Wenn Maschinen zu denken beginnen...

Maschinen, die reden, denken und fühlen wie Menschen, technisch optimierte Zwitterwesen, denen Neuroimplantate übermenschliche Kräfte und Fähigkeiten verleihen oder intelligente, allwissende Computersysteme - in der Fantasie, in Science-Fiction Romanen oder Filmen gehören diese Manifestationen künstlicher Intelligenz längst zum Alltag.

Eine Fachdisziplin der Informatik ist die künstliche Intelligenz KI oder AI - aus dem englischen Artificial Intelligence – in die die Forschungsergebnisse der Fachgebiete Psychologie und Neurologie, Mathematik und Logik, Kommunikationswissenschaft, Philosophie und Linguistik mit einfließen. Ziel der KI ist es, Maschinen zu entwickeln, die sich verhalten, als verfügten sie über Intelligenz.



In diesem Fachgebiet der künstlichen Intelligenz, werden zwei Intelligenzen voneinander abgegrenzt, die starke KI und die schwache KI.

Die sog. starke KI setzt sich zum Ziel eine Intelligenz zu erschaffen, die wie der Mensch nachdenken und Probleme lösen kann und die sich durch eine Form von Bewusstsein beziehungsweise Selbstbewusstsein sowie Emotionen auszeichnet. Die Ziele der starken KI sind nach Jahrzehnten der Forschung illusionär und vom technischen Fortschritt unbeeindruckt geblieben.

Im Gegensatz zur starken KI geht es bei der schwachen KI nicht um Schaffung von Bewusstsein oder um ein tieferes Verständnis von Intelligenz sondern darum, konkrete Anwendungsprobleme zu meistern. Insbesondere sind dabei solche Anwendungen von Interesse, zu deren Lösung nach allgemeinem Verständnis eine Form von „Intelligenz“ notwendig zu sein scheint. Letztlich geht es der schwachen KI somit um die Simulation intelligenten Verhaltens mit Mitteln der Mathematik und der Informatik.
Viele ältere Methoden, die in der KI entwickelt wurden, basieren auf heuristischen Lösungsverfahren. In jüngerer Zeit spielen mathematisch fundierte Ansätze aus der Statistik, der Mathematischen Programmierung, und der Approximationstheorie eine bedeutende Rolle.

Die Methoden der KI lassen sich grob in zwei Dimensionen einordnen:
Symbolische vs. Neuronale KI und Simulationsmethode vs. phänomenologische Methode. Die Zusammenhänge veranschaulicht die folgende Graphik:
Den Ansatz einer möglichst präzisen Nachbildung des menschlichen Grhirns verfolgt die Neuronale KI. Die Symbolische KI nähert sich umgekehrt den Intelligenzleistungen von einer begrifflichen Ebene her. Die Simulationsmethode orientiert sich so nah wie möglich an den tatsächlichen kognitiven Prozessen des Menschen. Dagegen kommt es dem phänomenologischen Ansatz nur auf das Ergebnis an.
Quellen:
http://www.wikipedia.de
http://www.g-o.de/index.php?cmd=focus_detail&f_id=42&rang=1
http://www.3sat.de/3sat.php?http://www.3sat.de/nano/astuecke/09548/