Zum Hauptinhalt springen

Warum ist Mathematik für Künstliche Intelligenz unentbehrlich?

Mensch und Maschine verschmelzen mithilfe künstlicher Intelligenz (KI) zunehmend  Maxim Tolchinskiy
Mensch und Maschine verschmelzen mithilfe künstlicher Intelligenz (KI) zunehmend Maxim Tolchinskiy
Pin It
Mensch und Maschine verschmelzen mithilfe künstlicher Intelligenz (KI) zunehmend  Maxim Tolchinskiy
Mensch und Maschine verschmelzen mithilfe künstlicher Intelligenz (KI) zunehmend Maxim Tolchinskiy

Während künstliche Intelligenz (KI) heute als Teilgebiet der Informatik
wahrgenommen wird, ist vielen nicht bewusst, dass es sich um ein stark
interdisziplinäres Gebiet handelt, das massiv von Ideen aus der Mathematik
profitiert, wie fünf mathematische Fachgesellschaften nun gemeinsam
erklären.

Fünf große mathematische Fachgesellschaften haben sich gemeinsam auf eine
Stellungnahme zur Bedeutung der Mathematik für die künstliche Intelligenz
(KI) verständigt.
"Wer sich weigert, sich mit Arithmetik zu beschäftigen, ist dazu verdammt,
Unsinn zu reden". Dieser Satz stammt von John McCarthy, Professor für
Künstliche Intelligenz und einer ihrer Gründerväter. Während KI heute als
Teilgebiet der Informatik wahrgenommen wird, ist vielen nicht bewusst,
dass es sich um ein stark interdisziplinäres Gebiet handelt, das massiv
von Ideen aus der Mathematik profitiert. Die Mathematik trägt dazu bei,
die Sicherheit und Effizienz von KI-Systemen zu steigern.

Vier Beispiele:
·       Generative KI, die aus einfachen Texteingaben verblüffend
realistische Bilder erzeugt, nutzt anspruchsvolle mathematische Konzepte
wie Diffusionsmodelle, die auf stochastischen Differentialgleichungen
basieren.

·       Moderne KI-Systeme basieren meist auf komplexen neuronalen Netzen.
Inzwischen ist bekannt, dass neuronale Netze instabil sein können:
Kleinste Störungen in den Eingangsdaten (z.B. sog. Adversarial Attacks)
können zu massiven Fehlern im Ergebnis führen. In praktischen Anwendungen
wie etwa dem autonomen Fahren oder der medizinischen Diagnostik stellt
dies ein erhebliches Sicherheitsrisiko dar. Die Mathematik erforscht, wie
man solche Instabilitäten durch ein besseres Design der neuronalen Netze
in den Griff bekommen kann.

·       Neuronale Netze in KI-Systemen hängen von Millionen und
Abermillionen von Parametern ab. Das macht sie für uns Menschen
intransparent. Ziel der Mathematik ist es, kompaktere Modelle zu
entwickeln, die bei gleicher Leistung weniger Parameter benötigen,
transparenter und damit erklärbarer sind und auch Leistungsgarantien in
kritischen Anwendungen ermöglichen.

·       Damit neuronale Netze die geforderte Leistung erbringen, müssen
ihre Parameter mit hohem Rechenaufwand trainiert werden. Dies verschlingt
enorme Energieressourcen. Prognosen gehen davon aus, dass zukünftige KI-
Systeme weltweit den Strombedarf ganzer Länder wie der Niederlande,
Schwedens oder Argentiniens verschlingen werden. Durch die Entwicklung
moderner Optimierungsverfahren macht die Mathematik das Training
neuronaler Netze effizienter und ressourcenschonender.

Obwohl oft behauptet wird, KI sei eine Blackbox, können tatsächlich alle
Elemente der KI mathematisch präzise erklärt werden. Dazu gehören das
statistische Verständnis der Daten, die Trainingsziele, die
Trainingsmethoden und die Netzwerkarchitekturen. All dies erlaubt z.B. den
Erfolg von neuronalen Netzen zu verstehen. Eine fundierte mathematische
Ausbildung ermöglicht es, Trainingsziele so zu modellieren, dass wichtige
Aspekte, beispielsweise Sicherheitsüberlegungen, im Training
berücksichtigt werden können. Darüber hinaus erlaubt die abstrakte
mathematische Denkweise Lösungen aus bestimmten Anwendungsdomänen
effizient auf andere Bereiche zu übertragen. "Dies alles verdeutlicht,
dass die Mathematik eine Schlüsselrolle bei der Entwicklung und dem
Verständnis von KI spielt", so die Autoren der Stellungnahme.
Unterzeichnet haben die Stellungnahme die Präsidenten folgender
Fachgesellschaften:

DMV: Deutsche Mathematiker-Vereinigung
GAMM: Gesellschaft für Angewandte Mathematik und Mechanik
GIP: Gesellschaft für Inverse Probleme
GOR: Gesellschaft für Operations Research
Komitee für Mathematische Modellierung, Simulation und Optimierung

Die gesamte Stellungnahme finden Sie auch auf https://www.mathematik.de
/dmv-blog

Originalpublikation:
https://www.mathematik.de/dmv-blog