Skynet? Google baut Künstliche Intelligenz, die andere KIs optimieren kann

Google hat eine Künstliche Intelligenz gebaut, die in der Lage ist, andere KIs zu optimieren – als Ergebnis kam eine KI zum Erkennen von Objekten und Personen heraus, die deutlich bessere Ergebnisse liefern kann als die von Menschen programmierten KIs, berichtet Futurism.com.

Googles Künstliche Intelligenz „AutoML“ sollte sich den Programmcode der KI „NASNet“, eine KI zum Erkennen von Personen und Gegenständen in einem Live-Videostream, ansehen und ihn optimieren. Eine solche KI könnte (in kleinerer Form) auch in Google AIY Vision Kit zum Einsatz kommen oder in Zukunft autonom fahrenden Fahrzeugen helfen, die Straßen und die Umgebung besser zu erkennen.

Auf der anderen Seite birgt die Entwicklung die Gefahr, dass die Maschinen sich selber immer weiter verbessern und das Tempo der Veränderungen so schnell zu nimmt, dass die menschlichen Programmierer nicht mehr mithalten und den Programm-Code verstehen können. Die Technologie könnte zum Beispiel in auutomatischen Überwachungssystemen oder für autonome Waffensysteme verwendet werden – filmisch wurde dies schon öfters dargestellt, zum Beispiel in der Terminator-Reihe oder in The Matrix. Erst im Sommer hat Facebook einen Test mit zwei KIs vorzeitig beendet, als sie begannen, eine eigene Sprache zu entwickeln. Für die Maschinen war diese anscheinend effizienter, für die menschlichen KI-Forscher aber nicht mehr verständlich.

Googles AutoML KI hat die Ergebnisse der Child-KI mehrere tausend Male überprüft und die Software mit diesen Ergebnissen weiter optimiert: Am Ende war die so erzeugte KI besser in der Lage, Objekte aus dem Video-Stream zu erkennen, als alle bisherigen Systeme. Getestet wurde NASNet anschließend mit den Datensätzen von „ImageNet image classification“ und „COCO object detection“, laut den Google-Forschern zwei der angesehensten akademischen Datensätze für Computer-Vision. Hier erreichte NASNet eine Erkennungsrate von 82,7 Prozent, das sind 1,2% mehr als jedes andere System zuvor.