In den 1980er Jahren knackte Ray Kurzweil ein Problem, das die KI-Forscher jahrelang beschäftigte: Wie kann man Computer dazu bringen, menschliche Sprache zu verstehen? Seine Lösung waren hierarchische versteckte Markov-Modelle (HHMMs) - ein System, das nachahmt, wie das Gehirn Geräusche Schicht für Schicht verarbeitet, und bei jedem Schritt fundierte Vermutungen anstellt.
Bei diesem Durchbruch ging es nicht nur um Spracherkennung. Er offenbarte etwas Tieferes über die Intelligenz selbst: Intelligente Systeme verarbeiten nicht alles, was ihnen begegnet. Lesen Sie weiter, um zu erfahren, wie Kurzweils Erkenntnisse die KI-Assistenten geprägt haben, die wir heute nutzen - und was sie uns über die Natur des Denkens selbst sagen.
Hierarchische versteckte Markov-Modelle
Kurzweils wichtigster Beitrag zur künstlichen Intelligenz war die Entwicklung hierarchischer versteckter Markov-Modelle (HHMMs) für die Spracherkennung in den 1980er Jahren. (Der Begriff "verborgen" bezieht sich auf die Tatsache, dass das System die hierarchischen Muster im Gehirn eines Sprechers ausschließlich aus den gehörten Sprachlauten ableiten muss, während die tatsächlichen Muster im Kopf des Sprechers "verborgen" bleiben). HHMMs lösten die Probleme, die frühere KI-Systeme behinderten, indem sie hierarchische Organisation mit probabilistischer Mustererkennung und effizienter Datenverarbeitung kombinierten.
(Kurzer Hinweis: Ein HHMM ist ein mehrschichtiges System, bei dem jede Schicht eine andere Abstraktionsebene darstellt, von einfach bis komplex. Bei der Spracherkennung verarbeitet die unterste Schicht rohe Tonfrequenzen, die nächsthöhere Schicht identifiziert Grundlaute wie "th" oder "ee", die nächste Schicht kombiniert diese zu Wörtern wie "the", und höhere Schichten bilden Phrasen und Sätze. Jede Schicht kann nur "sehen", was ihr die Schicht direkt darunter mitteilt: Sie hat keinen Zugriff auf die ursprüngliche Eingabe. Die Wortschicht hört nicht die tatsächlichen Laute; sie erhält nur wahrscheinliche Phoneme (Lauteinheiten), die von unten nach oben weitergegeben werden. Das bedeutet, dass jede Schicht auf der Grundlage unvollständiger Informationen fundierte Vermutungen darüber anstellen muss, was wirklich passiert (wie beim Telefonspiel, das sich durch immer komplexere Ebenen zieht).
Kurzweil erkannte, dass das Gehirn nicht alle sensorischen Informationen, die wir aufnehmen, verarbeitet, sondern die wesentlichen Merkmale dieser Informationen extrahiert. Diese Erkenntnis brachte ihn dazu, die Vektorquantisierung einzusetzen, eine Technik zur Vereinfachung komplexer Daten unter Beibehaltung der wichtigsten Details. Stellen Sie sich die Vektorquantisierung wie die Erstellung einer vereinfachten Karte vor, die die wesentlichen Merkmale eines komplexen Geländes erfasst: Man verliert einige Details, behält aber das, was man für die Navigation braucht.
Für die Spracherkennung bedeutete dies, dass die akustische Komplexität der Sprache in Muster umgewandelt werden musste, die das erfassen, was für das Sprachverständnis erforderlich ist. Kurzweil organisierte diese Muster hierarchisch, wobei die unteren Ebenen Phoneme (die grundlegenden Lauteinheiten der Sprache) erkannten, die zu Wörtern kombiniert wurden, die wiederum zu Phrasen und Sätzen kombiniert wurden. Das System arbeitete probabilistisch: Es berechnete die Wahrscheinlichkeit, dass bestimmte Muster vorhanden waren, und traf Entscheidungen auf der Grundlage dieser Wahrscheinlichkeiten, anstatt eine perfekte Übereinstimmung zu verlangen, so wie das Gehirn Sprache auch dann erkennt, wenn Wörter teilweise durch Hintergrundgeräusche verdeckt werden.
| Wie die Vektorquantisierung es der KI ermöglicht, die Effizienz des Gehirns zu imitieren Kurzweils Erkenntnis über die Merkmalsextraktion spiegelt ein Schlüsselprinzip sowohl der Gehirnfunktion als auch der KI wider: Intelligente Systeme verarbeiten nicht alle verfügbaren Informationen - sie extrahieren und komprimieren die wichtigsten Muster in spärliche, effiziente Darstellungen. Bei der Vektorquantisierung, der von Kurzweil verwendeten Technik, werden ähnliche Muster gruppiert und jede Gruppe mit einem einzigen Punkt dargestellt, wodurch die Datenkomplexität reduziert wird, während die wichtigsten Merkmale erhalten bleiben. Dies entspricht der Auffassung von Neurowissenschaftlern, dass das Gehirn Muster effizient erkennt: Nur ein kleiner Teil der Neuronen feuert als Reaktion auf einen bestimmten Input. Wenn Sie zum Beispiel das Gesicht einer Person sehen, die Sie wiedererkennen, aktiviert Ihr Gehirn nicht alle Neuronen, die mit dem Gesicht in Verbindung stehen. Stattdessen aktiviert es ein Muster von Neuronen, das das Gesicht von anderen Gesichtern abhebt. Dieses spärliche Muster ist einzigartig genug, um das Gesicht zu erkennen und dabei weit weniger Ressourcen zu verbrauchen als bei der Verarbeitung aller möglichen Gesichtsmerkmale. Studien über das Gedächtnis von Experten zeigen dieses Prinzip in Aktion. Erfahrene Schachspieler erkennen sofort taktische Muster, die für Anfänger unsichtbar wären, während erfahrene Musiker sofort Akkordfolgen oder melodische Strukturen erkennen, die Nicht-Musiker nur schwer wahrnehmen würden. Das liegt daran, dass diese Experten spärliche, verteilte neuronale Repräsentationen entwickelt haben, die die wesentlichen Merkmale dieser Muster effizient kodieren. Ein Anfänger, der dieselbe Schachstellung sieht oder dieselbe musikalische Passage hört, müsste viel mehr Informationen verarbeiten, weil seinem Gehirn diese speziellen Repräsentationen fehlen. |
HHMMs jetzt und in Zukunft
Die von Kurzweils Unternehmen entwickelten Spracherkennungssysteme haben sich zu Technologien wie Siri und Google Voice Search entwickelt und gezeigt, dass hierarchische Hidden-Markov-Modelle die Sprachverarbeitung in der realen Welt im Verbrauchermaßstab bewältigen können. Diese Systeme führen routinemäßig Aufgaben aus, die noch Jahrzehnte zuvor unmöglich erschienen wären: das Verstehen natürlicher Sprache von verschiedenen Sprechern, mit unterschiedlichen Akzenten, Hintergrundgeräuschen und grammatikalischen Fehlern.
Dies wirft die Frage auf: Wenn wir Maschinen bauen können, die nach den gleichen Prinzipien denken wie der menschliche Verstand, was bedeutet das dann für Bewusstsein, Identität und die Zukunft der Intelligenz? Um dies weiter zu erforschen, lesen Sie den Leitfaden von Shortform zu Wie man einen Geist erschafft.
