.[39][40] 2021 wurde der Kurzfilm „Fellini Forward“ aufgeführt. Bei der Produktion der Frederico Fellini-Hommage setzte das Produktionsteam auf KI-Werkzeuge, um dramaturgische, visuelle und linguistische Muster in den Werken Fellinis zu erkennen und sie im neuen Film einzusetzen.[41]
Im Oktober 2018 versteigerte das Auktionshaus Christie’s das durch künstliche Intelligenz erschaffene „Portrait of Edmond de Belamy“. Das ursprünglich auf einen Verkehrswert von 7.000 bis 10.000 US-Dollar geschätzte Bild erzielte in der Auktion einen Erlös von 432.500 Dollar.
Hinter der Herstellung des Porträts stand die französische Künstlergruppe Obvious, die eine künstliche Intelligenz mit den Bilddaten von 15.000 echten Gemälden[42] des 14. bis 20. Jahrhunderts trainiert hatte. Besondere Beachtung in der Presse fand, dass das Bild nicht mit den Signaturen der Künstler unterzeichnet wurde, sondern mit der Formel „min G max D Ex[log(D(x))]+Ez[log(1-D(G(z)))]“, die nach Angaben des Künstlerteams bei seiner Entstehung genutzt wurde.[43]
Der Autor George R. R. Martin schrieb an seinem sechsten Buch der Reihe Game of Thrones, das von der Fangemeinde ungeduldig erwartet wurde. Der Programmierer Zack Thoutt trainierte eine KI (Recurrent Neural Net) mit den ersten fünf Büchern der Serie und ließ von der KI ein sechstes Buch schreiben. Das Ergebnis wurde im Sommer 2017 im Internet veröffentlicht. Dabei entwickelte die KI einzelne Charaktere genauso weiter, wie das in manchen Fan-Theorien erwartet wurde, ohne dass die KI davon wusste. Mängel gibt es bei der Grammatik, einzelne Charaktere, die bereits verstorben waren, tauchen wieder auf und die Handlungsstränge sind nicht sehr spannend.[44]
Sunspring ist der erste Kurzfilm (2016), dessen Drehbuch von einer KI geschrieben wurde.[45][46]
Google versucht in seinem Magenta-Projekt, KI-Systeme zu erzeugen, die kreativ sind. So wurde im Sommer 2017 eine Klavier-Improvisation vorgestellt, die von einer KI komponiert wurde.[47] Bereits im Sommer 2016 veröffentlichte das Projekt Magenta einen kurzen Pop-Song, der von einer KI komponiert wurde.[48]
Die Musik des Albums „I am AI“ der Sängerin Taryn Southern, vorgestellt im Herbst 2017, wurde von einer KI komponiert. Um einen Song mit Hilfe einer KI zu komponieren, verwendet man eine Software wie etwa Amper Music oder Jukedeck, wählt das Genre und weitere Parameter wie Länge des Songs, Instrumentierung usw. Innerhalb von Sekunden komponiert die KI dann einen einzigartigen Song. Ein Musiker kann daraufhin Bruchstücke dieser Beispiele zu einem eigenen Song zusammenfügen. Somit kann jedermann mehr oder weniger professionelle Musik kreieren. Immer mehr Musiker geben zu, beim Komponieren KI als Werkzeug zu benutzen.[49][50] Auch das Album „Hello World“ von Skygge wurde vollständig mit einer KI (Flow-Machine) komponiert. Die KI komponiert Soundstücke, die dann von Menschen sortiert, selektiert und zusammengesetzt werden, das sog. Kuratieren.[51] Ein Team von Musikwissenschaftlern und KI-Experten unter Leitung von Matthias Röder, Direktor des Salzburger Karajan-Instituts, vollendete 2021 mit Hilfe einer künstlichen Intelligenz die unvollendete 10. Sinfonie des Komponisten Beethoven.[52]
Ab dem Jahr 2022 wurden den Nutzern innovative Text-zu-Bild-KI-Systeme zur Erzeugung von Bildern zur Verfügung gestellt, die einen deutlichen Fortschritt gegenüber früheren Technologien darstellten. Zu den namhaften Bildgeneratoren zählten beispielsweise Midjourney, DALL-E (entwickelt vom OpenAI-Team, das auch hinter ChatGPT steht) und Stable Diffusion.[53][54] Eine herausragende Eigenschaft dieser neuen Programme bestand darin, dass Bilder mithilfe von Wortanweisungen, sogenannten „Prompts“, erstellt werden konnten.[55] Zusätzlich war es möglich, der KI eigene Bilder als Beispiele vorzugeben. Ab dem Jahr 2023 erreichten die KI-generierten Bilder ein so hohes Maß an Fotorealismus, dass man sie teilweise für echte Fotos halten konnte. Zwei KI-generierte Bilder erlangten große Aufmerksamkeit in der Öffentlichkeit, da sie eine bemerkenswerte fotografische Qualität aufwiesen und von vielen Betrachtern zunächst für echte Fotos gehalten wurden: Ein KI-generiertes Bild von Papst Franziskus, der einen auffällig modischen Wintermantel trug,[56][57][58] und ein KI-generiertes Bild eines simulierten Angriffs auf das Pentagon.[59]
Kontrovers ist die Sicht der am Diskurs beteiligten Künstler und Experten über die Rolle der KI als Urheber eines Kunstwerks. Das Motto der Künstlergruppe Obvious lautet: „Kreativität ist nicht nur etwas für Menschen.“[60] Konträr dazu steht die Aussage des Künstlers Joseph Ayerle, der vom Massachusetts Institute of Technology mit den Worten zitiert wird: „KI kann erschaffen, aber sie ist nicht schöpferisch“.[39] Matthias Röder, der ein Team leitete, das den Versuch unternahm, mit KI-Hilfe Beethovens 10. Sinfonie zu vollenden, sprach von einer „Kollaboration zwischen Mensch und Maschine“.[61]
In juristischer Hinsicht ist strittig, ob und wie von einer KI geschaffene Kunstwerke dem Schutz des Urheberrechtsgesetzes unterliegen. Denn gemäß § 2 II UrhG können „Werke“ im Sinne des Urheberrechts nur „persönliche geistige Schöpfungen“ sein. Ein ausschließlich von einer Maschine geschaffenes Werk fällt nicht darunter, weil es nach einheitlicher Ansicht einer menschlich-gestalterische Tätigkeit erfordert. Jedenfalls in den Fällen, in denen die KI nicht nur als Hilfsmittel, Instrument oder Werkzeug des Werkschaffenden eingesetzt wird, sondern jegliche Kontrolle über Prozess und Ergebnis durch einen menschlichen Schöpfer aufgegeben wurde, fehlt es an einer geistigen Verbindung des „Werkes“ zu einem „Schöpfer“ im Sinne des § 2 II UrhG, sodass Urheberrecht dann nicht besteht.[62]
KI zur Herstellung von Produktdesign
Ein Team des US-amerikanischen 3D-Software-Experten Autodesk und der bekannte Designer Philippe Starck haben gemeinsam den – nach Angaben der Beteiligten – ersten „von künstlicher Intelligenz und Menschen gemeinsam entwickelte Stuhl“ erschaffen, den sogenannten A. I. Chair.[63] 2023 wurde bekannt, dass die NASA eine eigene Software nutzt, um mit Hilfe von KI das Design von Bauteilen für Raumschiffe und andere Geräte für Raumfahrten optimal zu gestalten.[64] Das organisch anmutende Aussehen dieser KI-generierten Bauteile unterscheidet sich deutlich vom menschengemachten Design.
KI in der Hochschulbildung
An einigen Hochschulen werden KI-Systeme zur individuellen Unterstützung von Studierenden und Lehrenden eingesetzt.[65]
- Automatisierte Assessments unterstützen Studierende beim Wissenserwerb
- Mit Hilfe von Learning Analytics werden digitale Bildungsangebote optimiert
- Adaptive Lernumgebungen passen sich an die individuellen Bedürfnisse der Lernenden an (z. B. MathSpring)
- Chatbots beantworten häufig gestellte Fragen (z. B. Eliza, Mitsuku, Jill Watson)
- Empfehlungssysteme helfen bei der Wahl von Studienfächern, Kursen, Stipendien und Ressourcen (z. B. Literatur)
KI beim Klimaschutz
KI kann Satellitenbilder auswerten und so ermitteln, wo welche Treibhausgase emittiert werden, ob Gebäude energieeffizient sind sowie wo und in welchem Umfang Wälder abgeholzt oder wieder aufgeforstet werden. Beispiele aus den Bereichen Landwirtschaft und Landnutzung sind zum Beispiel NASA Harvest[66] und der Copernicus Land Monitoring Service.[67]
Mit KI können Daten zu Wind- und Solarenergieerzeugung, Verkehrsaufkommen und Extremwetterereignissen analysiert werden und daraus Prognosen für zukünftige Bedarfe und Alternative entwickelt werden. Ein Beispiel aus der Praxis ist Open Climate Fix,[68] eine Organisation, welche Open-Source-Modelle für ein sogenanntes Nowcasting entwickelt, das heißt, die Wolkenmenge auf Satellitenbildern wird analysiert und daraus, in Kombination mit anderen Daten, die Solarstromproduktion für die nächsten Stunden sehr genau vorausgesagt.
Mit Hilfe von KI können Teile großer Klimamodelle nachgebildet, Stromnetze optimiert und klimafreundliche Stadtplanungstools entwickelt werden. Zwar kann KI physikalische Klimamodelle nicht ersetzen, doch kann sie in einigen Fällen gute Annäherungen für besonders rechenzeitintensive Modellkomponenten liefern, etwa indem ein näherungsweises Modell der Wolkenphysik nachgebildet wird. Auf diesem Wege lassen sich Klimamodelle nicht nur schneller berechnen, KI hilft hier auch, den hohen Energieaufwand der erforderlichen Supercomputer zu minimieren.[69]
KI in der Materialwissenschaft
KI in der Arbeitswelt
Das Institut für Arbeitsmarkt- und Berufsforschung (IAB) forscht zu Veränderungen der Arbeitswelt durch künstliche Intelligenz. Vorgestellt werden auf einer Infoplattform Forschungsprojekte und Erkenntnisse zu Folgen für Beschäftigung, Löhne und Qualifikationsanforderungen.[70]
KI in Logistik und Verkehr
Wie 2023 bekannt wurde, setzt die Deutsche Bahn KI ein, um die Pünktlichkeit ihrer Züge zu verbessern. Nach einem Pilotprojekt in Stuttgart wurde das Projekt auf das Rhein-Main-Gebiet und Berlin ausgedehnt.[71]
Turing-Test
Um ein Kriterium zu haben, wann eine Maschine eine dem Menschen gleichwertige Intelligenz simuliert, wurde von Alan Turing der nach ihm benannte Turing-Test vorgeschlagen. Dabei stellt ein Mensch per Terminal beliebige Fragen an einen anderen Menschen bzw. eine KI, ohne dabei zu wissen, wer jeweils antwortet. Der Fragesteller muss danach entscheiden, ob es sich beim Interviewpartner um eine Maschine oder einen Menschen handelte. Ist die Maschine nicht von einem Menschen zu unterscheiden, so ist sie laut Turing intelligent.[72] Bisher konnte keine Maschine den Turing-Test zweifelsfrei bestehen. Seit 1991 existiert der Loebner-Preis für den Turing-Test.
Technologische Singularität
Grob wird darunter der Zeitpunkt verstanden, an dem künstliche Intelligenz die menschliche Intelligenz übertrifft. Von diesem Zeitpunkt wird die weitere Entwicklung hauptsächlich von der KI vorangetrieben und nicht mehr vom Menschen.
Bewusstsein bei künstlicher Intelligenz
In den Neurowissenschaften ist es eine Grundannahme, dass Bewusstseinsprozesse mit neuronalen Prozessen des Gehirns korrelieren (siehe Neuronales Korrelat des Bewusstseins). Nach Jürgen Schmidhuber ist das Bewusstsein nur ein Nebenprodukt des Problemlösens des Gehirns. So sei auch bei künstlichen Problemlösern (z. B. autonomen mobilen Robotern) von Vorteil, wenn diese sich ihrer selbst und ihrer Umgebung „bewusst“ seien. Schmidhuber bezieht sich bei „Bewusstsein“ im Kontext autonomer Roboter auf ein digitales Weltmodell inklusive des Systems selbst, nicht jedoch auf das Erleben von Zuständen. Ein Weltmodell könnte im Kontext von Reinforcement Learning dadurch erlernt werden, dass Aktionen belohnt werden, die das Weltmodell erweitern.[73]
Angrenzende Wissenschaften
Sprachwissenschaft
Die Interpretation menschlicher Sprache durch Maschinen besitzt bei der KI-Forschung eine entscheidende Rolle. So ergeben sich etwaige Ergebnisse des Turing-Tests vor allem in Dialogsituationen, die bewältigt werden müssen.
Die Sprachwissenschaft liefert mit ihren Grammatikmodellen und psycholinguistischen Semantikmodellen wie der Merkmals- oder der Prototypensemantik Grundlagen für das maschinelle „Verstehen“ komplexer natürlichsprachlicher Phrasen. Zentral ist die Frage, wie Sprachzeichen eine tatsächliche Bedeutung für eine künstliche Intelligenz haben können.[74] Das Chinese-Room-Argument des Philosophen John Searle sollte indes zeigen, dass es selbst dann möglich wäre, den Turing-Test zu bestehen, wenn den verwendeten Sprachzeichen dabei keinerlei Bedeutung beigemessen wird. Insbesondere Ergebnisse aus dem Bereich Embodiment betonen zudem die Relevanz von solchen Erfahrungen, die auf der Verkörperung eines Agenten beruhen sowie dessen Einbindung in eine sinnvolle Umgebung für jede Form von Kognition, also auch zur Konstruktion von Bedeutung durch eine Intelligenz.
Eine Schnittstelle zwischen der Linguistik und der Informatik bildet die Computerlinguistik, die sich unter anderem mit maschineller Sprachverarbeitung und künstlicher Intelligenz beschäftigt.
Psychologie
Die Psychologie beschäftigt sich unter anderem mit dem Begriff Intelligenz.
Psychotherapie
In der Psychotherapieforschung existieren seit geraumer Zeit experimentelle Anwendungen der künstlichen Intelligenz, um Defizite und Engpässe in der psychotherapeutischen Versorgung zu überbrücken und Kosten zu sparen,[75] aber auch um sich anbahnende Krisen bei Patienten auf der Warteliste frühzeitig zu erkennen.[76]
Philosophie
Die philosophischen Aspekte der KI-Problematik gehören zu den weitreichendsten der gesamten Informatik.
Die Antworten, die auf die zentralen Fragen dieses Bereiches gegeben werden, reichen weit in ontologische und erkenntnistheoretische Themen hinein, die das Denken des Menschen schon seit den Anfängen der Philosophie beschäftigen. Wer solche Antworten gibt, muss die Konsequenzen daraus auch für den Menschen und sich selbst ziehen. Nicht selten möchte man umgekehrt vorgehen und die Antworten, die man vor der Entwicklung künstlicher Intelligenz gefunden hat, auf diese übertragen. Doch wie sich zeigte, hat die künstliche Intelligenz zahlreiche Forscher dazu veranlasst, Probleme wie das Verhältnis zwischen Materie und Geist, die Ursprünge des Bewusstseins, die Grenzen der Erkenntnis, das Problem der Emergenz, die Möglichkeit außermenschlicher Intelligenz usw. in einem neuen Licht zu betrachten und zum Teil neu zu bewerten.
Eine dem metaphysischen bzw. auch idealistischen Denken verpflichtete Sichtweise hält es (im Sinn einer schwachen KI) für unmöglich, dass Maschinen jemals mehr als nur simuliertes Bewusstsein mit wirklicher Erkenntnis und Freiheit besitzen könnten. Aus ontologischer Sicht kritisiert der amerikanische Philosoph Hubert Dreyfus die Auffassung der starken KI. Aufbauend auf der von Martin Heidegger in dessen Werk Sein und Zeit entwickelten Ontologie der „Weltlichkeit der Welt“ versucht Dreyfus zu zeigen, dass hinter das Phänomen der Welt als sinnhafte Bedeutungsganzheit nicht zurückgegangen werden kann: Sinn, d. h. Beziehungen der Dinge in der Welt aufeinander, sei ein Emergenzphänomen, denn es gibt nicht „etwas Sinn“ und dann „mehr Sinn“. Damit erweist sich jedoch auch die Aufgabe, die sinnhaften Beziehungen zwischen den Dingen der Welt in einen Computer einzuprogrammieren, als eigentlich unmögliches bzw. unendliches Vorhaben. Dies deshalb, weil Sinn nicht durch Addition von zunächst sinnlosen Elementen hergestellt werden kann.[77]
Eine evolutionär-progressive Denkrichtung sieht es hingegen (im Sinn einer starken KI) als möglich an, dass Systeme der künstlichen Intelligenz einmal den Menschen in dem übertreffen könnten, was derzeit noch als spezifisch menschlich gilt. Dies birgt zum einen die Gefahr, dass solche KI-Maschinen sich gegen die Interessen der Menschen wenden könnten. Andererseits birgt diese Technologie die Chance, Probleme zu lösen, deren Lösung dem Menschen wegen seiner limitierten Kapazitäten schwerfällt (siehe auch technologische Singularität).
Weitere Anknüpfungspunkte lassen sich in der analytischen Philosophie finden.
Neben der Frage nach dem Sein und der nach dem Bewusstsein stellt sich im Rahmen der Rechtsphilosophie und Roboterethik auch die Frage, ob eine KI für ihr gesetzwidriges Handeln oder Fehlverhalten verantwortlich gemacht werden kann (z. B. bei einem Autounfall durch ein autonomes Fahrzeug) und wer alles dafür haftet.[78] Entwickler werden mit der Frage konfrontiert, wie eine KI moralisch und ethisch richtig handelt. So wird zum Beispiel überlegt, wie man das Trolley-Problem bei autonomen Fahrzeugen lösen soll.[79][80]
Der russisch-amerikanische Biochemiker und Sachbuchautor Isaac Asimov beschreibt in seinen drei Robotergesetzen die Voraussetzungen für ein friedliches und unterstützendes Zusammenleben zwischen KI und Mensch. Diese Gesetze wurden später von anderen Autoren erweitert.
Bei Karl Marx finden sich im sogenannten Maschinenfragment, einem Teil der Grundrisse (1857–58), Überlegungen zur Ersetzung menschlicher Arbeitskraft durch Maschinen, die sich auch auf Maschinen mit Künstlicher Intelligenz anwenden lassen.[81]
Menschenrechte
Zu den zentralen Fragen beim KI-Einsatz gehören die Aufteilung rechtlicher Verpflichtungen zwischen Staaten und Unternehmen sowie die Implikationen der Menschenrechte im Hinblick auf den Einsatz von KI in bestimmten Anwendungsbereichen, z. B. bei der Gesichtserkennung oder Erleichterung der Entscheidungsfindung von Gerichten. Auch wird das Ausmaß der technologischen Zusammenarbeit im Bereich der KI mit Staaten, die sich nicht an menschenrechtliche Grundstandards halten, aus wirtschaftsethischer und völkerrechtlicher Perspektive diskutiert.[82][83]
Informatik
Die künstliche Intelligenz ist mit den anderen Disziplinen der Informatik eng verzahnt. Eine Abgrenzung kann anhand der erzielten Ergebnisse versucht werden. Hierzu scheint es sinnvoll, verschiedene Dimensionen von Intelligenz zu unterscheiden:
- Die Fähigkeit zur Verarbeitung beliebiger Symbole (nicht nur Zahlen).
- Der Aufbau eines inneren Modells der äußeren Welt, eines Selbstmodells, sowie der Beziehung von Selbst und Welt.
- Die Fähigkeit zu einer zweckentsprechenden Anwendung des Wissens.
- Die Fähigkeit, die im gespeicherten Wissen enthaltenen Zusammenhänge aufzudecken, d. h. logisch schlussfolgern zu können.
- Die Fähigkeit zur Verallgemeinerung (Abstraktion) und zur Spezialisierung (d. h. zu Anwendung allgemeiner Zusammenhänge auf konkrete Sachverhalte).
- Das Vermögen, erworbenes Wissen und vorhandene Erfahrung auf neue, bisher unbekannte Situationen zu übertragen.
- Die Fähigkeit, sich planvoll zu verhalten und entsprechende Strategien zum Erreichen der Ziele bilden zu können.
- Anpassungsfähigkeit an verschiedene, u. U. sich zeitlich ändernde Situationen und Problemumgebungen.
- Lernfähigkeit, verbunden mit dem Vermögen, partiellen Fortschritt oder Rückschritt einschätzen zu können.
- Die Fähigkeit, auch in unscharf bzw. unvollständig beschriebenen oder erkannten Situationen handeln zu können.
- Die Fähigkeit zur Mustererkennung (Besitz von Sensoren) und zur aktiven Auseinandersetzung mit der Umwelt (Besitz von Effektoren).
- Über ein Kommunikationsmittel von der