(Quelle: Andrey Suslov/Shutterstock.com)

Das situative Bewusstsein ist ein Merkmal menschlicher Intelligenz, das den Zustand bezeichnet, sich der eigenen Umgebung bewusst zu sein und entsprechend zu handeln. Es stellt sich daher die Frage, ob es möglich ist, ein menschliches situatives Bewusstsein auch für KI-Systeme zu entwickeln. Fortschritte im Bereich der neuronalen Netze zeigen uns sowohl Möglichkeiten als auch Grenzen auf.Das situative Bewusstsein ist ein Merkmal menschlicher Intelligenz, das den Zustand bezeichnet, sich der eigenen Umgebung bewusst zu sein und entsprechend zu handeln. Es stellt sich daher die Frage, ob es möglich ist, ein menschliches situatives Bewusstsein auch für KI-Systeme zu entwickeln. Fortschritte im Bereich der neuronalen Netze zeigen uns sowohl Möglichkeiten als auch Grenzen auf.

Stellen Sie sich folgende Situation vor: Sie sind mit dem Auto unterwegs und fahren auf einen Fußgängerüberweg zu. Sie achten auf die Verkehrsschilder und schauen vielleicht, ob ein Schulweghelfer vor Ort ist. Falls vor Ihnen ein anderes Auto fährt, sind Sie darauf vorbereitet, dass es anhalten könnte. Am Zebrastreifen angekommen, schauen Sie, ob links und rechts Fußgänger stehen, die die Straße überqueren wollen, oder ob sich bereits Menschen auf dem Zebrastreifen befinden. Sie sind darauf vorbereitet, dass Fußgänger den Zebrastreifen überqueren – sowohl diejenigen, die sich schon darauf befinden, als auch jene, die dies vorhaben. Sie fahren erst dann weiter, wenn es sicher ist.

Die oben beschriebene Situation ist ein gutes Beispiel für das sogenannte situative Bewusstsein. Dabei handelt es sich um ein Merkmal menschlicher Intelligenz, das den Zustand bezeichnet, sich seiner Umgebung bewusst zu sein und darauf zu reagieren. Im Bereich der selbstfahrenden Fahrzeuge sorgen Bilderkennungssysteme, schnelle Datenverarbeitung und neuronale Netze dafür, dass Fahrzeuge ihre Umgebung wahrnehmen, Handlungen planen und auf wechselnde Reize reagieren können. Die Frage lautet jedoch, ob ein situatives Bewusstsein, ähnlich dem menschlichen, für solche Systeme entwickelt werden kann? Ein Blick auf die Fortschritte im Bereich neuronaler Netze zeigt uns Möglichkeiten auf, um dieses Ziel zu erreichen – aber auch Grenzen.

Schauen wir uns noch einmal das Beispiel des Fußgängerüberwegs an. Ein menschlicher Fahrer nimmt zunächst die Gesamtsituation wahr. Hierzu registriert er die beteiligten Objekte und Personen sowie ihre jeweilige Position und mögliche Bewegungen. Er nimmt die Beschilderung und akustischen Signale am Zebrastreifen zur Kenntnis, achtet auf die Autos vor und hinter ihm, auf Fußgänger und auf sonstige Gegebenheiten in der betreffenden Situation. Außerdem nimmt er auch subtilere Aspekte wahr, z. B. Merkmale und den jeweiligen Zustand der Fußgänger (z. B. jüngere, ältere, aggressive, betrunkene Menschen oder Menschen, die in Eile sind); die Situation, in der sich die Fußgänger befinden (z. B. mit anderen Aktivitäten beschäftigt, allein oder in einer Gruppe), und ihre Absicht, den Zebrastreifen zu überqueren. Während dieses gesamten Vorgangs ignoriert der menschliche Fahrer Aspekte, die für die jeweilige Situation keine Bedeutung haben, z. B. ein Vogel, der auf dem Stoppschild sitzt, oder Müll am Straßenrand.

Beim menschlichen Situationsbewusstsein führt eine Verzögerung zwischen Wahrnehmung und Handlung zu einer Wahl, die sich auf umfassende Erfahrungen stützt. Und darin liegt der Unterschied zwischen einem erwarteten und dem tatsächlich eingetretenen Ergebnis. Aufgrund unserer Erfahrungen stellen wir uns imaginäre Situationen vor, mit denen wir potenzielle Risiken besser einschätzen und angesichts der aktuellen Situation erforderliche Handlungen beschließen können. Oder anders ausgedrückt: Menschen erinnern sich nicht nur an den tatsächlich eingetretenen Ausgang früherer Handlungen im Vergleich zu dem erwarteten Ausgang, sondern auch an alternative Situationen, die sie sich möglicherweise vorgestellt haben. In unserem Beispiel des Fußgängerüberwegs könnte sich der Fahrer vorstellen, was in dieser Situation schiefgehen könnte und in seinem Entscheidungsprozess auch die Perspektive der Fußgänger berücksichtigen.

Diese Fähigkeit, sich mögliche Ergebnisse und Perspektiven vorzustellen, entspricht auch den neuesten Erkenntnissen von Forschern. Ihnen zufolge erfordert eine verkörperte Intelligenz das Zusammenspiel eines umfassenden integrierten Systems aus Sinnen, Wahrnehmungen und verschiedenen Teilen des Gehirns, um sich der jeweiligen Situation anzupassen. Diese physische Basis der menschlichen Intelligenz offenbart eine affektive Sicht, die den Kontext für Wahrnehmung, Entscheidungsfindung und Handlung bildet und diese Aspekte steuert.

Es gibt heute verschiedene Technologien, mit denen sich einige Aspekte des situativen Bewusststeins in KI-Systemen umsetzen lassen. Im Bereich des autonomem Fahrens beispielsweise sind Fahrzeuge dank Sensoren, Sensorfusion und High-End-Processing in der Lage, Situationen wahrzunehmen und daraus eine semantische Beschreibung der Verkehrssituation abzuleiten. Hierzu wird zunächst eine Abbildung der Umgebung des Fahrzeugs erstellt, die dann in Zellen aufgeteilt wird. Mit hybriden Sensoransätzen, wissensbasierter Inferenz, heuristischen Algorithmen, bayesschen Schlussfolgerungen, Fuzzylogik und neuronalen Netzen wird nun eine Gesamtbewertung dessen erzeugt, was ein menschlicher Fahrer wahrnehmen würde.

Um die Entscheidungsfindung im Kontext des situativen Bewusststeins zu replizieren, können KI-Systeme mit lokalen Optimierungen, approximativen Schlussfolgerungen und neuronalen Netzen ergänzt werden, die den Erwartungswert basierend auf vorherigem Training nachahmen. Im Hinblick auf die Replikation der menschlichen Intelligenz erfasst das neuronale Netz die strukturelle Konnektivität des Gehirns und ermöglicht die Kontiguität zwischen den Input-Eigenschaften und ihrer Weiterentwicklung im Laufe der Zeit.

Fortschritte bei der Nachbildung der funktionellen Konnektivität des menschlichen Gehirns ermöglichen eine dynamische Zusammenarbeit verschiedener Teile des Gehirns, auch zwischen hierarchisch höherstehenden komplexen Strukturen und verdrahteten neuronalen Strukturen. Wenn diese Kooperation zwischen „high-level“ und neuronalen Strukturen möglich ist, führt dies zu einem offenen System der Sinnstiftung und der Schlussfolgerung, das der menschlichen Entscheidungsfindung im Kontext des situativen Bewusststeins ähnelt. Die Zusammenarbeit zwischen verschiedenen Hirnstrukturen erfordert jedoch eine Superstruktur-Konnektivität, die sogenannte effektive Konnektivität, um den Einfluss zu erfassen, den ein neuronales System im Laufe der Zeit auf ein anderes ausübt. Ohne effektive Konnektivität kann ein KI-System Input nicht nach seiner Bedeutung priorisieren. Eine solche Priorisierung ist jedoch erforderlich, um Entscheidungen zu treffen und geeignete Maßnahmen zu ergreifen.

Das menschliche situative Bewusststein bezieht sich auf die Erfassung unserer Umgebung und unsere entsprechenden Reaktionen. Grundlage dafür sind die Wahrnehmung der Gesamtsituation und die Fähigkeit, auf miteinander verbundene Erfahrungen – reale oder imaginäre – zurückzugreifen, um Entscheidungen zu treffen. Selbst wenn sich neuronale Netze weiterentwickeln und künftig auch komplexere Aspekte des situativen Bewusststeins erfassen können, so werden sie doch niemals wirklich auf gleicher Stufe mit der menschlichen Intelligenz stehen. Die richtige Synergie zwischen Künstlicher Intelligenz und dem Menschen liegt darin, die Stärken der KI zu nutzen und Menschen gleichzeitig zu befähigen, ihr situatives Bewusststein zu verbessern und die situationsbezogene Kontrolle zu beeinflussen. Dies wiederum wird Maschinen (auf ihre Weise) intelligenter machen und es Menschen ermöglichen, ihre Aufmerksamkeit und Energie auf kreativere Aufgaben zu richten.