Month: Dezember 2017

Roboter oder nicht? Diese Tests müssen Roboter bestehen

Okay, Roboter! Oder doch Mensch? Was macht einen Roboter aus und wann verwechseln wir Mensch und Roboter? Mit dieser Frage beschäftigen sich Wissenschaftler schon seit Jahrzehnten. Sie entwickeln Tests dafür, um herauszufinden, ob ein gegenüber (beispielsweise im Chat) ein Roboter ist oder nicht. Einige dieser Tests stellt dieser Artikel vor.

 

The Turing Test (Turing)

Das ist der absolute Klassiker dieser Tests. 1950 schlug Alan Turing ihn vor. Dabei geht es darum, eine Maschine von einem Menschen zu unterscheiden. Ein Fragensteller stellt zwei Akteuren die gleichen Fragen. Er sieht sie nicht – sie chatten nur. Kann der Fragensteller anhand der Antworten nicht unterscheiden, ob er mit einem Menschen oder einer Maschine schreibt, hat die Maschine den Turing Test bestanden.

Die Kritiker des Tests opponieren, dass der Turing-Test nur die funktionalen Fähigkeiten der Maschine herausfordert. Sie schlagen vor, außerdem die Kreativität und die Diskursfähigkeit in den Test einzubeziehen. Zwei, auf dem Turing-Test aufbauende, Tests sind darauf ausgerichtet: Lovelace-Test und Metzinger-Test.

The Coffee Test (Wozniak)

Der Apple Mitgründer Steve Wozniak (auch Woz genannt) schlug diesen Test vor. Ein Roboter soll dazu in der Lage sein, einen durchschnittlichen amerikanischen Haushalt zu betreten, die Küche aufzusuchen und dort alle nötigen Zutaten für einen Kaffee zu finden. Danach muss er den Kaffee zubereiten und servieren. Das erfordert viele verschiedene Komponenten und ein hohes Verständnis der Umwelt, denn jeder Haushalt ist anders aufgebaut. Es gibt verschiedene Produkte und Geräte, die er Proband kennen und verstehen muss.

 

The Robot College Student Test (Goertzel)

Bei diesem Test geht es darum, auf eine amerikanische Universität zu kommen. Der Roboter besteht den Test, wenn er die Prüfungen in allen relevanten Fächern besteht. Dafür muss er genauso gut wie der Mensch oder sogar besser abschneiden. Im Juni 2017 hat ein chinesisches Unternehmen eine Künstliche Intelligenz für diesen Test (ausschließlich für das Fach Mathe) entworfen. Das System bestand den Test, wenn auch nicht mit einer sehr guten Benotung.

 

The Employment Test (Nilsson)

Das Roboter oder Algorithmen bestimmte Jobs bedrohen, ist bereits bekannt. Nils J. Nilsson hat 2005 vorgeschlagen, auch Roboter einen Einstellungstest zu unterziehen. Dabei sollen die Roboter in der Lage sein, alle möglichen Aufgaben zu lösen, denn jeder Job ist anders und fordert andere Qualitäten von der Arbeitskraft.

Das Roboter meist ohne Einstellungstest einen Job bekommen, zeigt der Polzeiroboter der bereits in Dubai getestet wird.

 

The Flat Pack Furniture Test (Tony Severyns)

Ist auch als IKEA-Test bekannt. Dabei muss der Roboter ein Möbelstück aufbauen. Startpunkt ist dabei ein geschlossenes Paket, in welchem eine Bauanleitung sowie alle nötigen Teile verstaut sind. Der Test ist bestanden, sobald das Möbelstück korrekt verschraubt und verleimt ist. Außerdem muss das Möbelstück korrekt dort platziert werden, wo es hingehört.

 

Unzählige weitere Tests

Seit der Erfindung des Turing-Tests vor mehr als 60 Jahren gab es immer wieder neue Versuche und mögliche Entwürfe für Reifeprüfungen. Die AAAI Conference on Artificial Intelligence 2015 hatte sogar einen ganzen Workshop nur für dieses Thema reserviert.

So funktioniert Recommendation bei Spotify

Rot markiert. Recommendation bei Spotify (Credit: Chris Johnson, Spotify)

Rot markiert. Recommendation bei Spotify (Credit: Chris Johnson, Spotify)

Empfehlungssystemen begegnet man überall im Internet. Auch bei Spotify arbeitet man mit State-of-the-Art Systemen im Bereich Recommendation.

Drei verschiedene Systeme werden bei Spotify dazu benutzt, um euch die Musik vorzuschlagen, die euch sehr wahrscheinlich gefallen könnte.

Dabei bedient sich Spotify an Metadaten der Tracks, liest die Logs der gespielten Musik und durchsucht sogar Blogs und News nach verschiedenen Artikeln. Diese Informationen werden dann benutzt, um euch einen neuen Track zu empfehlen.

Diese 3 Methoden benutzt Spotify

Kollaboratives Filtern – “Wer X gehört hat, hat auch Y gehört.” Amazon nutzt beispielsweise Kollaboratives Filtern, um euch zu zeigen, welche Produkte jemand noch gekauft hat, der ähnliche Produkte wie ihr kaufte. Das funktioniert zum Beispiel über Matrixfaktorisierung.

Natural Language Processing – Die Songtexte und Beschreibungen werden mit Natural Language Processing durchsucht und nach Schlüsselwörtern sortiert. Ähnliche Textpassagen und Phrasen sprechen für eine Ähnlichkeit. Schwierig wird es, wenn der Track sehr wenige bis garkeine Lyrics enthält. Dafür gibt es noch eine dritte Form der Recommendation.

Audio Material – Auf den reinen Audiosignalen wird ein neuronales Netz (Deep Learning) angewandt. Dieses Netz erkennt Ähnlichkeiten in den Frequenenzen. Es nutzt auch weitere Features, um die Ähnlichkeit eines Songs zu bestimmen. So kann man vor allem Songs bewerten, die über keine Lyrics verfügen und bisher selten gehört wurden (also keine Chance für Kollaboratives Filtern hätten).

Ihr findet das Thema spannend? Hier gibt es den längeren Artikel dazu.