Google hat mit Pathways eine neue Generation seiner KI-Architektur angekündigt. Angesichts der komplexen Herausforderungen, die mit Hilfe von künstlicher Intelligenz (KI) gelöst werden sollen, brauche es neue Ansätze, sagte Jeff Dean, Google Senior Fellow and Senior Vice President für den Bereich Google Research. Die Erwartungen an KI seien hoch: Sie solle der Menschheit helfen, einige der größten Probleme zu lösen, zum Beispiel Krankheiten und Epidemien, die wachsende Ungleichheit bis hin zu Bedrohungen wie dem Klimawandel.
Foto: Google
Pathways beruhe auf einer neuen Art, über KI nachzudenken. Viele Schwächen heutiger Systeme könnten behoben und Stärken zusammengeführt werden, schreibt Dean in einem Blog-Beitrag. Heutige KI-Modelle würden in der Regel nur für eine einzige Aufgabe trainiert. Für jedes neue Problem müssten sie von Grund auf neu angelernt werden. Das Ergebnis: Tausende von Modellen für Tausende von Einzelaufgaben. Doch Aufgaben immer wieder neu zu lernen, dauere nicht nur zu lange, es würden auch viel mehr Daten benötigt, beschreibt der Google-Manager die Nachteile der bestehenden KI-Welt.
Dean vergleicht den klassischen KI-Ansatz mit der menschlichen Art zu lernen. "Stellen Sie sich vor, Sie würden jedes Mal, bevor Sie sich eine neue Fähigkeit aneignen, alles bisher Gelernte vergessen. Zum Beispiel Seilspringen: Sie müssten jedes Mal von Grund auf neu lernen, wie man balanciert, springt oder die Bewegung der Hände koordiniert."
Pathways soll multitasking-fähig sein
Mit Pathways will Google ein KI-Modell entwickeln, das verschiedene Aufgaben parallel bewältigen und dabei auf bereits vorhandene Fähigkeiten zurückgreifen und diese kombinieren kann. Beispielsweise könnte ein System, das aus Luftbildern das Höhenrelief einer Landschaft modelliert, auch lernen vorherzusagen, wie Hochwasser durch dieses Gelände fließen wird.
Ein Pathways-Modell soll Dean zufolge künftig über verschiedene Fähigkeiten verfügen, die je nach Bedarf abgerufen und zusammengefügt werden können, um neue, komplexere Aufgaben zu lösen. Wie Menschen mehrere Sinne nutzen, um die Welt wahrzunehmen, soll auch Pathways über mehrere Sinne verfügen. Anders als heutige KI-Systeme, die jeweils nur eine Art von Informationen verarbeiten können - Text, Bilder oder Sprache -, aber normalerweise nicht alle drei gleichzeitig. Wie neuronale Netze funktionieren und wie sie lernen, erklärt dieser Artikel.
Neue KI - weniger Fehler
Der Google-Mann spricht von multimodalen Modellen, die mit Pathways möglich würden. Das habe viele Vorteile: Die entsprechenden Modelle seien weniger anfällig für Fehler und Verzerrungen. Pathways könnte zudem auch abstraktere Formen von Daten verarbeiten und so dabei helfen, nützliche Muster auch in komplexen Systemen wie beispielsweise der Klimadynamik zu finden. Darüber hinaus könnte die kommende KI schneller und effizienter arbeiten, verspricht Dean. Die Systeme lernten dynamisch, welche Teile ihres neuronalen Netzes für welche Aufgaben am besten geeignet seien. Aufgaben ließen sich so schneller und energieeffizienter erledigen, da nicht das gesamte Netzwerk für jede Aufgabe aktiviert werden müsse.
Die Google-Verantwortlichen setzen große Hoffnungen in ihre neue KI-Architektur. "Pathways wird ein einzelnes KI-System in die Lage versetzen, Tausende oder Millionen von Aufgaben zu verallgemeinern und verschiedene Datentypen zu verstehen", so Dean. Die Zeiten, in denen Modelle nur einen Zweck erfüllten und dafür Muster erkannten, gehe zu Ende. Es folge nun die Ära, in der intelligente Systeme mit allgemeinerem Verwendungszweck ein tieferes Verständnis unserer Welt widerspiegeln und sich immer wieder an neue Bedürfnisse anpassen können.
Wie weit Google mit seiner neuen KI-Architektur fortgeschritten ist, geht aus Deans Blog-Post nicht hervor. Genau so wenig, wann Anwender konkrete Einsatzszenarien rund um Pathways erwarten können. Dass der Konzern mit seinen neuen KI-Ideen an die Öffentlichkeit geht, deutet jedoch daraufhin, dass erste Prototypen einer Beta-Testphase über die Google Cloud Platform (GCP) nicht mehr lange auf sich warten lassen dürften.