Künstliche Intelligenz: Wenn der Algorithmus Vorurteile hat
Posted by Julia Werner •
Wie sich die Evolution auf die Entwicklung von KI auswirkt
Knowhow herunterladen ×
Als PDF herunterladen Xing LinkedIn Facebook E-Mail
Evolution und Künstliche Intelligenz – also Biologie und moderne Technik? Das soll miteinander vereinbar sein? Auf den ersten Blick wirken die beiden Dinge sehr gegensätzlich, doch dem ist nicht so. Mithilfe der Erkenntnisse aus der Evolution lassen sich nämlich Algorithmen für die Entwicklung von KI entwickeln. Wie genau das dann aussieht, möchte ich Ihnen in diesem Beitrag einmal zeigen.
Was sind evolutionäre Algorithmen?
Evolutionäre Algorithmen – oder auch genetische Algorithmen – sind eine Form der Entwicklung von Künstlicher Intelligenz. Genauer gesagt ist es eine Form von Deep Learning, was wiederum ein Teilbereich von Machine Learning darstellt. Wie der Name schon sagt, orientieren sich evolutionäre Algorithmen an der biologischen Evolution und dessen Entwicklungsmuster.
Es handelt sich dabei um ein Optimierungsverfahren, bei dem Lösungen für bestimmte Probleme gefunden werden. Die Lösung muss dem Anwender nicht im Voraus schon bekannt sein, sondern wird durch die KI entwickelt. Das Verfahren eignet sich dabei für komplexere Probleme. Wenn Sie also beispielsweise nur aus einer vorgegebenen Anzahl an Lösungen die beste auswählen wollen, eignen sich simplere Algorithmen besser. Mit evolutionären Algorithmen hingegen können auch neue Lösungen geschaffen werden.
E-Book: Wie Ihr Unternehmen von Künstlicher Intelligenz (KI) profitieren kann In unserem E-Book erfahren Sie die wichtigsten Inhalte rund um das Thema künstliche Intelligenz & wie Sie davon profitieren können!
E-Book: Wie Ihr Unternehmen von Künstlicher Intelligenz (KI) profitieren kann ×
Die Evolution als Grundlage für die Entwicklung
Doch wie funktioniert das Ganze? Als grundlegender Gedanke dient die Evolution. Diese funktioniert, indem verschiedene Individuen eine Art Überlebenskampf führen. Dabei setzt sich die stärkere Art durch und gibt ihre Merkmale an die nächste Generation weiter. Dadurch werden im Laufe der Zeit Eigenschaften von Lebenswesen optimiert – auch der Mensch blickt auf eine lange Entwicklung in der Evolution zurück. Das ist allerdings kein manuell gesteuerter Prozess. Individuen kämpfen dabei um Ressourcen und manche sind besser angepasst als andere.
Dieser Prozess lässt sich auch auf die Entwicklung von evolutionären Algorithmen bei Künstlicher Intelligenz übertragen. Das können Sie sich ungefähr so vorstellen: In einer Simulation werden Individuen erschaffen, welche durch die Berechnung in Form einer sogenannten Fitnessfunktion einen Tauglichkeitswerte (oder auch Fitnesswert) erhalten. Dieser gibt Aufschluss darüber, wie gut das Individuum das vorgegeben Problem löst.
Webinar: Künstliche Intelligenz – Grundlagen und Best Practices Sie möchten gerne mehr zum Thema Künstliche Intelligenz erfahren und wie Ihr Unternehmen davon profitieren kann? In unserem Webinar fassen wir Ihnen die wichtigsten Aspekte zusammen!
Survival of the Fittest
Daraufhin wird selektiert, sodass die am besten angepassten Individuen „überleben“. Zwei weitere wichtige Elemente der Evolution sind die Rekombination und die Mutation. Die Population der Individuen wird also durch zufälligen Austausch von Individuen und zufällige Mutation von Individuen weiterentwickelt. Es ist also wie bei uns Menschen, wo ein Kind die Eigenschaften seiner beiden Elternteile kombiniert.
Durch diesen Prozess werden die stärksten Eigenschaften gesichert und weitergegeben, wodurch die KI immer näher an die optimale Lösung gelangt. Die Veränderungen werden dabei immer kleiner und hören sogar ganz auf, wenn das Maximum erreicht ist. Man kann die Evolution allerdings auch schon vorher manuell unterbrechen und so dem Problem der Überanpassung entgehen.
Welche Vorteile hat die Methode?
Die evolutionären Algorithmen bringen dabei einige Vorteile mit sich, von denen ich ein paar hier einmal für Sie auflisten möchte:
Die Algorithmen können gut mit fehlerhaften oder unvollständigen Daten umgehen. Es ist also nicht so viel Vorbereitungszeit nötig.
Sie funktionieren sehr gut im Zusammenhang mit anderen KI-Formen, beispielsweise neuronalen Netzen.
Sie bieten oftmals Lösungen, mit denen Sie vorher gar nicht rechnen können und eignen sich daher gut für komplexe Probleme.
E-Book: KI im Mittelstand In diesem E-Book erfahren Sie, wie Sie KI in Ihrem Unternehmen einsetzen können.
E-Book: KI im Mittelstand ×
So werden evolutionäre Algorithmen beim Deep Learning genutzt
Die evolutionären Algorithmen kommen vor allem beim Deep Learning zum Einsatz. Dort werden neuronale Netze gebildet, bei denen das Training daraus besteht, die Gewichtung der Neuronen anzupassen, die dessen Output für das Endergebnis beeinflusst. Hier setzen evolutionäre Algorithmen an:
Dafür wird eine Population aus neuronalen Netzen mit zufälliger Gewichtung der einzelnen Neuronen erstellt. Diese Netze werden dann getestet und die Ergebnisse werden ausgewertet. Wie oben beschrieben, werden daraus dann die besten behalten und die Neuronen durchlaufen dann die Phasen der Rekombination und Mutation. Es geht also um die Anpassung der Gewichtung der Neuronen.
Noch Fragen?
Wenn Sie noch weitere Fragen zu den Anbietern oder zu weiteren KI-Themen haben, schreiben Sie mich gerne per Mail an (info-ki@mindsquare.de). Ich freue mich auf die Kontaktaufnahme!
Große Wissenskluft bei Algorithmen und Künstlicher Intelligenz
Weite Teile der Bevölkerung wissen nur begrenzt Bescheid über Algorithmen und Künstliche Intelligenz (KI) und können die Folgen deren Einsatzes kaum beurteilen. Besonders problematisch ist, dass Kenntnisse sowie Einstellungen zu Algorithmen und KI stark vom formalen Bildungsgrad abhängen. Und das, obwohl die Bekanntheit und Akzeptanz von automatisierten Entscheidungen zugenommen haben, auch bei kontroversen Anwendungsfällen. Es ist dringend notwendig, das Wissen über die Technologien in der gesellschaftlichen Breite zu verbessern.
Bildungsgrad ist ein Einflussfaktor
Menschen mit niedrigem Bildungsgrad sind deutlich weniger mit Algorithmen und Künstlicher Intelligenz vertraut als Menschen mit höherem Bildungsabschluss. In einer repräsentativen Umfrage des Instituts für Demoskopie Allensbach im Auftrag der Bertelsmann Stiftung gaben nur 54 % der Befragten mit Volks- oder Hauptschulabschluss an, dass sie vom Begriff "Algorithmus" schon einmal gehört haben. Bei den Personen mit Abitur oder Studium sind es deutlich mehr (97 %). Ein Vergleich mit einer Umfrage aus dem 2018 unterstreicht die Diskrepanz: Während sich der Anteil der Personen mit Abitur oder Studium, die vom Begriff "Algorithmus" kaum etwas wissen oder noch nie davon gehört haben, bis heute fast halbiert hat (von 31 % auf 17 %), sind es bei denen mit niedrigem Bildungsgrad nur 7 Prozentpunkte weniger. Diese Wissenskluft besteht auch bei der Bekanntheit des Begriffs "Künstliche Intelligenz", wobei sie hier etwas geringer ausfällt.
Algorithmen sind eindeutige Handlungsvorschriften zum Lösen einer vorab definierten Aufgabe – ähnlich wie bei Kochrezepten. Sie können zum Beispiel eine Software zur Textverarbeitung oder auch zur Verteilung von Kitaplätzen anleiten. Künstliche Intelligenz hingegen basiert auf Algorithmen und meint Computersysteme, die aus der Verarbeitung von Daten lernen und Menschen dabei unterstützen, automatisiert Aufgaben zu lösen, Empfehlungen zu geben und Entscheidungen zu treffen.
Akzeptanz wächst – auch für umstrittene Anwendungen
Insgesamt hat die Bekanntheit des Begriffs "Algorithmus" in den vergangenen vier Jahren zugenommen – von 72 % auf 81 %. Ebenso gewachsen ist nach Selbsteinschätzung der Befragten ihr ungefähres Wissen über Algorithmen. Auch die Anwendungsgebiete von Algorithmen und KI werden geläufiger. Am bekanntesten sind die individuelle Auswahl von Werbung und Nachrichten, die Gesichtserkennung im öffentlichen Raum, die Rechtschreibkontrolle in der Textverarbeitung sowie Kontaktvorschläge auf Online-Partnerbörsen. Dabei zeigt sich: Je eher die Befragten Kenntnis von bestimmten Einsatzgebieten haben, desto häufiger akzeptieren sie automatisierte Software-Entscheidungen in diesen Bereichen. Das gilt sogar für Anwendungen, die aufgrund ihrer potenziell gravierenden sozialen Folgen umstritten sind. So gaben bei der Gesichtserkennung durch Videoüberwachung, bei der Vorauswahl von Job-Bewerbenden und auch bei der Bewertung von Kreditwürdigkeit mehr Personen als noch in der Befragung 2018 an, dass hier voll- oder teilautomatisierte Entscheidungen durch Computer getroffen werden könnten.
Auswirkungen auf das eigene Leben bleiben für viele ungewiss
Diese Entwicklung stimmt vor allem deshalb nachdenklich, weil es den Menschen noch immer erkennbar schwerfällt, die Bedeutung von Algorithmen für sich persönlich zu erkennen. Lediglich von 27 % auf 29 % ist der Anteil von Befragten gestiegen, die einen starken oder sehr starken Einfluss von Algorithmen auf ihr Leben und ihren Alltag wahrnehmen; bei Künstlicher Intelligenz sind es sogar nur 14 %. Genauso unsicher und unentschlossen zeigen sich die Befragten dabei, die gesellschaftlichen Auswirkungen der Technologien abzuschätzen und zu beurteilen, ob diese eher positiv oder negativ einzustufen sind. So treffen mehr als 40 % keine Aussage dazu, ob der zunehmende Einsatz von Algorithmen und KI insgesamt mehr Chancen oder mehr Risiken für unser Zusammenleben bringt. Ob die Gesellschaft dadurch gerechter oder ungerechter wird, bleibt sogar für 46 % der Befragten im Unklaren. (5/2022)
Künstliche Intelligenz: Wenn der Algorithmus Vorurteile hat
Ein Podcast von
Wut, Trauer, Freude: Schon heute kann künstliche Intelligenz (KI) Emotionen erkennen. Bislang kommt das vor allem in Werbung und Marketing zum Einsatz. So wird etwa mithilfe von Kameras untersucht, wie potenzielle Kundinnen und Kunden auf bestimmte Produkte im Supermarkt oder auf Messen reagieren. Auch in Bewerbungsgesprächen setzen einige Unternehmen bereits KI ein, um mithilfe der Algorithmen mehr über die Bewerberinnen und Bewerber zu erfahren.
Forschende arbeiten daran, diese Technologien noch zu verbessern und so weitere Anwendungsgebiete zu erschließen. In Zukunft könnten beispielsweise Strafverfolgung und Sicherheitsbehörden auf KI setzen, etwa bei Lügendetektoren oder an Grenzübergängen.
Rassistische KI
Dabei gibt es allerdings ein Problem: KI ist – anders als oft vermutet – nicht neutral und objektiv. Auch wenn die Algorithmen dazulernen, basieren sie nämlich auf den Ideen von Menschen und übernehmen so deren Vorurteile. Ein Beispiel ist die Theorie der Basisemotionen des Psychologen Paul Ekman, auf der die Datensätze der Algorithmen häufig basieren. Diese Theorie ist heute allerdings umstritten, weil sie kulturelle und individuelle Unterschiede nicht berücksichtigt.
Studien zeigen beispielsweise, dass KI rassistisch urteilt: So wurden in einer Untersuchung von US-Basketballern den schwarzen Spielern häufiger negative Emotionen unterstellt als ihren weißen Kollegen. Andere Beispiele zeigen einen sexistischen Bias der Algorithmen. Zum Beispiel wurden in Bewerbungsverfahren bei Amazon Frauen häufiger aussortiert als männliche Kandidaten. In einer Studie mit US-Kongressabgeordneten bewertete ein Computerprogramm Frauen als freundlicher und sympathischer.
Tagged: