Begrenzte Daten bedeuten begrenzte Innovation. Phonlamai Foto Sam Valadi / Flickr, CC BY-SA
Das Europäische Patentamt vor kurzem abgelehnt eine Patentanmeldung, die einen Lebensmittelbehälter beschreibt. Dies geschah nicht, weil die Erfindung nicht neu oder nützlich war, sondern weil sie durch künstliche Intelligenz (KI) geschaffen wurde. Erfinder müssen laut Gesetz echte Menschen sein. Dies ist nicht die erste Erfindung von AI - Maschinen haben Innovationen hervorgebracht, die von wissenschaftliche Arbeiten und Bücher an neue Materialien und Musik.
Das heißt, kreativ zu sein ist eindeutig eines der bemerkenswertesten menschlichen Merkmale. Ohne sie gäbe es keine Poesie, kein Internet und keine Raumfahrt. Aber könnte KI jemals mit uns mithalten oder uns sogar übertreffen? Werfen wir einen Blick auf die Forschung.
Aus theoretischer Sicht ist Kreativität und Innovation ein Prozess von Suche und Kombination. Wir gehen von einem Teil des Wissens aus und verbinden es mit einem anderen Teil des Wissens zu etwas Neuem und Nützlichem. Im Prinzip kann dies auch von Maschinen ausgeführt werden - sie zeichnen sich nämlich durch das Speichern, Verarbeiten und Herstellen von Verbindungen innerhalb von Daten aus.
Maschinen erfinden Innovationen mit generativen Methoden. Aber wie funktioniert das genau? Es gibt unterschiedliche Ansätze, aber der Stand der Technik heißt generative kontradiktorische Netzwerke. Stellen Sie sich als Beispiel eine Maschine vor, die ein neues Bild einer Person erstellen soll. Generative kontradiktorische Netzwerke bewältigen diese Erstellungsaufgabe, indem sie zwei Unteraufgaben kombinieren.
Der erste Teil ist der Generator, der ausgehend von einer zufälligen Pixelverteilung neue Bilder erzeugt. Der zweite Teil ist der Diskriminator, der dem Generator mitteilt, wie nahe es tatsächlich daran war, ein echt aussehendes Bild zu erzeugen.
Woher weiß der Diskriminator, wie ein Mensch aussieht? Nun, Sie füttern es viele Beispiele von Bildern der realen Person, bevor Sie die Aufgabe starten. Basierend auf der Rückmeldung des Diskriminators verbessert der Generator seinen Algorithmus und schlägt ein neues Bild vor. Dieser Vorgang wird so lange fortgesetzt, bis der Diskriminator feststellt, dass die Bilder den erlernten Bildbeispielen nahe genug kommen. Diese erzeugten Bilder kommen extrem nah zu echten Menschen.
Aber selbst wenn Maschinen Innovationen aus Daten erschaffen können, bedeutet dies nicht, dass sie in absehbarer Zeit den ganzen Funken menschlicher Kreativität stehlen werden. Innovation ist ein Problemlösungsprozess - damit Innovation stattfinden kann, werden Probleme mit Lösungen kombiniert. Menschen können in beide Richtungen gehen - sie beginnen mit einem Problem und lösen es, oder sie suchen nach einer Lösung und versuchen es finde neue probleme dafür.
Ein Beispiel für die letztgenannte Art der Innovation ist die Veröffentliche es Hinweis. Ein Ingenieur entwickelte einen viel zu schwachen Klebstoff, der auf seinem Schreibtisch saß. Erst später stellte ein Kollege fest, dass diese Lösung dazu beitragen kann, dass seine Noten während des Chorübens nicht aus seinen Partituren fallen.
Mithilfe von Daten als Eingabe und Code als explizite Problemformulierung können Maschinen auch Lösungen für Probleme bereitstellen. Das Auffinden von Problemen ist jedoch für Maschinen schwierig, da Probleme häufig außerhalb der Grenzen des Datenpools liegen, an dem Maschinen Innovationen vornehmen.
Was mehr ist, basiert Innovation häufig auf Bedürfnisse, von denen wir nicht einmal wussten, dass wir sie hatten. Denken Sie an den Walkman. Auch wenn kein Verbraucher jemals den Wunsch geäußert hat, während des Gehens Musik zu hören, war diese Innovation ein großer Erfolg. Da es schwierig ist, solche latenten Bedürfnisse zu formulieren und zu erläutern, ist es auch unwahrscheinlich, dass sie in den Datenpool gelangen, den Maschinen für Innovationen benötigen.
Menschen und Maschinen haben auch unterschiedliche Rohstoffe, die sie als Input für Innovationen verwenden. Wo Menschen ein Leben lang auf umfassende Erfahrungen zurückgreifen, um Ideen zu entwickeln, beschränken sich Maschinen weitgehend auf die Daten, die wir ihnen zuführen. Maschinen können auf der Grundlage der Eingabedaten schnell unzählige inkrementelle Innovationen in Form neuer Versionen generieren. Es ist jedoch unwahrscheinlich, dass bahnbrechende Innovationen aus Maschinen hervorgehen, auf denen sie häufig basieren Felder verbinden die entfernt oder nicht miteinander verbunden sind. Denken Sie an die Erfindung des Snowboards, die die Welten des Skifahrens und Surfens verbindet.
Bei Kreativität geht es nicht nur um Neuheit, sondern auch um Nützlichkeit. Während Maschinen eindeutig in der Lage sind, inkrementell Neues zu kreieren, bedeutet dies nicht, dass diese Kreationen nützlich sind. Der Nutzen wird im Auge derjenigen definiert, die möglicherweise Innovationen nutzen, und ist für Maschinen schwer zu beurteilen. Der Mensch kann sich jedoch in andere Menschen einfühlen und deren Bedürfnisse besser verstehen.
Schließlich werden kreative Ideen, die von KI generiert werden, von Verbrauchern möglicherweise weniger bevorzugt, nur weil sie von einer Maschine erstellt wurden. Menschen könnten Ideen von der KI ausschließen, da sie glauben, dass dies Ideen sind weniger authentisch or sogar bedrohlich. Oder sie bevorzugen einfach Ideen ihrer Art, eine Wirkung das wurde beobachtet in anderen Bereichen vor.
Ab sofort bleiben viele Aspekte der Kreativität unbestrittenes Terrain für Maschinen und KI. Es gibt jedoch Haftungsausschlüsse. Auch wenn Maschinen Menschen im kreativen Bereich nicht ersetzen können, sind sie es große Hilfe zur Ergänzung der menschlichen Kreativität. Zum Beispiel können wir neue Fragen stellen oder neue Probleme identifizieren das lösen wir in kombination mit maschinellem Lernen.
Darüber hinaus basiert unsere Analyse auf der Tatsache, dass Maschinen hauptsächlich in engen Datensätzen innovativ sind. KI könnte viel kreativer werden, wenn sie große, umfangreiche und ansonsten nicht verbundene Daten kombinieren könnte.
Maschinen können auch kreativer werden, wenn sie die Art der allgemeinen Intelligenz verbessern, die Menschen besitzen - etwas, das wir „allgemeine Intelligenz“ nennen. Und das wird in Zukunft vielleicht nicht mehr so weit sein - einige Experten schätze ein, dass es eine 50% ige Chance gibt dass Maschinen innerhalb der nächsten 50 Jahre Intelligenz auf menschlicher Ebene erreichen.
Über die Autoren
Tim Schweisfurth, Juniorprofessor für Technologie- und Innovationsmanagement, Universität von Süddänemark und René Chester Goduscheit, Professor für Technologie- und Innovationsstudien, Universität Aarhus
Dieser Artikel wird erneut veröffentlicht Das Gespräch unter einer Creative Commons-Lizenz. Lies das Original Artikel.
