(hpd) In seinem Buch „How to Create a Mind“ zeigt der bekannte amerikanische Futurist und Pionier der künstlichen Intelligenz Ray Kurzweil, dass mittlerweile die Art und Weise, wie menschliches Denken funktioniert, weitgehend entschlüsselt ist. Nach seiner Meinung werden wir mit dieser Erkenntnis innerhalb der nächsten zwei Jahrzehnte in der Lage sein, Computer mit allen geistigen Fähigkeiten des Menschen auszustatten.
Ray Kurzweil genießt im englischsprachigen Raum hohes Ansehen. So erhielt er 19 Ehrendoktortitel und eine ganze Reihe von Auszeichnungen, darunter die „National Medal of Technology“. Er gilt als eine der Leitfiguren des Trans- und des Posthumanismus. Er ist Pionier der optischen Texterkennung, der Sprachsynthese, der Spracherkennung, der Flachbettscannertechnologie und der elektronischen Musikinstrumente (insbesondere Keyboards) und hat in diesen Bereichen eine Reihe von Firmen gegründet. Seit 2012 arbeitet er als leitender Ingenieur bei Google. Sein 2005 veröffentlichtes Buch „The Singularity Is Near“ war ein Bestseller. Im Verlag lolabooks ist gerade eine deutsche Übersetzung unter dem Titel „Menschheit 2.0, die Singularität naht“ erschienen. Der Verlag plant, auch das hier besprochene Buch demnächst in deutscher Sprache herauszugeben.
Der Algorithmus des Denkens
In der ersten Hälfte des Buches gibt Kurzweil einen zusammenfassenden Überblick über den gegenwärtigen Stand der Hirnforschung. Die grundlegenden Funktionseinheiten des Gehirns sind die Nervenzellen (Neuronen). Sowohl ihre biochemische Funktion als auch die daraus resultierende Funktion der Informationsverarbeitung sind weitestgehend erforscht und es gibt gute Simulationsmodelle dafür. Da als Grundlage dieser Modelle die klassische Physik und die sich daraus ableitende Biochemie ausreichend ist und sich diese Teile der Naturwissenschaften vollständig algorithmisch beschreiben lassen, ist damit zwangsläufig auch die Funktion der Neuronen vollständig algorithmisch beschreibbar.
Dem häufig vorgebrachten Gegenargument, dass die Neuronen teilweise analog arbeiten und somit mit einem Digitalcomputer nicht ausreichend simuliert werden können, begegnet Kurzweil mit dem Hinweis dass z.B. die analoge Größe der Leitfähigkeit in den Synapsen der Neuronen völlig ausreichend mit 8 Bit verschlüsselt werden kann. Analoge Vorgänge können grundsätzlich mit jeder gewünschten Präzision in Digitalcomputern simuliert werden.
Der Teil des Gehirns, in dem bewusstes Denken stattfindet, ist der Neocortex. Es ist die äußere Schicht des Großhirns mit einer Stärke von 2 bis 5mm, die selbst wieder aus sechs einzelnen Schichten besteht. Durch die Faltung des Gehirns ist die Gesamtfläche vergleichsweise groß (1800 qcm). Man kann hier Einheiten, so genannte cortikale Säulen, identifizieren, die jeweils aus etwa 10 000 Neuronen bestehen. Der Teil des genetischen Codes, in dem der Bauplan des menschlichen Gehirns steckt, hat einen Umfang von ca. 25 MB. Das ist eine erstaunlich geringe Datenmenge. Der Bauplan eines heutigen Verkehrsflugzeugs benötigt eine hundert bis tausendmal größere Datenmenge. Es ist nach Kurzweil wohl so, dass im genetischen Code im Wesentlichen die Baupläne für die Grundbausteine (Neuronen und z.B. ihre Organisation zu cortikalen Säulen) des Gehirns verschlüsselt sind und die Anweisung, wie oft diese zu vervielfältigen sind. Bei einem Embryo mit voll entwickeltem Gehirn sind sozusagen nur die Hardware und ein einfaches Betriebssystem vorhanden. Alles andere muss erlernt werden. Dieser Prozess beginnt in begrenztem Umfang durchaus schon vor der Geburt.
Unser Denken besteht im Wesentlichen aus der Erkennung und der Manipulation von Mustern. Insgesamt können wir bis zu 300 Millionen verschiedene Muster unterscheiden. Zur Speicherung und Verarbeitung werden jeweils um die 100 Neuronen verwendet. Obwohl die Verarbeitungsfrequenz in unserem Gehirn nur zwischen 100 und 1000Hz liegt und damit mehr als eine Million mal kleiner als in unseren Computern ist, schafft unser Gehirn eine Mustererkennung innerhalb von Sekundenbruchteilen. Der Grund dafür ist, dass hier die Datenverarbeitung extrem parallel erfolgt. Nach Kurzweil ist der Algorithmus nach dem dies geschieht, mathematisch am bestem mit dem so genannten Hierarchical hidden Markov model (HHMM) zu beschreiben. Es handelt sich dabei um ein künstliches neuronales Netz, das mit zum Teil statistischen Methoden aus einer Datenmenge bestimmte Muster erkennen kann.
Beim Lesen von Text muss man sich das z.B. so vorstellen, dass in der untersten Hierarchieebene zunächst einfache geometrische Muster aus den vom Sehnerv kommenden Signalen erkannt werden wie z. B: Linien, Bögen und Kreise, wobei bereits in der Netzhaut des Auges eine Datenkompression erfolgt. In der nächsten höheren Ebene werden daraus Buchstaben erkannt. Danach erfolgt die Erkennung von Wörtern, dann folgen Sätze. In der höchsten Stufe werden wir uns des Inhalts eines Satzes bewusst. Alle diese Denkprozesse laufen ausschließlich algorithmisch ab und obwohl sie damit deterministisch sind, können trotzdem Zufälle im Rahmen des so genannten deterministischen Chaos eine Rolle spielen. Das Denken des menschlichen Gehirns und die Abläufe in ähnlich aufgebauten künstlichen neuronalen Netzen lassen sich daher nicht vollständig vorhersagen.
Das Material unserer Nervenzellen wird im Zeitrahmen von einigen Monaten vollständig ausgetauscht. Dies hat aber keinen Einfluss auf die Fähigkeiten der Informationsverarbeitung der Zelle. Denken ist auf der untersten Hierarchieebene nichts anderes als Symbolverarbeitung, so wie sie auch in Computern stattfindet und sie ist unabhängig von einer bestimmten Materie.
Nach der Church-Turing-These ist die Fähigkeit zur Lösung von algorithmischen Problemen unabhängig von dem konkreten Aufbau einer Hardware, solange es sich um eine universelle Rechenmaschine mit genügend Speicherplatz handelt. Daraus und aus der erwähnten Tatsache, dass die Abläufe innerhalb der Neuronen algorithmisch ablaufen, resultiert, dass das menschliche Gehirn grundsätzlich nicht mehr Probleme lösen kann als jede andere universelle Rechenmaschine und dieses wiederum heißt im Umkehrschluss, dass es prinzipiell möglich sein muss, einen Computer mit sämtlichen geistigen Fähigkeiten auszustatten, die der Mensch hat, einschließlich des Bewusstseins.
Maschinen lernen denken
Im zweiten Teil des Buches zeigt der Autor, wie nun die Erkenntnisse der Hirnforschung dazu genutzt werden können, Computerprogramme zu erstellen, die wie das menschliche Denken funktionieren.
Die Hauptanwendungsgebiete liegen derzeit in der Mustererkennung. So basiert das Spracherkennungsprogramm Siri, das auf dem iPhone 4S und dem iPhone 5 installiert ist, auf einem künstlichen neuronalen Netz, das lernfähig ist und sich mit der Zeit auf seinen Nutzer einstellt. Microsoft stattet jetzt seine neuen Smartphones mit einem verbesserten Spracherkennungsprogramm aus, das doppelt so schnell arbeitet wie Siri und um 15 Prozent zuverlässiger sein soll.
Eines der derzeit am weitesten fortgeschrittenen Programme in Bezug auf die Simulation menschlichen Denkens ist „Watson“ von der Firma IBM. Es ist in der Lage, ganze Sätze zu verstehen und darauf sinnvolle Antworten zu geben. Bei dem im amerikanischen Fernsehen beliebten Spiel „Jeopardie“ hat es im Jahr 2011 besser abgeschnitten als die besten menschlichen Kandidaten. Bei diesem Spiel muss auf einen Satz, der eine Antwort darstellt, die zugehörige richtige Frage gefunden werden. Das Programm kann durch einen Lernprozess für verschiedenste Fähigkeiten optimiert werden. Eine kleine Gruppe bei IBM hat dem Programm inzwischen beigebracht, neue Kochrezepte zu erstellen. Die menschlichen Geschmackseindrücke wurden dabei vorher einprogrammiert.
Ray Kurzweil selbst hat jahrzehntelange Erfahrung im Programmieren von lernfähigen Mustererkennungsprogrammen. Nach seiner Erfahrung arbeiten diese Programme dann am besten, wenn man sie in ihrem Aufbau als neuronalem Netz dem menschlichen Gehirn nachempfindet. Für die jeweilige Aufgabe kann man gewisse Grundregeln einprogrammieren. Die Feinheiten erlernt das Programm dann selbstständig durch seinen praktischen Gebrauch. Zusätzlich kann man noch einen evolutionären Optimierungsvorgang einbauen, der die Verschaltung des Netzes für die jeweilige Aufgabe optimiert, so wie das auch im menschlichen Gehirn geschieht.