Roboter sind weder Kollegen noch Vorgesetzte
Die Medien übertrumpfen sich momentan mit Publikationen über unsere zukünftige Koexistenz mit Robotern. Nach dem Motto "Bad News are Good News" werden düstere Szenarien aufgezeichnet. In diesem Know How Beitrag möchten wir uns aber mit der Gegenwart beschäftigen, wo Roboter eher die Rolle von Schwererziehbaren wahrnehmen als diejenige von intelligenten Wesen.
Die heutigen Roboter lernen nicht einfach so von selbst. Die Lernmethode muss sorgfältig ausgewählt werden. Setzt man neuronale Netze ein, muss der Typ und die Topologie gefunden werden, in der Regel mit "Trial and Error“, meistens mit sehr viel "Trial and Error“. Auch schwierig ist meistens die Frage zu beantworten, womit der (Blöd-)Blechmann gefüttert werden soll. Deep Neural Nets sind teilweise in der Lage geeignete Merkmale (Features) selbst zu ermitteln, was aber häufig an zu wenigen Trainingsdaten scheitert. Dann ist cleveres "Feature Engineering" gefragt. Mit aufwändigen Analysemethoden müssen textuelle, akustische, visuelle oder andere Merkmale extrahiert werden, anhand derer die die zu erkennenden Objekte charakterisiert werden.
Die Methoden des maschinellen Lernens
Dass die Methoden des maschinellen Lernens eine Art „Black Box“ ist, stimmt so eigentlich nicht. Vielmehr werden die Problemstellungen in abstrakte Räume transformiert, in denen sie lösbar und erklärbar sind. Richtig ist, dass diese Erklärungen in der Regel nicht zurück in den ursprünglichen Raum transformierbar sind.
Der oben beschrieben Lernphase folgt die Überwachungsphase, die nicht minder anspruchsvoll ist. Roboter sind stur und konsequent, und zwar auch mit unerwünschtem Verhalten. Informatiknovizen kennen das, wenn sie mit einem Webroboter Webseiten aus dem Internet laden. Es ist schnell passiert, dass der Roboter Amok läuft. Die Reaktionen der Betreiber der lahmgelegten Website lassen dann nicht lange auf sich warten. Bei grossen Industrierobotern ist das Überwachungsproblem noch offensichtlicher. Menschen dürfen einem solchen Roboter nicht zu nahe kommen.
