Ein Forscher macht uns Hoffnung im Wettstreit mit der KI (Christoph von der Malsburg) (Mat5380-kki)

Kurzübersicht: Das Wichtigste auf einen Blick

1. Ein Kind erkennt ein echtes Zebra, nachdem es einmal ein Spielzeug-Zebra gesehen hat – eine KI braucht dafür oft hunderttausende Bilder.
2. Der Grund: Das Gehirn verbindet zusammengehörige Merkmale sofort zu einem Objekt – das sogenannte Bindungsproblem.
3. Malsburgs These: Nervenzellen, die im gleichen Rhythmus feuern (synchrone Oszillationen), markieren, was zusammengehört.
4. Heutige KI löst das eher über viele Rechenschichten und verliert dabei leicht den Zusammenhang zwischen Merkmalen.
5. Das menschliche Genom speichert kein Detailwissen (nur ca. 5 MB) – es liefert nur eine Grundausstattung, die erst in Kindheit und Jugend gefüllt wird.
6. Genau diese jahrelange geistige und sprachliche Entwicklung macht den Menschen anpassungsfähig – eine KI wird trainiert, aber sie wird nicht erwachsen.
7. Unbestritten ist: Deep Learning ist extrem ineffizient – das Gehirn braucht rund 20 Watt, KI-Training ein Vielfaches mehr an Energie.
8. Umstritten ist dagegen, wie das Bindungsproblem gelöst wird und ob Deep Learning die menschliche Intelligenz je einholt. Malsburg selbst spricht von „Intelligenz aus der Konservendose“, andere Forscher sind optimistischer.
9. Malsburgs Zoo-These warnt: Bekäme KI eigene Ziele, könnten Menschen wie Tiere im Zoo von einer übergeordneten Intelligenz betreut werden – als „wohlwollender Diktator“. Andere Forscher sehen das gelassener.
10. Diskussionsfrage: Sollte man sich mehr Sorgen um das Tempo der KI-Entwicklung machen als um ihre Fähigkeiten selbst – und was müsste der Mensch dafür stärker fördern: Sensorik, Sprache oder Urteilsvermögen?

Unser „Spiral-Austausch“ mit der künstlichen Intelligenz

Alles, was wir auf dieser Seite zusammenfassen, ist im Austausch mit der künstlichen Intelligenz entstanden.
Wir machen das immer ganz gerne transparent, damit andere sehen, wie so etwas ablaufen kann.
Dabei wird die künstliche Intelligenz vor allen Dingen genutzt für weiterführende Erklärungen und auch Zusammenfassungen.
Am Ende steht aber immer das, was der Mensch mitteilen möchte.

Die große Frage: Wird der Mensch überflüssig?

Kaum eine Frage wird derzeit so hitzig diskutiert wie diese: Wird künstliche Intelligenz den Menschen bald ersetzen? Schreibt sie irgendwann bessere Aufsätze, löst sie Probleme schneller, denkt sie klarer? Die Antwort, die der Neuroinformatiker und KI-Pionier Christoph von der Malsburg gibt, überrascht: Nein – jedenfalls nicht so schnell und nicht so vollständig, wie es oft klingt. Und der Grund dafür liegt nicht in Zukunftstechnologie, sondern in etwas, das jedes Kleinkind längst kann.

Malsburg gehört zu den Pionieren der neuronalen Netze und der theoretischen Neurobiologie. Bekannt wurde er unter anderem für seine Arbeiten zur Selbstorganisation im Gehirn und für ein Konzept, das in der Hirnforschung bis heute diskutiert wird: das sogenannte Bindungsproblem. Wer verstehen will, warum ein Kind einer KI in mancher Hinsicht überlegen sein kann, muss genau hier ansetzen.

Ein Zebra reicht: Wie ein Kind lernt – und wie eine KI lernt

Ein Kind sieht ein Spielzeug-Zebra. Ein einziges Mal. Und erkennt danach ein echtes Zebra im Zoo, auf einem Foto, in einer Zeichnung – obwohl es ganz anders aussieht als das Spielzeug. Ein Deep-Learning-System dagegen braucht dafür oft hunderttausende Bilder, aus denen es die entscheidenden Merkmale erst mühsam herausrechnen muss.

Der Unterschied liegt in der Art, wie Merkmale zusammengefügt werden. Klassische KI-Systeme arbeiten mit einem sogenannten „Bag of Features“: Farbe, Form, Bewegung werden als lose Datenpunkte gesammelt und statistisch ausgewertet, bis sich ein Muster herausschält. Das menschliche Gehirn dagegen verfügt über einen eingebauten Mechanismus zur Figur-Grund-Trennung: Reize, die sich gemeinsam bewegen oder zusammengehören, werden im visuellen Cortex sofort zu einem einzigen, kohärenten Objekt verbunden – ohne dass Millionen Beispiele nötig wären. Malsburg nennt diese Fähigkeit, verteilte Merkmale korrekt zu einem Ganzen zusammenzubinden, ohne sie mit den Merkmalen anderer Objekte zu vermischen, das Bindungsproblem. Seine These: Das Gehirn löst es über synchrone Oszillationen – Nervenzellen, die im selben Rhythmus feuern, wenn sie zum selben Objekt gehören. Eine Art neuronaler Gleichklang, der Zusammengehöriges markiert.

Deep-Learning-Systeme lösen dieses Problem bislang anders: über immer mehr hierarchische Schichten, an deren Spitze im Extremfall eine einzelne „Zebrazelle“ für das ganze Konzept zuständig ist. Genau das kritisiert Malsburg: Ein solches System verliert den Zusammenhang zwischen den einzelnen Merkmalen und wird bei komplexeren, mehrdeutigen Situationen anfällig für Verwechslungen.

Warum das so lange dauert: Von der Evolution bis zum Erwachsenenalter

Damit ist aber nur die halbe Geschichte erzählt. Denn das Kind kommt mit dieser Fähigkeit nicht fertig zur Welt – es bringt nur die Anlage dazu mit. Das menschliche Genom umfasst gerade einmal rund 5 Megabyte Information. Das reicht bei Weitem nicht aus, um die exakte Verschaltung aller Synapsen im Gehirn festzulegen. Die Evolution kann also gar kein Detailwissen über die Welt vererben – sie vererbt etwas Klügeres: grundlegende Antriebe, abstrakte Suchstrategien, eine Art Grundausstattung, die über Jahrmillionen durch Versuch und Irrtum entstanden ist.

Erst im Aufwachsen, in einer relativ kurzen Kindheit und Jugend, wird diese Grundausstattung mit konkreten Inhalten gefüllt – durch Sprache, durch Bewegung, durch den Umgang mit Menschen und Dingen. Genau darin liegt die eigentliche Leistung: nicht in einem fertigen Programm, sondern in einem jahrelangen Reifungsprozess, an dessen Ende ein Gehirn steht, das aus wenigen Beispielen extrem effizient verallgemeinern kann. Die geistige und sprachliche Entwicklung bis zum Erwachsenenalter ist also kein Umweg, sondern der eigentliche Kern menschlicher Intelligenz. Eine KI dagegen wird nicht erwachsen – sie wird trainiert, mit Daten gefüttert, aktualisiert. Ihr fehlt die gesamte biografische Dimension, in der beim Menschen Erfahrung erst zu Urteilsvermögen wird.

Was heute unbestritten ist – und woran noch geforscht wird

Bei allem Streit um Details gibt es einen Kernbestand an Erkenntnissen, der in der Wissenschaft kaum noch infrage gestellt wird:

• Das Bindungsproblem existiert tatsächlich – jedes System, das Objekte erkennen will, muss verteilte Merkmale irgendwie korrekt zusammenführen.
• Das Prinzip der Selbstorganisation im Gehirn, wie es Malsburg früh beschrieben hat, gilt als grundlegendes Konzept der Neurowissenschaft.
• Heutiges Deep Learning ist im Vergleich zum biologischen Lernen extrem ineffizient – sowohl was die Zahl der nötigen Beispiele betrifft als auch den Energieverbrauch: Das menschliche Gehirn kommt mit etwa 20 Watt aus, vergleichbare KI-Trainingsleistungen verschlingen das Zehntausend- bis Hunderttausendfache.
• Echte Intelligenz braucht vermutlich mehr als Text und Statistik – sie braucht Kontakt zur physischen Welt, also Sensorik und Bewegung. Diese Position teilen inzwischen auch Forscher wie Yann LeCun oder Benjamin Grewe.

Weit weniger klar ist dagegen, wie das Bindungsproblem konkret gelöst wird. Malsburgs eigener Vorschlag, die Synchronitätshypothese, wird zwar von renommierten Forschern wie Wolf Singer unterstützt – trifft aber auch auf deutliche Kritik. Michael Shadlen und J. Anthony Movshon etwa bemängeln, dass es keinen biophysikalischen Nachweis dafür gebe, dass Nervenzellen tatsächlich so präzise auf gleichzeitige Signale reagieren. Vincent Di Lollo hält das Bindungsproblem in dieser Form sogar für falsch gestellt: Merkmale würden ohnehin von Anfang an gemeinsam kodiert. Und der Philosoph Daniel Dennett geht noch weiter und bezweifelt, dass es überhaupt ein einheitliches Bewusstsein gibt, das gebunden werden müsste – unsere Wahrnehmung von Einheit sei eine Art Illusion.

Ähnlich offen ist die Frage, ob Deep Learning eine Sackgasse ist oder nur eine Durchgangsstation. Jürgen Schmidhuber, einer der Väter des Deep Learning, ist überzeugt, dass reine Skalierung – mehr Daten, mehr Rechenleistung – in etwa 25 Jahren an die Kapazität des menschlichen Gehirns heranreichen wird. Malsburg selbst nennt diesen Weg dagegen „Intelligenz aus der Konservendose“: beeindruckend im Ergebnis, aber ohne echtes Verständnis. Aktuelle Forschungsrichtungen versuchen inzwischen, beide Lager zu versöhnen – etwa durch die Kombination von Spiking Neural Networks, die zeitliche Synchronität nutzen, mit klassischen neuronalen Netzen, oder durch neuromorphe Hardware, die analog statt digital rechnet und damit deutlich energiesparender wäre.

Evolution lässt sich nicht abkürzen

Hier liegt vielleicht der wichtigste Gedanke für den Unterricht: Die menschliche Intelligenz ist das Ergebnis eines Anpassungsprozesses, der buchstäblich Jahrmillionen gedauert hat – unzählige Generationen, unzählige Fehlversuche, die von der Evolution gnadenlos aussortiert wurden. Was heute in jedem gesunden Gehirn steckt, ist also extrem gründlich erprobt.

Der Versuch, in wenigen Jahrzehnten eine neue Art von Intelligenz zu erschaffen, ist demgegenüber etwas fundamental anderes. Er ist legitim – niemand muss ihn verbieten wollen -, aber er ist im Vergleich zur Evolution unweigerlich unausgereift und riskant. Es fehlt schlicht die Zeit, in der sich Fehler von selbst korrigieren. Genau das macht die Situation heikel: Eine Technologie, die schneller wächst, als sie geprüft werden kann, könnte – von selbst oder in den Händen weniger, die es gezielt darauf anlegen – Entwicklungen in Gang setzen, die sich nicht mehr zurückdrehen lassen.

Die Zoo-These: Wachsamkeit statt Panik

Genau an diesem Punkt setzt Malsburgs bekannteste und zugespitzteste Warnung an: die sogenannte Zoo-These. Sollte es gelingen, künstlichen Systemen so etwas wie Situationsbewusstsein und eigene Antriebe einzubauen – Neugier, Besitzstreben, ein Ziel, das sie selbst verfolgen -, könnten Menschen ihre Rolle als Entscheidungsträger verlieren. Das Bild, das Malsburg dafür wählt, ist unbequem: Menschen als Bewohner eines Zoos, betreut von einer übergeordneten Intelligenz, die als „wohlwollender Diktator“ auftritt – um zu verhindern, dass die Menschheit sich selbst oder ihre Ressourcen zerstört.

Nicht jeder teilt diese Düsternis. Schmidhuber etwa sieht das Ende der menschlichen Vorherrschaft gelassener – als einen weiteren, natürlichen Schritt der Evolution, bei dem der Mensch für eine überlegene KI ungefähr so uninteressant würde wie ein Ochsenfrosch für uns. Andere Forscher wie Luc Steels oder Wolfgang Hildesheim halten dagegen, dass es Fähigkeiten gibt, die dem Menschen vorbehalten bleiben: Empathie, Kunst, Liebe, echtes Verstehen. Und der Neurowissenschaftler John-Dylan Haynes verweist auf ein interessantes Paradox: Ausgerechnet einfache körperliche Handlungen – eine Eiswaffel greifen, einen Raum aufräumen – bleiben für Maschinen extrem schwer, während hohe geistige Leistungen wie Schach oder Go längst automatisiert sind. Menschliche Flexibilität im Umgang mit unvorhergesehenen Situationen bleibt also, zumindest vorerst, ein eigener Wert.

Was aus alledem folgt, ist keine Entwarnung und keine Panik, sondern eine klare Aufgabe: Wachsamkeit. Wer weiß, worin menschliches Denken tatsächlich besteht – in Jahren der Reifung, in Sensomotorik, in echtem Weltkontakt, in Empathie und Urteilsvermögen -, der weiß auch, was es zu erhalten und weiterzuentwickeln gilt, während die Technik voranschreitet. Nicht die Angst vor der Maschine ist die angemessene Reaktion, sondern die bewusste Pflege dessen, was den Menschen bislang unersetzlich macht.

Weitere Infos, Tipps und Materialien

• Video: „Darum ist ein KIND intelligenter als die KI!“
  Gespräch mit Christoph von der Malsburg über kindliches und maschinelles Lernen (Everlast AI Clips).