Die künstliche Intelligenz ist ein Begriff, der nicht erst jetzt in ERscheinung getreten ist. Schon Alan Turing, Namensgeber des berühmten Tests zur Verifizierung ob eine künstliche Intelligenz als menschlich durchgehen kann, hat sich eingehend damit beschäftigt. Doch langsam nähern wir uns dem Beginn eines neuen Zeitalters der Computertechnologie, in der die künstliche Intelligenz immer realer wird. Computer und Algorhitmen sind kurz davor die nächste Evolutionsstufe zu betreten und kein Mensch weiß so richtig, was dann kommt.

Bücher gibt es dutzende zu dem Thema. Von reißerischen Titeln, bis zur seriösen, tiefgehenden Auseinandersetzung ist so ziemlich alles dabei und aufgrund der Menge an Büchern habe ich auch erst einen winzigen Bruchteil zu dem Thema lesen können.

Dieser Artikel hier möchte sich jedoch nicht mit den sozialen und gesellschaftlichen Implikationen einer menschenähnlichen künstlichen Intelligenz in einer kommenden Zukunft befassen, das überlasse ich gerne den besser dafür qualifizierten Autoren und werde am Ende dieses Artikels ein paar persönliche Leseempfehlungen zu diesem Thema zusammenstellen.
Vielmehr möchte ich in diesem Artikel versuchen das Thema künstliche Intelligenz zumindest in Teilen auf unser Betätigungsfeld als Designer zu übertragen und schauen, wie wir uns das Thema KI zunutze machen können um unsere eigenen Möglichkeiten zu ergänzen und unser Tätigkeitsfeld zu erweitern.

Headlining the News

Das Thema Künstliche Intelligenz schafft es in regelmäßigen, immer kürzeren Abständen in die Nachrichten. Dabei geht es um die unterschiedlichsten Themen, doch ein Hauptschwerpunkt tritt regelmäßig in den Mittelpunkt: Die selbstsändige Analyse von Eingabematerial (meist in Form von Text oder Videomaterial) bei der die Algorhitmen dann zu einem eigenständigen Ergebnis kommen, basierend auf welchem sie dann gewisse "Entscheidungen" treffen. Entscheidungen ist hier bewusst in Anführungszeichen gesetzt, da ein großes Problem der Algorhitmenerstellung eben genau diese Entscheidungen sind.

Algorhitmic Bias

Ein Problem bei der Erstellung von Algorhitmen ist vor allem das "Vorhersehen" von Entscheidungen die auftreten können. Beim Programmieren versucht man diese so breit wie möglich zu fassen und dann nach unten hin immer weiter zu verfeinern/spezifizieren, damit die Informationen, die zu Beginn des "Entscheidungstrichters" eingegeben werden möglichst schnell zu einem Ergebnis führen, mit dem die Maschine weiterarbeiten kann.

Hinzu kommt, dass neben den zu Beginn breitgefassten Kriterien auch der Autor der Entscheidungsalgorhitmen eine Rolle spielt. In komplexen Softwareprojekten können das dutzende, wenn nicht gar hunderte Personen sein, die zusammen an einem übergeordneten Programm arbeiten. Was dabei häufig passiert ist, dass dieses übergeordnete Programm die Denkweisen der Menschen, die es Programmiert haben in teilen "annimmt". Dies geschieht durch den Fakt, das die Programme eben manuell erstellt wurden.

Hierdurch entsteht ein algorhitmischer Bias. Eine Art Vorurteil. Da eine Maschine (trotz der Bezeichnung Künstlicher Intelligenz) nicht eigenständig denken kann können eben Entscheidungen nur basierend auf dem bestehenden Code getroffen werden. Und wenn dieser von überwiegend männlichen Weißen Amerikanern erstellt wurde, dann basiert auch die damit arbeitende KI ihre "Entscheidungen" auf diesem Code.

Ein Beispiel für Algorhitmische Vorurteile ist zB, dass Google Maps vor einigen Jahren bei der Auswahl von Routen in London Viertel, in denen mehrheitlich Schwarze wohnen, nicht in die Routenplanung einbezog, sondern umfuhr.

Ebenso die zu beobachtende Tatsache, dass automatische Filter und "Analysebots" die auf Twitter, Facebook und in Verkehrsüberwachungskameras eingesetzt werden zu einem überwiegenden Teil ebenfalls schwarze als Verdächtig markieren.

Neuronale Netze

Neuronale Netze (eigentlich "künstliche Neuronale Netze" KNN oder engl. ANN) sind ein weiters Schlagwort, das in einem Text zur künstlichen Intelligenz auf keinen Fall fehlen darf.
Der Begriff ist jedoch irreführend und umstritten. Denn auch hier übernimmt die Bezeichnung wie schon bei der künstlichen Intelligenz ein Wort aus der Biologie für ein System als Vorbild, welches zu replizieren es technisch noch nicht in der Lage ist.
Denn während reale neuronale Netze die Verbindungen des Gehirns sind und dessen Funktionen steuern, so sind KNN nur sehr stark abstrahierte Netze, die mehr eine inspirierte Form haben anstatt eine Nachbildung darzustellen. Auch die Funktionsweise ist anders.

Während ein klassischer Algorhitmus größtenteils linear aufgebaut ist und ein folgender Algorhitmus immer auf das Ergebnis seines Vorgängers warten muss (moderne Computer sind alerdings so schnell, dass man ihnen schon eine wirklich komplexe Aufgabe stellen muss um dieses "Abwarten" auch physisch erfahrbar zu machen.) sind neuronale Netze der Versuch diese Linearität aufzubrechen in dem die einzelnen Knoten in Form eines Netzes angeordnet werden.
Die Ergebnisse von einzelnen Knoten werden so nicht nur zu einem folgenden Algorhitmus weitergereicht, sondern zu allen miteinander verbundenen Knoten, die wiederum damit weiterrechnen.
Beendet ein Knoten seine Berechnungen schneller als ein anderer Knoten erhält er eine andere Wichtung, die seine nächste Berechnung beeinflusst, wodurch sich sogar das Ergebnis einer erneuten Berechnung der selben Aufgabe ändern kann.

Auf diese Weise versucht man den Umstand zu umgehen, dass zur Zeit noch jedes mögliche Ergebnis bzw. jede mögliche Entscheidung, die ein Algorhitmus treffen kann von Menschenhand einprogrammiert werden muss und stattdessen den Computern die Möglichkeit zu geben "selbst zu lernen" in dem sie ständig ihre eigenen Wichtungen anpassen und so ggf. zu neuen, vorher nicht enthaltenen Ergebnissen kommen. In der Theorie mag das vielleicht funktionieren, doch in der Praxis sind künstliche Neuronale Netze noch nicht mehr als eine schicke Bezeichnung für komplexe Analysealgorhitmen.

Träumen Roboter von Schafen?

Es ist ein nicht unproblematisches Terrain in Gesprächen und Texten allzu viele Begriffe aus der Biologie auf die Arbeit mit Computern, Maschinen und Robotern zu übertragen. Dies führt dazu, dass die Grenzen schon jetzt zu sehr verwischen, obwohl dies noch einige Jahre lang aussteht und bis dahin eher Thema von Science Fiction Filmen und Büchern bleiben sollte.
Wir müssen daher vorsichtig sein nicht alles in einen Topf zu werfen, wenn wir über künstliche Intelligenz sprechen.

Lass die Maschine arbeiten

Der Computer ist exzellent bei der Bearbeitung sich ständig wiederholedner Aufgaben, das wissen wir bereits. Doch KI und KNN ermöglichen uns dies auf neuartige Weise zunutze zu machen.

Künstliche Neuronale Netze sind in ihrem gegenwärtigen Zustand exzellent darin Bild- und Videomaterial zu analysieren. Hat man eine verschlagwortete Bilddatenbank, kann man diese von dem Neuronalen Netz analysieren lassen, welche dieses Wissen speichert und auf neue, bisher nicht verschlagwortete Bilder anwenden kann.
Dadurch wird es zum Beispiel möglich einer internen Datenbank aus hunderttausenden von Bildern Herr zu werden.
Wir setzen KNN beispielsweise so für unsere interne Bilddatenbank ein. Auf unserem Server liegt ein "Gestaltungs-Archiv", welches mehrere hunderttausend Bilder umfasst. Diese Bilder sind selbst geschossene Fotos, aber auch die über Jahre vom Team gesammelten Bilder zu allen Themen von Ausstellungsdesign und Architektur über Printdesign bis hin zu Verpackungs- und Webdesign. Dieses Archiv ist unsere visuelle Bibliothek. Eine Art lokales Pinterest. Zwar ist es grob sortiert und teilweise vertagt, doch man kann sich vorstellen, wie müßig es sein kann passendes Bildmaterial für ein Moodboard etc. aus dieser großen Sammlung mit den Standard-Suchwerkzeugen zu finden.
Ein einfaches Neuronales Netz hilft uns bei der Suche. Wir haben dieses Programm mit dem vertaggten Teil unseres Archivs gefüttert und das Programm ist nun selbstständig in der Lage neue Bilder zu vertaggen und in die zugehörigen Unterordner einzusortieren. Dies spart viel Zeit und ist für unsere Zwecke ausreichend genug.
Außerdem unterstützt es unsere Suche. Ähnlich der Suchfunktion für ähnliche Bilder wie man es von Pinterest kennt. Wenn wir für eine Präsentation oder für ein Moodboard, Referenzen etc. Bildmaterial in einer bestimmten Menge brauchen, dann können wir entweder einen Suchbegriff in eine Maske eingeben oder ein Bild in die Maske ziehen und der Algorhitmus spuckt passende oder ähnliche Bilder aus. Dies lässt sich weiter verfeinern, in dem man zusätzliche Tags eingibt oder sogar Bilder reinzieht, denen die Vorschläge nicht ähneln sollen.
Auch das ist zur Zeit noch holprig implementiert, aber ein Schritt in die richtige Richtung, der uns viel Zeit spart.

Menschen sind nicht zu ersetzen

Ein Punkt, der in dieser Diskussion bisher nicht genannt wurde ist, dass egal, wie gut die Algorhitmen und Computerprogramme in den nächsten Jahren auch werden, für absehbarer Zeit Menschen nicht wegzudenken sind.
Wie wir aus unseren eigenen Experimenten gelernt haben kann man den Computer zar schon viel Arbeit erledigen lassen, es braucht aber immer noch einen Menschen, der regelmäßig über die Ergebnisse schaut um diese zu verifizieren und ggf. anzupassen. Die Zahl der benötigten Mitarbeiter wird jedoch sinken. Wenn sich unsere Arbeitswelt nicht anpasst, sondern unverändert so bestehen bleibt wie jetzt, dann werden viele Tätigkeiten nach und nach von Algorithmen ersetz werden und anstatt hunderte Mitarbeiter braucht es vielleicht nur noch eine Handvoll oder ein paar Dutzend um eine bestimmte Tätigkeit zu verifizieren.
Doch ich gehe davon aus, dass sich unser Arbeitsmarkt darauf anpassen wird, denn schließlich sind in der Vergangenheit und auch der etwas weiter gefassten Geschichte nicht nur einige Stellen, sondern ganze Industrien durch Maschinen ersetzt worden oder ganz weggefallen. An ihre Stelle sind dafür neue getreten, die wieder Menschen brauchten um sie auszuüben. Was sich jedoch in absehbarer Zeit nicht ändern wird ist die Sättigung der Arbeitswelt durch Maschinen, Computer und in Zukunft auch immer mehr Roboter. Wir müssen uns mit dem Gedanken arrangieren, dass wir in Zukunft nicht nur neben Kollegen aus Fleisch und Blut sitzen, sondern auch immer mehr Maschinen hinzukommen werden, die in absehbarer Zeit wohl auch auf Augenhöhe mit uns sein werden. Wie dieses Szenario aussieht und ausgeht, das überlasse ich jedoch an dieser Stelle den Science Fiction Autoren.

Haben Maschinen ein Geschmacksempfinden?

Design ist eine Branche in der es nicht nur um Fakten geht, sondern immer wieder auch um Gefühl. Manche Entscheidungen lassen sich schließlich nicht oder nur sehr schwer mit Worten begründen und manchmal ertappt man sich selbst dabei, wie man fadenscheinige Begründungen zusammendichtet, warum dieser oder jener Entwurf besser ist als ein Anderer.
Fakt ist, dass Design auch immer mit einem ästhetischen Empfinden verknüpft ist. Dieses variiert von Person zu Person und manch einer hat mehr davon als andere. Doch letztendlich ist dieses Empfinden eben ein Gefühl, dass man schwer in Worten transportieren kann ohne, dass etwas davon verloren geht. Die gleichen Reize können bei unterschiedlichen Menschen zu völlig verschiedenen Empfindungen führen und das ist es, was uns noch lange von Maschinen unterscheiden wird.
Über Geschmack lässt sich streiten. Doch es gibt auch viel schlechten Geschmack!