Geoffrey Hinton, der Vater der KI: „Künstliche Intelligenz sollte uns am Herzen liegen“

KI ist wie ein Tiger. Als Jungtier wirkt sie harmlos, ja sogar charmant. Aber sie wird erwachsen. Und solange Sie nicht sicher sind, dass sie Sie nicht töten will, sollten Sie sich Sorgen machen. Geoffrey Hinton, der 2024 zusammen mit John Hopfield für seine bahnbrechenden Studien auf dem Gebiet des maschinellen Lernens den Nobelpreis für Physik erhält , schlägt weiterhin Alarm hinsichtlich der Zukunft der KI. Dies tat er auch in Berlin, auf der Bühne der Gitex Europe , wo er am Eröffnungstag Ehrengast war. Die in Dubai ins Leben gerufene Technologiemesse ist zum ersten Mal auf dem Alten Kontinent gelandet und hat Hunderte europäischer Startups im Gepäck. Neue Veranstaltungen werden in Kenia und Kasachstan folgen.

Hinton, der als einer der Gründerväter der modernen künstlichen Intelligenz gilt, verließ Google genau wegen wachsender Meinungsverschiedenheiten über die Entwicklung und Kontrolle der KI. „Große Unternehmen streben nach Profit, nicht nach Ethik“, erklärte er auf der Global Stage bei Gitex und bekräftigte damit seine Besorgnis über die unkontrollierte Entwicklung generativer Modelle.

Gesundheit

Doch auch an positiven Aspekten mangelt es nicht. „KI wird im Gesundheitswesen eine erstaunliche Rolle spielen“, sagte er. „Heute gibt es 250 von der amerikanischen FDA zugelassene Anwendungen für den Einsatz von KI bei der Interpretation medizinischer Scans . In Amerika wird sie in großen onkologischen Kliniken eingesetzt, aber die Ärzteschaft ist recht konservativ, und dennoch wird es in einigen Jahren, vielleicht weniger als fünf, möglich sein, mehr Informationen aus medizinischen Scans zu gewinnen“, und der Wissenschaftler vermutet wichtige Fortschritte bei der Diagnose schwerer Krankheiten wie Krebs . „Bei der Interpretation des Augenhintergrunds kann KI vieles erkennen, was kein Augenarzt je für möglich gehalten hätte. Wenn wir die Effizienz der Ärzte steigern, können wir alle eine deutlich bessere Gesundheitsversorgung erreichen. Es wird keine Arbeitslosigkeit geben, sondern nur eine deutlich bessere Gesundheitsversorgung, was fantastisch wäre“, sagt Hinton, überzeugt von den positiven Auswirkungen im klinischen Bereich, auch in der Diagnostik. KI stellt etwa 50 % der Diagnosen richtig, Ärzte nur 40 %. Die Kombination dieser beiden Faktoren wird 60 % erreichen und viele Leben retten, da in den USA jährlich etwa 200.000 Menschen an Fehldiagnosen sterben. Und natürlich wird es auch besser in der Entwicklung von Medikamenten sein.

Die Schule

Und wie steht es um die Bildung ? „Der Unterricht wird deutlich effektiver sein. Wir wissen bereits, dass ein Kind mit einem persönlichen Nachhilfelehrer doppelt so schnell lernt wie im Klassenzimmer. Das liegt daran, dass der Nachhilfelehrer seine Erklärungen an das Verständnis des Kindes anpasst. KI wird das noch besser machen, da sie auf der Erfahrung von Millionen von Kindern aufbauen kann. Und das wird in den nächsten zehn Jahren passieren“, erklärt Hinton vor einem Publikum, das ihm aufmerksam zuhört. Okay, aber wenn wir dann besser behandelt werden, besser ausgebildet sind, produktiver und effizienter sind, die Wahrscheinlichkeit geringer ist, dass wir Fehler machen, und wir uns in viel mehr Fällen auf KI verlassen können, warum dann all diese Angst?

Erstens, weil die Zukunft per Definition unbekannt ist. Aber wenn KI im Spiel ist, wird es noch unvorhersehbarer . Wenn man fünf Jahre zurückblickt, begannen wir gerade, Dinge wie GPT-2 zu entwickeln, was damals unglaublich erschien, weil es zwar unsinnigen, aber zusammenhängenden Text generieren konnte. Betrachtet man es heute, wirkt es primitiv. Was wir heute haben, wird uns in fünf Jahren unglaublich primitiv erscheinen. Und wir werden überrascht sein. Wovon?

„KI-Chatbots werden in der Lage sein, über das, was sie gerade gesagt haben, nachzudenken und zu erkennen, dass es keinen Sinn ergibt. Sie werden den Menschen viel ähnlicher sein“, betont der britische Wissenschaftler, der davon überzeugt ist, dass linguistische Modelle, die LLMs, einem kritischen Moment entgegengehen. Der Großteil der weltweiten Daten ist in Unternehmen gespeichert. Die frei verfügbaren Daten sind weitgehend ausgeschöpft und stoßen daher an ihre Grenzen. Um die Leistung zu steigern, muss man die Datenmenge und den Rechenaufwand verdoppeln. Das nächste Bit verdoppelt sich erneut. Dann stößt man an eine Grenze. Und jetzt stößt man an eine Energiegrenze .

Die Energie

Und hier kommen wir zur aktuellen Frage: dem Energieverbrauch. Das Gehirn ist analog, während diese KI-Systeme digital sind. Einer der Gründe, warum ich Google verlassen habe, war, dass ich daran arbeitete, große Sprachmodelle mit analoger Hardware zu erstellen. War also einer der Meinungsverschiedenheiten, die den großen Wissenschaftler dazu bewogen, die großen Technologieunternehmen zu verlassen, der Energieverbrauch? Ein Problem im Zusammenhang mit der Umweltbelastung, mit Emissionen? Es handelt sich um eine energieintensive Operation. Es gibt jedoch eine andere Möglichkeit: Wir machen die neuronale Aktivität zu einer Spannung und die Verbindungsstärke zu einem Leitwert . Pro Zeiteinheit ergibt sich aus Spannung multipliziert mit Leitwert die Ladung. Das Neuron, das all diese Informationen sammelt, kann einfach die Ladung addieren. Wir können diese Berechnungen mit viel weniger Energie durchführen, und genau das macht das Gehirn.

Was bedeutet Hinton übersetzt? Laut Nobelpreisträger Hinton arbeitet das Gehirn im analogen und nicht im digitalen Modus . Dies bedeutet, dass Informationen nicht durch diskrete Werte (0 oder 1) dargestellt werden, sondern durch ein Kontinuum von Werten . Beispielsweise ist die neuronale Aktivität eine allmählich variierende Spannung und die Stärke der synaptischen Verbindungen eine kontinuierliche Leitfähigkeit. Durch Multiplikation von Spannung und Leitfähigkeit entsteht eine Ladung, die die Neuronen einfach addieren können. Dieser Ansatz ist für bestimmte Vorgänge energieeffizienter , da keine Konvertierung zwischen analogen und digitalen Signalen erforderlich ist.

Nicht nur Bits

Sprachmodelle hingegen sind digital, laufen aber auf Hardware, die Informationen als Bits darstellt. ein energieintensiver Ansatz, insbesondere für groß angelegte Operationen, wie sie für LLMs erforderlich sind. Das Verschieben von Daten, Durchführen von Berechnungen und Speichern von Informationen in digitalem Format erfordert viel Energie. „Es hat also keinen Sinn, wenn ich meine Verbindungskräfte, die für meine Hardware entwickelt wurden, an Sie weitergebe, damit Sie sie in Ihrer Hardware verwenden können. Das funktioniert nicht. Unsere Gehirne sind anders verdrahtet. Wir haben Systeme, die in analoger Hardware lernen“, erklärt Geoffrey Hinton.

Was ist die Lösung für eine düstere Zukunft, in der Maschinen wahrscheinlich intelligenter und schneller sein werden als wir, aber immer mehr Energie verbrauchen, wodurch es schwieriger wird, die Schadstoffemissionen zu reduzieren und somit den Klimawandel in den Griff zu bekommen? Wir wissen nicht, wie wir Dinge intelligenter machen können, die wohlwollend sind als wir. Wir wissen es nicht, und wir sollten hart daran arbeiten. Große Unternehmen tun es nicht, weil sie kurzfristige Gewinne machen wollen. Es gibt keine gute Lösung für dieses Problem . Ich kann höchstens vorschlagen, dass die Menschen Druck auf die Regierungen ausüben, damit diese Druck auf die großen Technologieunternehmen ausüben.