Der ideale Wissenschaftler

Schrifterkennung ein "limitiertes Problem"

Schmidhubers Ansätze zur Künstlichen Intelligenz (KI) gehen weit über das hinaus, was derzeit Unternehmen in der Praxis einsetzen können. Mit einer einfachen Schriftenerkennung auf KI-Basis gibt sich Schmidhuber nicht mehr ab. Auf der Cebit 2004 in Hannover wurden entsprechende Systeme für Unternehmen als "Paper to ERPERP" gepriesen. Doch Schriften nach Lernschritten mit 95-prozentiger Sicherheit erkennen zu können sei ein "limitiertes Problem". Hier gehe es lediglich um statische Mustererkennung, eine vergleichsweise einfache Aufgabe gegenüber dem Erkennen von Sequenzen etwa aus Filmen. "Viele CIOs sagen, unsere ProjekteProjekte seien gut und wichtig für die Zukunft, aber die ambitioniertesten Vorhaben im Bereich universeller Lernmaschinen noch nicht in die kommerzielle Praxis übertragbar." Alles zu ERP auf CIO.de Alles zu Projekte auf CIO.de

Dennoch gibt es Beispiele aus der Praxis: Auf Schmidhubers 19-Zoll-Flachbildschirm sind ein Labyrinth und zwei schwarze Kugeln zu sehen, zwei Agenten. Der erste Agent hat die Aufgabe, einen Schlüssel zu finden und damit eine Türe aufzuschließen, in der sich wiederum ein Schlüssel befindet. Der zweite Agent soll dann den zweiten Schlüssel aus dem Raum herausholen und ihn in ein weiteres Schloss stecken. Und die Aufgabe ist bewältigt. "300 000 Schritte der beiden Agenten waren zu Beginn nötig", sagt der KI-Spezialist, "nach der Lernphase schaffen die Agenten den Weg in 5000 Schritten. Jedes Mal, wenn ein Agent das Ziel fand, bekam er eine gewisse Punktzahl als Belohnung. Jeder versucht, die Zahl der Punkte pro Zeiteinheit zu maximieren."

Probleme zu lösen ist Schmidhubers Leidenschaft. Ihm ist egal, ob es darum geht, wie man durch lernfähige Aktuatoren, kleine bewegliche Plättchen auf einer Oberfläche, einen Körper windschlüpfriger macht oder Agenten auf die Reise schickt. Je komplexer jedenfalls die Aufgabe, umso besser. Doch was bedeutet für einen Wissenschaftler Komplexität? "Komplex ist, was keine kurze Beschreibung hat - also kein kurzes Programm", definiert Schmidhuber abstrakt. "Diese Definition ignoriert aber die Rechenzeit des Programms und bietet daher nicht das ideale Rahmenwerk, um Menschen zu bauen, die wie Babys lernen, schwierige Probleme zu lösen." Babys seien die besten "lernenden Maschinen", denn sie lösen Probleme unbedarft und ohne den evolutionären Ballast. Und davon ist der Vater einer vier- und einer sechsjährigen Tochter noch weit entfernt.

Zwei Baukästen "Robotics Invention" von Lego liegen auf dem Tisch im Flur des futuristischen Institutsgebäudes im Luganoer Stadtteil Manno. "Immer wieder mal Kind sein", rät der Professor seinen Mitarbeitern. Nur so sei der Ruf des Schweizer Instituts zu halten, das in den Nischenbereichen "optimale universelle Lernmaschinen" und "rekurrente neuronale NetzwerkeNetzwerke" weltweit führend ist. Alles zu Netzwerke auf CIO.de

Roboter zur Versorgung alter Menschen

Etwa 60 Prozent der Gelder holt das Institut mit etwa 25 Mitarbeitern aus Drittmitteln unter anderem vom Schweizerischen Nationalfonds und der Europäischen Union, derzeit mit einem neuen Projekt zu "antizipatorischen Robotern", die sich möglichst optimal auf die Umwelt einstellen. "Das Thema Robotic wird schon allein deshalb abheben", sagt Schmidhuber, "weil die demografische Entwicklung der industralisierten Welt es fordert: Ohne Roboter können nicht immer weniger Junge immer mehr Alte mitversorgen." Höchste Zeit also, den optimalen Wissenschaftler in Form eines Roboters zu schaffen, der das Kippen der Bevölkerungspyramide quasi "technisch-neuronal" ausgleicht.