The danger of AI is weirder than you think | Janelle Shane

2,816,115 views ・ 2019-11-13

TED


Bitte doppelklicken Sie auf die englischen Untertitel unten, um das Video abzuspielen.

Übersetzung: Nadija Gunko Lektorat: Johannes Duschner
00:01
So, artificial intelligence
0
1765
3000
Künstliche Intelligenz ist dafür bekannt, allerlei Branchen durcheinanderzubringen.
00:04
is known for disrupting all kinds of industries.
1
4789
3529
00:08
What about ice cream?
2
8961
2043
Was ist mit Eis?
00:11
What kind of mind-blowing new flavors could we generate
3
11879
3639
Welche unglaublichen neuen Eissorten könnte man mit den Fähigkeiten
00:15
with the power of an advanced artificial intelligence?
4
15542
2976
der hochentwickelten KI herstellen?
00:19
So I teamed up with a group of coders from Kealing Middle School
5
19011
4161
Ich arbeitete mit den Programmierern der Kealing Middle School zusammen,
00:23
to find out the answer to this question.
6
23196
2241
um die Antwort auf diese Frage zu finden.
00:25
They collected over 1,600 existing ice cream flavors,
7
25461
5081
Sie sammelten mehr als 1 600 vorhandene Eissorten.
00:30
and together, we fed them to an algorithm to see what it would generate.
8
30566
5522
Zusammen gaben wir sie im Algorithmus ein, um zu sehen, was daraus entstehen wird.
00:36
And here are some of the flavors that the AI came up with.
9
36112
3753
Hier sind einige der Eissorten, die sich die KI ausgedacht hat.
[Kürbis-Müll-Pause]
00:40
[Pumpkin Trash Break]
10
40444
1471
00:41
(Laughter)
11
41939
1402
(Lachen)
00:43
[Peanut Butter Slime]
12
43365
2469
[Erdnussbutter-Schleim]
00:46
[Strawberry Cream Disease]
13
46822
1343
[Erdbeersahne-Krankheit]
00:48
(Laughter)
14
48189
2126
(Lachen)
00:50
These flavors are not delicious, as we might have hoped they would be.
15
50339
4597
Diese Eissorten sind nicht so köstlich, wie wir es erwarteten.
00:54
So the question is: What happened?
16
54960
1864
Die Frage ist also: Was ist passiert? Was ist schief gelaufen?
00:56
What went wrong?
17
56848
1394
00:58
Is the AI trying to kill us?
18
58266
1959
Versucht die KI uns zu töten?
01:01
Or is it trying to do what we asked, and there was a problem?
19
61027
4310
Oder tut sie genau das, worum wir baten, aber es gab ein Problem?
01:06
In movies, when something goes wrong with AI,
20
66567
2464
Wenn in Filmen etwas mit KI schief läuft, hat die KI häufig entschieden,
01:09
it's usually because the AI has decided
21
69055
2712
01:11
that it doesn't want to obey the humans anymore,
22
71791
2272
den Menschen nicht mehr zu gehorchen
01:14
and it's got its own goals, thank you very much.
23
74087
2623
und eigene Ziele zu verfolgen.
01:17
In real life, though, the AI that we actually have
24
77266
3216
Tatsächlich ist die heutige KI dafür noch nicht schlau genug.
01:20
is not nearly smart enough for that.
25
80506
1863
01:22
It has the approximate computing power
26
82781
2982
Sie hat etwa die Rechenleistung von einem Regenwurm,
01:25
of an earthworm,
27
85787
1276
01:27
or maybe at most a single honeybee,
28
87087
3403
oder vielleicht höchstens die einer einzelnen Honigbiene
01:30
and actually, probably maybe less.
29
90514
2215
und vermutlich sogar weniger.
01:32
Like, we're constantly learning new things about brains
30
92753
2594
Wir erfahren über Gehirne ständig neue Aspekte, die stets zeigen,
01:35
that make it clear how much our AIs don't measure up to real brains.
31
95371
4360
wie wenig die KI dem Gehirn entspricht.
01:39
So today's AI can do a task like identify a pedestrian in a picture,
32
99755
5663
Die KI von heute kann einen Fußgänger auf einem Bild erkennen.
01:45
but it doesn't have a concept of what the pedestrian is
33
105442
2983
Sie hat aber keine Vorstellung,
01:48
beyond that it's a collection of lines and textures and things.
34
108449
4824
dass ein Fußgänger mehr als eine Sammlung von Linien und Texturen ist.
01:53
It doesn't know what a human actually is.
35
113792
2521
Sie weiß im Grunde nicht, was ein Mensch ist.
01:56
So will today's AI do what we ask it to do?
36
116822
3282
Wird die KI das tun, worum wir sie bitten?
02:00
It will if it can,
37
120128
1594
Sie wird, wenn sie kann.
02:01
but it might not do what we actually want.
38
121746
2726
Aber sie könnte vielleicht nicht das tun, was wir eigentlich wollen.
02:04
So let's say that you were trying to get an AI
39
124496
2415
Zum Beispiel möchten Sie,
02:06
to take this collection of robot parts
40
126935
2619
dass KI aus Roboterteilen einen Roboter zusammenbaut,
02:09
and assemble them into some kind of robot to get from Point A to Point B.
41
129578
4197
um damit von Punkt A zu Punkt B zu gelangen.
02:13
Now, if you were going to try and solve this problem
42
133799
2481
Die Lösung des Problems durch Schreiben eines herkömmlichen Computerprogamms
02:16
by writing a traditional-style computer program,
43
136304
2351
02:18
you would give the program step-by-step instructions
44
138679
3417
würde schrittweise Anweisungen an das Computerprogramm beinhalten,
wie aus den Teilen ein Roboter mit Beinen gebaut werden kann
02:22
on how to take these parts,
45
142120
1329
02:23
how to assemble them into a robot with legs
46
143473
2407
und wie man die Beine benutzt, um zum Punkt B zu gehen.
02:25
and then how to use those legs to walk to Point B.
47
145904
2942
02:29
But when you're using AI to solve the problem,
48
149441
2340
Aber wenn man KI einsetzt, dann sieht die Lösung anders aus.
02:31
it goes differently.
49
151805
1174
02:33
You don't tell it how to solve the problem,
50
153003
2382
Man bestimmt nicht, wie die KI das Problem lösen soll,
02:35
you just give it the goal,
51
155409
1479
sondern setzt nur das Ziel
02:36
and it has to figure out for itself via trial and error
52
156912
3262
und die KI muss durch Probieren selbst herausfinden,
02:40
how to reach that goal.
53
160198
1484
wie sie das Ziel erreicht.
02:42
And it turns out that the way AI tends to solve this particular problem
54
162254
4102
Aber die KI löst das spezielle Problem so:
02:46
is by doing this:
55
166380
1484
02:47
it assembles itself into a tower and then falls over
56
167888
3367
Es baut sich in einen Turm, kippt damit um und landet auf Punkt B.
02:51
and lands at Point B.
57
171279
1827
02:53
And technically, this solves the problem.
58
173130
2829
Im Prinzip ist es eine Lösung.
02:55
Technically, it got to Point B.
59
175983
1639
Formal kam sie zu Punkt B.
02:57
The danger of AI is not that it's going to rebel against us,
60
177646
4265
Die Gefahr der KI besteht nicht darin, dass sie sich gegen uns auflehnt,
03:01
it's that it's going to do exactly what we ask it to do.
61
181935
4274
sondern dass sie genau das tut, worum wir sie bitten.
03:06
So then the trick of working with AI becomes:
62
186876
2498
Die Kunst, mit KI zu arbeiten ist also:
03:09
How do we set up the problem so that it actually does what we want?
63
189398
3828
Wie bereitet man das Problem auf, damit sie das tut, was wir wollen?
03:14
So this little robot here is being controlled by an AI.
64
194726
3306
Dieser kleine Roboter hier ist von der KI gesteuert.
03:18
The AI came up with a design for the robot legs
65
198056
2814
Die KI entwickelte ein Design für die Roboterbeine und fand heraus,
03:20
and then figured out how to use them to get past all these obstacles.
66
200894
4078
wie sie verwendet werden können, um alle diese Hindernisse zu überwinden.
03:24
But when David Ha set up this experiment,
67
204996
2741
Aber als David Ha das Experiment vorbereitete,
03:27
he had to set it up with very, very strict limits
68
207761
2856
setzte er sehr, sehr enge Grenzen,
03:30
on how big the AI was allowed to make the legs,
69
210641
3292
wie groß die KI die Beine machen durfte,
03:33
because otherwise ...
70
213957
1550
weil sonst ...
03:43
(Laughter)
71
223058
3931
(Lachen)
03:48
And technically, it got to the end of that obstacle course.
72
228563
3745
Im Prinzip hat sie das Ende des Hindernislaufs erreicht.
03:52
So you see how hard it is to get AI to do something as simple as just walk.
73
232332
4942
Es ist also kompliziert,
KI etwas Einfaches wie Gehen beizubringen.
03:57
So seeing the AI do this, you may say, OK, no fair,
74
237298
3820
Wenn man sieht, was die KI da macht, könnte man sagen: "Das gilt nicht!"
04:01
you can't just be a tall tower and fall over,
75
241142
2580
Die KI kann nicht nur einen hohen Turm errichten und umkippen,
04:03
you have to actually, like, use legs to walk.
76
243746
3435
sondern muss auf zwei Beinen gehen.
04:07
And it turns out, that doesn't always work, either.
77
247205
2759
Aber es zeigt sich, dass das auch nicht immer funktioniert.
04:09
This AI's job was to move fast.
78
249988
2759
Diese Aufgabe für die KI war es, sich schnell zu bewegen.
04:13
They didn't tell it that it had to run facing forward
79
253115
3593
Es wurde nicht gesagt, dass sie vorwärts rennen musste
04:16
or that it couldn't use its arms.
80
256732
2258
oder dass sie ihre Hände nicht benutzen konnte.
04:19
So this is what you get when you train AI to move fast,
81
259487
4618
Wenn Sie die KI trainieren, sich schnell zu bewegen,
04:24
you get things like somersaulting and silly walks.
82
264129
3534
dann bekommen Sie etwas wie Saltos und komische Gangarten.
04:27
It's really common.
83
267687
1400
Es kommt echt häufig vor,
04:29
So is twitching along the floor in a heap.
84
269667
3179
genauso wie als Haufen über den Boden zu zucken.
04:32
(Laughter)
85
272870
1150
(Lachen)
04:35
So in my opinion, you know what should have been a whole lot weirder
86
275241
3254
Wäre es nach mir gegangen,
hätten die Terminator-Roboter viel seltsamer sein sollen,
04:38
is the "Terminator" robots.
87
278519
1396
04:40
Hacking "The Matrix" is another thing that AI will do if you give it a chance.
88
280256
3755
Die KI würde auch die "Matrix" hacken, wenn man ihr eine Chance gibt.
04:44
So if you train an AI in a simulation,
89
284035
2517
Trainiert man die KI in einer Simulation
04:46
it will learn how to do things like hack into the simulation's math errors
90
286576
4113
wird sie lernen, die Rechenfehler der Simulation zu hacken
04:50
and harvest them for energy.
91
290713
2207
und daraus Energie zu ziehen.
04:52
Or it will figure out how to move faster by glitching repeatedly into the floor.
92
292944
5475
Oder sie lernt, sich schneller zu bewegen,
indem sie wiederholt im Boden verschwindet.
04:58
When you're working with AI,
93
298443
1585
Die Arbeit mit KI ähnelt nicht so sehr der Arbeit mit einem anderen Menschen.
05:00
it's less like working with another human
94
300052
2389
05:02
and a lot more like working with some kind of weird force of nature.
95
302465
3629
Es scheint eher wie die Arbeit mit einer seltsamen Naturgewalt.
05:06
And it's really easy to accidentally give AI the wrong problem to solve,
96
306562
4623
Es ist wirklich einfach, der KI ein falsches Problem zum Lösen zu geben.
05:11
and often we don't realize that until something has actually gone wrong.
97
311209
4538
Oft merken wir das erst, wenn schon etwas schief gegangen ist.
05:16
So here's an experiment I did,
98
316242
2080
Bei einem Experiment wollte ich, dass die KI die Lackfarben kopiert
05:18
where I wanted the AI to copy paint colors,
99
318346
3182
05:21
to invent new paint colors,
100
321552
1746
und mit einer Liste wie der hier links, neue Lackfarben erfindet.
05:23
given the list like the ones here on the left.
101
323322
2987
05:26
And here's what the AI actually came up with.
102
326798
3004
Das hier hat sich die KI einfallen lassen.
05:29
[Sindis Poop, Turdly, Suffer, Gray Pubic]
103
329826
3143
[Sindis Kacke, arschig, leiden, graue Scham]
05:32
(Laughter)
104
332993
4230
(Lachen)
05:39
So technically,
105
339177
1886
Im Prinzip tat sie das, worum ich bat.
05:41
it did what I asked it to.
106
341087
1864
05:42
I thought I was asking it for, like, nice paint color names,
107
342975
3308
Ich dachte, ich bat um schöne Farbnamen,
05:46
but what I was actually asking it to do
108
346307
2307
aber eigentlich ließ ich sie nur die Buchstabenkombinationen imitieren,
05:48
was just imitate the kinds of letter combinations
109
348638
3086
05:51
that it had seen in the original.
110
351748
1905
die die KI im Original sah.
05:53
And I didn't tell it anything about what words mean,
111
353677
3098
Ich sagte nichts darüber, was Wörter bedeuten,
05:56
or that there are maybe some words
112
356799
2560
oder dass die KI einige Wörter in den Farbnamen vermeiden soll.
05:59
that it should avoid using in these paint colors.
113
359383
2889
06:03
So its entire world is the data that I gave it.
114
363141
3494
Ihre ganze Welt besteht aus Daten, die ich ihr gab.
06:06
Like with the ice cream flavors, it doesn't know about anything else.
115
366659
4028
Wie bei den Eissorten, wusste sie nichts anderes.
06:12
So it is through the data
116
372491
1638
Durch die Daten sagen wir der KI häufig versehentlich, das Falsche zu tun.
06:14
that we often accidentally tell AI to do the wrong thing.
117
374153
4044
06:18
This is a fish called a tench.
118
378694
3032
Das ist ein Fisch, "Schleie" genannt.
06:21
And there was a group of researchers
119
381750
1815
Eine Gruppe von Forschern trainierte KI Schleien in Bildern zu erkennen.
06:23
who trained an AI to identify this tench in pictures.
120
383589
3874
06:27
But then when they asked it
121
387487
1296
Aber als die Forscher fragten, welcher Teil des Bildes
06:28
what part of the picture it was actually using to identify the fish,
122
388807
3426
zur Fische-Erkennung verwendet wurde, wurde das hier hervorgehoben.
06:32
here's what it highlighted.
123
392257
1358
06:35
Yes, those are human fingers.
124
395203
2189
Ja, das sind menschliche Finger.
06:37
Why would it be looking for human fingers
125
397416
2059
Warum sollte KI nach menschlichen Fingern bei der Fische-Erkennung suchen?
06:39
if it's trying to identify a fish?
126
399499
1921
06:42
Well, it turns out that the tench is a trophy fish,
127
402126
3164
Es stellte sich heraus, dass die Schleie ein Trophäenfisch ist,
06:45
and so in a lot of pictures that the AI had seen of this fish
128
405314
3811
und in vielen Bildern mit der die KI trainiert wurde,
06:49
during training,
129
409149
1151
06:50
the fish looked like this.
130
410324
1490
sahen die Fische so aus.
06:51
(Laughter)
131
411838
1635
(Lachen)
06:53
And it didn't know that the fingers aren't part of the fish.
132
413497
3330
Sie wusste nicht, dass die Finger nicht zum Fisch gehören.
06:58
So you see why it is so hard to design an AI
133
418808
4120
Deshalb ist es so kompliziert,
eine KI zu entwickeln, die versteht, was sie sieht.
07:02
that actually can understand what it's looking at.
134
422952
3319
07:06
And this is why designing the image recognition
135
426295
2862
Darum ist es so schwer, die Bilderkennung von selbstfahrenden Autos zu entwickeln,
07:09
in self-driving cars is so hard,
136
429181
2067
07:11
and why so many self-driving car failures
137
431272
2205
und deshalb gibt es so viele Pannen, weil die KI verwirrt wurde.
07:13
are because the AI got confused.
138
433501
2885
07:16
I want to talk about an example from 2016.
139
436410
4008
Ich möchte über ein Beispiel aus dem Jahr 2016 sprechen.
07:20
There was a fatal accident when somebody was using Tesla's autopilot AI,
140
440442
4455
Es gab einen tödlichen Unfall, als jemand die Autopilot-KI von Tesla benutzte.
07:24
but instead of using it on the highway like it was designed for,
141
444921
3414
Aber statt sie auf der Autobahn zu nutzen, wofür sie entworfen wurde,
07:28
they used it on city streets.
142
448359
2205
setzte er sie in der Stadt ein.
07:31
And what happened was,
143
451239
1175
Ein Lastwagen fuhr vor dem Auto heraus und das Auto bremste nicht.
07:32
a truck drove out in front of the car and the car failed to brake.
144
452438
3396
07:36
Now, the AI definitely was trained to recognize trucks in pictures.
145
456507
4762
Die KI wurde durchaus darauf trainiert, die Lastwagen in Bildern zu erkennen.
07:41
But what it looks like happened is
146
461293
2145
Aber die KI wurde darauf trainiert, die LKWs auf Autobahnen zu erkennen,
07:43
the AI was trained to recognize trucks on highway driving,
147
463462
2931
07:46
where you would expect to see trucks from behind.
148
466417
2899
wo man sie normalerweise von hinten sieht.
07:49
Trucks on the side is not supposed to happen on a highway,
149
469340
3420
LKWs auf der Autobahn seitlich zu sehen, sollte eigentlich nicht passieren.
07:52
and so when the AI saw this truck,
150
472784
3455
Als die KI diesen LKW sah,
07:56
it looks like the AI recognized it as most likely to be a road sign
151
476263
4827
erkannte sie ihn vermutlich als Verkehrszeichen,
08:01
and therefore, safe to drive underneath.
152
481114
2273
unter dem sie sicher drunter durch fahren konnte.
Hier ist ein KI-Fehltritt aus einem anderen Bereich.
08:04
Here's an AI misstep from a different field.
153
484114
2580
08:06
Amazon recently had to give up on a résumé-sorting algorithm
154
486718
3460
Amazon musste kürzlich einen Algorithmus zur Sichtung von Lebensläufen aufgeben,
08:10
that they were working on
155
490202
1220
08:11
when they discovered that the algorithm had learned to discriminate against women.
156
491446
3908
weil der Algorithmus gelernt hatte, Frauen zu diskriminieren.
Das geschah, weil er mit Lebensläufen von Leuten trainiert wurde,
08:15
What happened is they had trained it on example résumés
157
495378
2716
08:18
of people who they had hired in the past.
158
498118
2242
die sie in der Vergangenheit eingestellt hatten.
08:20
And from these examples, the AI learned to avoid the résumés of people
159
500384
4023
Durch diese Lebensläufe lernte die KI, die Lebensläufe von Menschen zu meiden,
08:24
who had gone to women's colleges
160
504431
2026
die Hochschulen für Frauen besuchten
08:26
or who had the word "women" somewhere in their resume,
161
506481
2806
oder in denen irgendwie der Begriff "Frauen" steckt,
08:29
as in, "women's soccer team" or "Society of Women Engineers."
162
509311
4576
wie in "Frauenfußballmannschaft" oder "Gesellschaft der Ingenieurinnen".
08:33
The AI didn't know that it wasn't supposed to copy this particular thing
163
513911
3974
Die KI wusste nicht, dass sie nicht genau diesen besonderen Aspekt kopieren sollte,
08:37
that it had seen the humans do.
164
517909
1978
den sie Menschen hatte tun sehen.
08:39
And technically, it did what they asked it to do.
165
519911
3177
Im Prinzip tat die KI das, worum sie gebeten wurde.
08:43
They just accidentally asked it to do the wrong thing.
166
523112
2797
Sie baten die KI versehentlich, das Falsche zu tun.
08:46
And this happens all the time with AI.
167
526653
2895
Das passiert mit der KI ständig.
08:50
AI can be really destructive and not know it.
168
530120
3591
Die KI kann wirklich destruktiv sein und es nicht mal wissen.
08:53
So the AIs that recommend new content in Facebook, in YouTube,
169
533735
5078
Die KIs, die neue Inhalte auf Facebook und YouTube empfehlen, wurden optimiert,
08:58
they're optimized to increase the number of clicks and views.
170
538837
3539
um die Anzahl der Klicks und Seitenaufrufe zu erhöhen.
09:02
And unfortunately, one way that they have found of doing this
171
542400
3436
Eine Möglichkeit dazu bot sich,
09:05
is to recommend the content of conspiracy theories or bigotry.
172
545860
4503
Inhalte verschwörungstheoretischer oder fanatischer Natur zu empfehlen.
09:10
The AIs themselves don't have any concept of what this content actually is,
173
550902
5302
Die KIs besitzen keine Vorstellung davon, was der Inhalt eigentlich ist,
09:16
and they don't have any concept of what the consequences might be
174
556228
3395
und haben keine Vorstellung davon,
welche Konsequenzen die Empfehlung dieser Inhalte vielleicht hat.
09:19
of recommending this content.
175
559647
2109
09:22
So, when we're working with AI,
176
562296
2011
Wenn wir also mit der KI arbeiten, ist es an uns, Probleme zu vermeiden.
09:24
it's up to us to avoid problems.
177
564331
4182
09:28
And avoiding things going wrong,
178
568537
2323
Wenn wir Dinge vermeiden wollen,
09:30
that may come down to the age-old problem of communication,
179
570884
4526
die auf das uralte Kommunikationsproblem zurückzuführen sind,
09:35
where we as humans have to learn how to communicate with AI.
180
575434
3745
müssen die Menschen lernen, wie man mit der KI kommuniziert.
09:39
We have to learn what AI is capable of doing and what it's not,
181
579203
4039
Wir müssen lernen, wozu die KI fähig ist und was sie nicht kann und verstehen,
09:43
and to understand that, with its tiny little worm brain,
182
583266
3086
dass die KI mit ihrem winzigen Wurmhirn nicht wirklich begreift,
09:46
AI doesn't really understand what we're trying to ask it to do.
183
586376
4013
worum wir sie bitten.
09:51
So in other words, we have to be prepared to work with AI
184
591148
3321
Mit anderen Worten müssen wir darauf vorbereitet sein,
09:54
that's not the super-competent, all-knowing AI of science fiction.
185
594493
5258
mit einer KI zu arbeiten,
die nicht überkompetent und allwissend wie in der Science-Fiction ist.
09:59
We have to be prepared to work with an AI
186
599775
2862
Wir müssen uns darauf vorbereiten, mit der KI zu arbeiten, wie sie heute ist.
10:02
that's the one that we actually have in the present day.
187
602661
2938
10:05
And present-day AI is plenty weird enough.
188
605623
4205
Und die heutige KI ist schon eigenartig genug.
10:09
Thank you.
189
609852
1190
Danke.
10:11
(Applause)
190
611066
5225
(Beifall)
Über diese Website

Auf dieser Seite finden Sie YouTube-Videos, die zum Englischlernen nützlich sind. Sie sehen Englischlektionen, die von hochkarätigen Lehrern aus der ganzen Welt unterrichtet werden. Doppelklicken Sie auf die englischen Untertitel, die auf jeder Videoseite angezeigt werden, um das Video von dort aus abzuspielen. Die Untertitel laufen synchron mit der Videowiedergabe. Wenn Sie irgendwelche Kommentare oder Wünsche haben, kontaktieren Sie uns bitte über dieses Kontaktformular.

https://forms.gle/WvT1wiN1qDtmnspy7