Codex, erstellt von OpenAI, eines der ambitioniertesten Forschungslabore der Welt, gibt Einblick in den Stand der künstlichen Intelligenz. Obwohl sich eine breite Palette von KI-Technologien in den letzten zehn Jahren sprunghaft verbessert hat, haben selbst die beeindruckendsten Systeme menschliche Arbeiter eher ergänzt als ersetzt.
Dank des schnellen Aufstiegs eines mathematischen Systems namens a neurales Netzwerk, können Maschinen nun bestimmte Fähigkeiten erlernen, indem sie riesige Datenmengen analysieren. Durch die Analyse von Tausenden von Katzenfotos können sie beispielsweise lernen, eine Katze zu erkennen.
Dies ist die Technologie, die erkennt die Befehle, die Sie in Ihr iPhone sprechen, übersetzt zwischen Sprachen bei Diensten wie Skype und identifiziert Fußgänger und Straßenschilder, während selbstfahrende Autos die Straße entlang rasen.
Vor etwa vier Jahren begannen Forscher in Labors wie OpenAI mit der Entwicklung neuronaler Netze, die analysierte riesige Mengen an Prosa, darunter Tausende von digitalen Büchern, Wikipedia-Artikeln und alle möglichen anderen Texte, die im Internet veröffentlicht wurden.
Durch das Aufspüren von Mustern in all diesem Text lernten die Netzwerke, das nächste Wort in einer Sequenz vorherzusagen. Wenn jemand ein paar Worte in diese eintippte „universelle Sprachmodelle“, könnten sie den Gedanken mit ganzen Absätzen vervollständigen. Auf diese Weise könnte ein System – eine OpenAI-Kreation namens GPT-3 – seine eigenen Twitter-Posts, Reden, Gedichte und Nachrichtenartikel schreiben.
Sehr zur Überraschung selbst der Forscher, die das System gebaut hatten, konnte es sogar eigene Computerprogramme schreiben, obwohl sie kurz und einfach waren. Offenbar hatte es aus einer ungezählten Anzahl von Programmen gelernt, die im Internet veröffentlicht wurden. Also ging OpenAI noch einen Schritt weiter und trainierte ein neues System – Codex – mit einer enormen Bandbreite an Prosa und Code.
Das Ergebnis ist ein System, das sowohl Prosa als auch Code versteht – bis zu einem gewissen Grad. Sie können in einfachem Englisch nach Schnee auf einem schwarzen Hintergrund fragen, und Sie erhalten einen Code, der einen virtuellen Schneesturm erzeugt. Wenn Sie nach einem blauen Hüpfball fragen, erhalten Sie auch diesen.
„Sie können ihm sagen, dass es etwas tun soll, und es wird es tun“, sagte Ania Kubow, eine andere Programmiererin, die die Technologie verwendet hat.
Codex kann Programme in 12 Computersprachen generieren und sogar zwischen ihnen übersetzen. Aber es macht oft Fehler, und obwohl seine Fähigkeiten beeindruckend sind, kann es nicht wie ein Mensch argumentieren. Es kann erkennen oder nachahmen, was es in der Vergangenheit gesehen hat, aber es ist nicht flink genug, um allein zu denken.
Manchmal laufen die von Codex generierten Programme nicht. Oder sie enthalten Sicherheitslücken. Oder sie kommen nicht annähernd an das heran, was Sie von ihnen erwarten. OpenAI schätzt, dass Codex in 37 % der Fälle den richtigen Code produziert.
Als Smith das System diesen Sommer im Rahmen eines „Beta“-Testprogramms einsetzte, war der erzeugte Code beeindruckend. Aber manchmal funktionierte es nur, wenn er eine winzige Änderung vornahm, wie zum Beispiel einen Befehl an sein spezielles Software-Setup anzupassen oder einen digitalen Code hinzuzufügen, der für den Zugriff auf den abzufragenden Internetdienst erforderlich war.
Mit anderen Worten, Codex war nur für einen erfahrenen Programmierer wirklich nützlich.
Aber es könnte Programmierern helfen, ihre tägliche Arbeit viel schneller zu erledigen. Es könnte ihnen helfen, die grundlegenden Bausteine zu finden, die sie brauchen, oder sie auf neue Ideen hinweisen. Mit der Technologie bietet GitHub, ein beliebter Onlinedienst für Programmierer, jetzt Co-pilot an, ein Tool, das Ihre nächste Codezeile vorschlägt, ähnlich wie „Autocomplete“-Tools das nächste Wort vorschlagen, wenn Sie Texte oder E-Mails eingeben.
„Es ist eine Möglichkeit, Code schreiben zu lassen, ohne so viel Code schreiben zu müssen“, sagt Jeremy Howard, der das Labor für künstliche Intelligenz Fast.ai gegründet und an der Entwicklung der Sprachtechnologie beteiligt war, auf der die Arbeit von OpenAI basiert. “Es ist nicht immer richtig, aber es ist gerade nah genug.”
Howard und andere glauben, dass Codex auch Anfängern helfen könnte, das Programmieren zu lernen. Es ist besonders gut darin, aus kurzen englischen Beschreibungen einfache Programme zu generieren. Und es funktioniert auch in die andere Richtung, indem komplexer Code in einfachem Englisch erklärt wird. Einige, darunter Joel Hellermark, ein Unternehmer in Schweden, versuchen bereits, das System in ein Lehrmittel umzuwandeln.
Der Rest der KI-Landschaft sieht ähnlich aus. Roboter sind immer mächtiger. Chatbots auch für Online-Gespräche konzipiert. DeepMind, ein KI-Labor in London, hat kürzlich ein System entwickelt, das identifiziert sofort die Form von Proteinen im menschlichen Körper, die ein Schlüsselelement bei der Entwicklung neuer Medikamente und Impfstoffe ist. Für diese Aufgabe brauchten Wissenschaftler früher Tage oder sogar Jahre. Aber diese Systeme ersetzen nur einen kleinen Teil dessen, was menschliche Experten leisten können.
In den wenigen Bereichen, in denen neue Maschinen Mitarbeiter sofort ersetzen können, sind sie typischerweise in Jobs, die der Markt nur langsam besetzt. Roboter zum Beispiel werden in Versandzentren immer nützlicher, die expandieren und Schwierigkeiten haben, die erforderlichen Arbeitskräfte zu finden, um Schritt zu halten.
Mit seinem Startup Gado Images wollte Smith ein System aufbauen, das automatisch die Fotoarchive von Zeitungen und Bibliotheken durchsucht, vergessene Bilder wieder auftaucht, automatisch Bildunterschriften und Tags schreibt und die Fotos mit anderen Publikationen und Unternehmen teilt. Aber die Technologie konnte nur einen Teil der Aufgabe bewältigen.
Es könnte ein riesiges Fotoarchiv schneller als Menschen durchsuchen, die Arten von Bildern identifizieren, die nützlich sein könnten, und Bildunterschriften ausprobieren. Aber um die besten und wichtigsten Fotos zu finden und sie richtig mit Tags zu versehen, brauchte es immer noch einen erfahrenen Archivar.
„Wir dachten, diese Tools würden den Menschen vollständig überflüssig machen, aber nach vielen Jahren lernten wir, dass dies nicht wirklich möglich war. Sie brauchten immer noch einen erfahrenen Menschen, um die Ausgabe zu überprüfen“, sagte Smith. „Die Technologie macht Fehler. Und es kann voreingenommen sein. Sie brauchen immer noch eine Person, die überprüft, was sie getan hat, und entscheidet, was gut ist und was nicht.“
Codex erweitert die Möglichkeiten einer Maschine, aber es ist ein weiterer Hinweis darauf, dass die Technologie am besten mit dem Menschen an der Steuerung funktioniert.
„KI spielt sich nicht so ab, wie es irgendjemand erwartet hätte“, sagte Greg Brockman, Chief Technology Officer von OpenAI. „Es fühlte sich an, als würde es diesen Job und diesen Job machen, und jeder versuchte herauszufinden, welcher zuerst gehen würde. Stattdessen ersetzt es keine Arbeitsplätze. Aber es nimmt ihnen allen gleichzeitig die Plackerei.“