Das Erwachen der künst­lichen Intel­ligenz

Abbildung: Google Eye
Die New York Times über das Revival der künst­lichen Intel­ligenz – Illus­tration: Pablo Delcan

Gideon Lewis-Kraus im New York Times Magazine über Googles Ansätze mit künst­licher Intel­ligenz den beliebten Dienst Google Über­setzer zu ver­bessern – und wie maschi­nelles Lernen die Infor­ma­ti­ons­technik neu defi­nieren wird.

Prolog: Du bist, was du gelesen hast

An einem späten Frei­tag­abend Anfang November war Jun Rekimoto, ein ange­se­hener Pro­fessor für Mensch-Com­puter-Inter­aktion an der Uni­ver­sität Tokio, dabei sich online auf einen Vortrag vor­zu­be­reiten, als er begann, einige Bei­träge in den sozialen Medien zu bemerken. Anscheinend war Google Translate, der beliebte Maschi­nen­über­set­zungs­dienst des Unter­nehmens, plötzlich und fast unglaublich ver­bessert worden. Rekimoto ruft Google Translate selbst auf und beginnt damit zu expe­ri­men­tieren. Er war erstaunt. Er musste schlafen gehen, aber Translate hatte seine Phan­tasie fest im Griff.

Rekimoto schrieb seine ersten Funde in einem Blogpost auf. Zuerst ver­glich er einige Sätze aus zwei ver­öf­fent­lichten Ver­sionen von The Great Gatsby, Takashi Nozakis Über­setzung von 1957 und Haruki Mura­kamis neuere Version, mit dem, was dieses neue Google Translate pro­du­zieren konnte. Mura­kamis Über­setzung ist “in sehr geschlif­fenem Japa­nisch geschrieben”, erklärte mir Rekimoto später per E-Mail, aber die Prosa ist ein­deutig “Murakami-Stil”. Im Gegensatz dazu liest sich Googles Über­setzung – trotz einiger “kleiner Unna­tür­lich­keiten” – “trans­pa­renter”.

Die zweite Hälfte von Reki­motos Post unter­suchte den Dienst in die andere Richtung, von Japa­nisch nach Eng­lisch. Er gab schnell seine eigene japa­nische Inter­pre­tation der Eröffnung zu Hemingways Schnee auf dem Kili­manjaro ein, dann über­setzte Google Translate diese Passage zurück ins Eng­lische. Er ver­öf­fent­lichte diese Version neben Hemingways Ori­ginal und fuhr damit fort, seine Leser ein­zu­laden, zu erraten, was die Arbeit einer Maschine war.

NO. 1:

Kili­manjaro is a snow-covered mountain 19,710 feet high, and is said to be the highest mountain in Africa. Its western summit is called the Masai “Ngaje Ngai,” the House of God. Close to the western summit there is the dried and frozen carcass of a leopard. No one has exp­lained what the leopard was seeking at that altitude.

NO. 2:

Kili­manjaro is a mountain of 19,710 feet covered with snow and is said to be the highest mountain in Africa. The summit of the west is called “Ngaje Ngai” in Masai, the house of God. Near the top of the west there is a dry and frozen dead body of leopard. No one has ever exp­lained what leopard wanted at that altitude.

[Anmerkung des Über­setzers: hier das Ori­ginal von Hemingway]

Kili­manjaro is a snow-covered mountain 19,710 feet high, and is said to be the highest mountain in Africa. Its western summit is called the Masai “Ngaje Ngai,” the House of God. Close to the western summit there is the dried and frozen carcass of a leopard. No one has exp­lained what the leopard was seeking at that altitude.

Sogar für einem eng­li­schen Mut­ter­sprachler ist der feh­lende Artikel des Leo­parden der einzige wirk­liche Hinweis, dass Nr. 2 die Ausgabe eines Auto­maten war. Ihre Ähn­lichkeit war die Quelle der Ver­wun­derung Reki­motos, der mit den Fähig­keiten des vor­he­rigen Über­se­tungs­dienstes gut ver­traut war. Nur 24 Stunden früher hätte Google die gleiche japa­nische Passage wie folgt über­setzt:

Kili­manjaro is 19,710 feet of the mountain covered with snow, and it is said that the highest mountain in Africa. Top of the west, “Ngaje Ngai” in the Maasai lan­guage, has been referred to as the house of God. The top close to the west, there is a dry, frozen carcass of a leopard. Whether the leopard had what the demand at that altitude, there is no that nobody exp­lained.

Rekimoto teilte seine Ent­de­ckung seinen etwa hun­dert­tausend Fol­lowern auf Twitter mit, und in den nächsten Stunden twit­terten tau­sende von Men­schen über ihre eigenen Expe­ri­mente mit dem maschi­nellen Über­set­zungs­dienst. Einige waren erfolg­reich, andere gut für komische Effekte. Als die Mor­gen­däm­merung über Tokio anbrach, war Google Translate der Nr. 1 Trend auf im japa­ni­schen Twitter, knapp über einigen Kult-Anime-Serien und der lang erwar­teten neuen Single einer Girl-Idol-Super­gruppe. Jeder fragte sich: Wie wurde Google Translate so unheimlich raf­fi­niert?

Vier Tage später ver­sam­melten sich ein paar hundert Jour­na­listen, Unter­nehmer und Wer­be­trei­bende aus aller Welt im bri­ti­schen Inge­nieurbüro von Google für eine besondere Ankün­digung. Die Gäste wurden mit Über­setzer-Glücks­keksen begrüßt. Ihre Papier­scheine hatten eine aus­län­dische Phrase auf der einen Seite – meine war auf nor­we­gisch – und auf der anderen Seite eine Ein­ladung zum Download der Über­setzer-App. Die Tische wurden mit Tabletts von Donuts und Smoothies, jeweils mit einem Schild, das seinen Geschmack in deutsch (zitrone), por­tu­gie­sisch (bau­nilha) oder spa­nisch (anzana) beworben. Nach einer Weile wurde jeder in ein plü­sches, dunkles Theater ein­ge­leitet.

[Anmerkung des Über­setzers: ein­ge­leitet? Sind Sie auch über dieses Wort gestolpert? Dann haben Sie vier Sätze oder 82 Wörter lang nicht bemerkt, dass Sie eine maschi­nen­ge­ne­rierte Über­setzung gelesen haben. Ich habe den letzten Absatz einfach von Google Translate über­setzen lassen (Stand: Mai 2017 – hier finden Sie die aktuelle Version der maschi­nellen Über­setzung). Zurück zum letzten Absatz: die Papier­scheine waren Notiz­zettel. Auch wurden die Tische nicht beworben – der Automat hat das set einfach über­gangen – sondern gedeckt. Beworben wurden die Tabletts mit den Erfri­schungen. Und dann hat die Maschine Plüsch auch noch adjek­ti­viert. Kreative Fehler, oder etwa nicht?]

Foto: Sundar Pichai
Sundar Pichai, CEO von Google, vor seinem Büro in Mountain View, Kali­fornien – Foto Brian Finke für die New York Times

Sadiq Khan, der Bür­ger­meister von London, stand auf, um ein paar Eröff­nungs­worte zu sprechen. Ein Freund, fing er an, hatte ihm vor kurzem gesagt, er erinnere ihn an Google. “Warum, weil ich alle Ant­worten kenne?” fragte der Bür­ger­meister. “Nein”, ant­wortete der Freund, “weil du immer ver­suchst, meine Sätze zu beenden.” Die Menge kicherte höflich. Khan schloss mit der Vor­stellung von Googles Vor­stands­vor­sit­zenden, Sundar Pichai, der dar­aufhin die Bühne einnahm.

Pichai war zur einen Teil in London, um dort das neue Gebäude von Google zu eröffnen, den Eck­pfeiler eines neuen Wis­sens­quar­tiers im Bau am King’s Cross, und zum anderen Teil, um den Abschluss der Anfangs­phase einer Unter­neh­mens­trans­for­mation vor­zu­stellen, die er im ver­gan­genen Jahr ange­kündigt hatte. Das Google der Zukunft, sagte Pichai mehrmals, würde “AI first” sein. Was das in der Theorie bedeutete, war kom­pli­ziert und hatte zu vielen Spe­ku­la­tionen ein­ge­laden. Was es in der Praxis bedeutete, war – mit etwas Glück -, dass die Pro­dukte des Unter­nehmens bald nicht mehr die Ergeb­nisse der tra­di­tio­nellen Com­pu­ter­pro­gram­mierung dar­stellen würden, sondern von “maschi­nellem Lernen”.

[Anmerkung des Über­setzers: Das Google der Zukunft – aktuell von Google Translate noch über­setzt als “Die Google von der Zukunft”.]

Eine exklusive Abteilung im Unter­nehmen, Google Brain, wurde vor fünf Jahren auf diesem Grund­prinzip gegründet: künst­liche “neu­ronale Netze”, die sich mit der Welt über Versuch und Irrtum ver­traut machen, wie es Klein­kinder tun, können so etwas wie mensch­liche Fle­xi­bi­lität ent­wi­ckeln. Diese Vor­stellung ist nicht neu – eine Version davon geht zurück auf die frü­hesten Stadien der modernen Daten­ver­ar­beitung in den 1940er Jahren – aber für einen Großteil seiner Geschichte sahen die meisten Infor­ma­tiker es als irgendwie ver­rufen an, ja sogar mys­tisch. Seit 2011 aber hat Google Brain gezeigt, dass dieser Ansatz für künst­liche Intel­ligenz viele Pro­bleme lösen kann, die jahr­zehn­te­lange kon­ven­tio­nelle Anstren­gungen über den Haufen werfen. Die Sprach­er­kennung funk­tio­nierte nicht sehr gut, bis Brain sie über­ar­beitete; die Ver­wendung maschi­nellen Lernens machte ihre Leistung auf Google’s mobiler Plattform, Android, fast so gut wie mensch­liche Tran­skription. Das gleiche gilt für die Bil­der­kennung. Vor weniger als einem Jahr hat Brain zum ersten Mal ein End­kun­den­produkt von Grund auf erneuert, und die bedeu­tenden Ergeb­nisse wurden an diesem Abend gefeiert.

Wei­ter­lesen …

Fragen? Anregungen? Kritik? Schreiben Sie einen Kommentar.