Die Zeit - 17.10.2019

DIGITALISIERUNG

Unsere Autorin hatte die perfekten Voraussetzungen für den Kurs:

Sie spricht Finnisch – verstand aber rein gar nichts von KI

Foto: Anton Sucksdorff für DIE ZEIT

Die Maschine, Tekoäly und ich

Finnland will seine Bürger fit machen für die digitale Zukunft – mit einem Online-Kurs über künstliche Intelligenz. Ein Selbstversuch VON JENNI ROTH

N

euronale Netze, Deep Lear-

ning, Wahrscheinlichkeits-

rechnung – für mich klingt

das eher abschreckend. Und

trotzdem werde ich mit genau

diesen Themen jetzt einige

Abende verbringen: Sie ge-

hören zum Online-Kurs »Elements of AI« – einer

Art Weiterbildungsprogramm am PC, das helfen

soll, Finnland fit für die künstliche Intelligenz (KI)

zu machen. Die Finnen haben viel vor, Weltmeister

in KI wollen sie werden, so hat es der Wirtschafts-

minister verkündet. 2017 verabschiedete Finnland

als einer der ersten Staaten der EU eine nationale

KI-Strategie. Darin geht es nicht nur um Investi-

tionen oder Kompetenzzentren, sondern auch um

die Finnen selbst. Erstes Etappenziel: Ein Prozent

der Bevölkerung soll lernen, was KI überhaupt ist,

was sie kann und was nicht. Und zwar mit diesem

frei verfügbaren Online-Kurs.

Demnächst erscheint auch eine deutsche Ver-

sion – und deswegen will ich vorab testen, was das

Projekt taugt. Meine Voraussetzungen sind per-

fekt: Als Halbfinnin spreche ich zwar die Sprache

• verstehe aber rein gar nichts von KI. »Tekoäly«
  heißt »künstliche Intelligenz« auf Finnisch, aber
  auf der Kurs-Homepage steht überall das englische
  Kürzel »AI« (Artificial Intelligence). Dazu Fragen,
  die ich mir bisher nie gestellt habe: Wie beeinflusst
  KI mein Leben und meinen Job? Wie wird sie ge-
  macht, wie entwickelt sie sich?
  Tatsächlich ist KI ja keine Science-Fiction:
  Selbstfahrende Autos sind längst in der Wirklich-
  keit angekommen, auch die Gesichtserkennung –
  zum Beispiel beim automatischen Markieren von

Fotos in sozialen Medien oder bei der Passkon-

trolle am Flughafen. KI mischt bei personalisierten

Infos mit, auf Facebook, Twitter, Instagram, bei

maßgeschneiderter Online-Werbung oder Musik-

empfehlungen auf Spotify. Man bewege sich den

ganzen Tag durch eine einzige große Filterblase,

darum geht es gleich zu Beginn des Kurses. In mir

steigt die Frage auf, ob die KI eines Tages die Kon-

trolle über mein Leben übernehmen könnte. Die

konkreten Beispiele, um die es dann geht, sind

allerdings banal. Etwa, dass es die KI erlaube, Fotos

so zu bearbeiten, dass sie aussehen wie von van

Gogh gemalt oder wie eine Pixar-Animation, und

man daher auf der Hut vor Fälschungen sein solle.

Genau hier setzen die Macher des Kurses an.

»KI ist oft angstbesetzt. Wir wollen aufklären und

206 x 9 : 159, das macht 1854 : 159. Nach drei wei-

teren Matheaufgaben bekomme ich auf dem Bild-

schirm ein »Hurraa«.

Teil drei: maschinelles Lernen. Es geht um »bi-

näre Klassifizierungsprobleme«, lese ich, und um

die Struktur von Daten. Was kompliziert klingt,

lässt sich leicht auf den Alltag herunterbreche 372

n, zum Beispiel beim Online-Shopping. Ich bekom-

me eine Tabelle mit Dingen gezeigt, die verschiede-

ne Leute gekauft haben. Dann übernehme ich den

Job der KI: Ich ermittle, was das System dem Nut-

zer Jouni empfehlen würde, nachdem er grünen

Tee, T-Shirt, Sonnenbrille und Sandalen gekauft

hat. Antwort: Sonnencreme. Weil nämlich Ville,

dessen Käuferprofil Jounis am meisten ähnelt, zu-

letzt Sonnencreme gekauft hat. Für diese Aufgabe

reicht der gesunde Menschenverstand, aber Online-

Shopping-Seiten haben ja nicht nur sechs, sondern

Millionen Nutzer, die enorme Datenmengen pro-

duzieren. Dasselbe System greift natürlich auch bei

Musikempfehlungen, Filmen, bei Nachrichten oder

Social-Media-Inhalten.

Es folgt das Kapitel »Deep Learning«. »Optimie-

rungsmethode künstlicher neuronaler Netzwerke«

steht da – das ist wohl das Lernen der Maschinen.

»Tief« ist es, so lese ich, weil das Netz aus vielen

Schichten besteht, die miteinander verknüpft sind.

Virtuelle Assistenten wie Alexa, Chatbots oder die

neue Google-Bildsuche – sie gäbe es ohne Deep

Learning nicht. Die Algorithmen dieser Systeme

lernen mit jeder Frage, die ihnen gestellt wird, und

verbessern sich so selbst.

Letztes Kapitel: die gesellschaftspolitische Bedeu-

tung künstlicher Intelligenz. Dieses Thema scheint

den Kursentwicklern besonders wichtig. Der Infor-

matiker Teemu Roos bezeichnet »Elements of AI«

jedenfalls als Demokratisierungsprojekt: »Die Re-

gulierung von KI muss demokratischen Grund-

sätzen folgen, wofür aber das technologische Wissen

für alle frei verfügbar sein muss.«

Das Ein-Prozent-Ziel jedenfalls haben die Finnen

nur vier Monate nach dem Start des Kurses erreicht.

Dazu beigetragen habe wohl auch die »AI Chal-

lenge«, sagt Ville Valtonen von der Beratungsagentur

Reaktor, die das Marketing für den Kurs übernom-

men hat. Bei dem Wettbewerb sollten Unternehmen

so viele Mitarbeiter wie möglich weiterbilden. Kon-

zerne wie Nokia machten mit, der Telekomanbieter

Elisa und der Papierriese Stora Enso, insgesamt nah-

men rund 250 Firmen teil. Auch die finnische Re-

gierung schulte ihre Mitarbeiter und Mitarbeiterin-

nen. Die Kursteilnehmer sollten am Ende in der

Lage sein, das, was sie über KI hören oder lesen,

kritisch zu bewerten und einzuordnen. Das könnte

funktionieren. Mit Fachleuten über neuronale Net-

ze diskutieren? Kann ich immer noch nicht. Eine

Unbekannte aber ist die Intelligenz im Rechner

auch nicht mehr.

A http://www.zeit.deeaudio

auch die Chancen aufzeigen«, sagt Teemu

Roos. Er ist Informatikprofessor an der Univer-

sität Helsinki und hat den Kurs für Laien ent-

wickelt. Den vielen und ausführlichen Kom-

mentaren im Kursforum nach zu schließen,

sind die Leute voll bei der Sache. Anders geht

es auch kaum, denn das hier ist kein läppisches

Dreiminutenquiz: Aus sechs Teilen besteht der

Lehrgang, er ist eine Mischung aus Theorie

und praktischen Übungen, von maschinellem

Lernen bis zu den Grundlagen des Programmie-

rens, insgesamt werden 60 bis 90 Stunden für

»Elements of AI« veranschlagt.

Ich bin immer noch bei Teil I, den Definitio-

nen. Die Texte sind simpel, die Beispiele an-

schaulich, die Seiten ansprechend illustriert.

Nicht mal die Wissenschaft habe sich bisher auf

eine klare KI-Definition geeinigt, erfahre ich.

Für KI sind viele Dinge leicht, die für uns

schwer sind – und umgekehrt. Beim Schach

Dutzende von Zügen abwägen: kein Problem.

Den Läufer greifen und über das Spielfeld bewe-

gen: hochkompliziert. Das erinnert mich daran,

dass Programmierer angeblich das Finnische

lieben: Die Sprache hat, im Gegensatz etwa zum

Englischen, zwar unzählige Regeln, aber kaum

Ausnahmen. Was Sprachschülern das Leben

schwer macht, macht es dem Computer leicht.

Zeit für den ersten Test. Sieben Fragen,

Multiple Choice: Beruhen Vorhersagen von

Aktienkursen anhand von früheren Verläufen

auf KI? (Ja, die Auswahl aus zahllosen ver-

schiedenen Verläufen erfordert KI). Handelt es

sich bei GPS-Navigation um KI? (Ja und nein:

Die Signalverarbeitung zur Ermittlung der

Koordinaten ist keine KI, aber Navigations-

vorschläge wie die kürzeste oder schnellste

Route sind KI-basiert).

Als Nächstes geht es um »vahva ja heikko

tekoäly«, also um »starke KI« und »schwache

KI«. Ich zweifle kurz an meinen Finnisch-

Kenntnissen. Heißt das wirklich so? Tatsäch-

lich: Als starke KI bezeichnet man ein künst-

liches System, das wirklich bewusst Entschei-

dungen treffen kann. So etwas gibt es noch

nicht. Schwache KI nennt man Systeme, die

intelligente Funktionen ausführen können und

für bestimmte Anforderungen entwickelt wor-

den sind. Die gibt es schon, für die Spracherken-

nung etwa oder die Navigation.

Ich lese mich noch durch Teil II, es ist stre-

ckenweise zäh. Und jetzt auch noch: »uskotta-

vuusosamäärä«, Wahrscheinlichkeitsrechnung.

Sie ist offenbar ein Schlüsselelement der KI.

Fast alle aktuellen KI-Anwendungen basieren

zumindest teilweise auf der Berechnung von

Wahrscheinlichkeiten, erfahre ich. Wieso, das

erklärt ein Infokasten: KI wird oft bei Fragen

eingesetzt, bei denen Unsicherheiten eine Rolle

spielen. Und Wahrscheinlichkeiten helfen, sol-

che Risiken abzuschätzen und miteinander zu

vergleichen: Wie hoch ist das Unfallrisiko bei

einer Überschreitung des Tempolimits? Wie

hoch die Wahrscheinlichkeit, dass der Zinssatz

für eine Hypothek steigt oder dass KI auf Rönt-

genbildern Knochenbrüche korrekt erkennt?

Ich soll jetzt also dieses »probabilistische

Denken« üben. Etwa anhand der Wettervor-

hersage. Im Rechenbeispiel wache ich morgens

in Finnland auf, Wolken hängen am Himmel,

und ich muss abschätzen, ob es heute wohl

regnet. Ich bekomme die Information, dass es

durchschnittlich an 206 Tagen im Jahr regnet

(bei 365 Tagen ergibt das eine Wahrscheinlich-

keit von 206 : 159), und an neun von zehn

Regentagen morgens Wolken am Himmel

sind (Wahrscheinlichkeit 9 : 1). Das Regenri-

siko an diesem Wolkenmorgen beträgt also:

ANZEIGE

ANZEIGE

17. OKTOBER 2019 DIE ZEIT No 43 WISSEN 41

MACH, WAS WIRKLICH ZÄHLT.

FOLGEDEINERBERUFUNG.

bund

eswe

hr

karri

ere.d

e

FOLGE DEINER BERUFUNG.

#IT

WAS KÖNNEN WIR NOCH TUN?

Eine globale ökologische

Bestandsaufnahme

Hardcover - 288 Seiten - 24,99 €*

Jetzt http://www.komplett-media.de

lesen!

http://www.shop.zeit.de/erde

*zzgl. Versandkosten. Anbieter: Zeitverlag Gerd Bucerius GmbH & Co. KG, Buceriusstraße, Hamburg

107395_ANZ_10739500019244_24074228_X4_ONP26 1 06.09.19 16:03