Wenn Roboter balzen lernen: Die robotische Arbeit «Robalz» von Daniel Bisig und
Tatsuo Unemi setzt sich mit starker künstlicher Kreativität auseinander. Foto: Daniel Bisig
Daniel Bisig, was ist künstliche Kreativität?
Von künstlicher Kreativität sprechen wir, wenn von Menschen geschaffene Systeme etwas tun, das über das Vorhersehbare hinausgeht. Ähnlich wie bei künstlicher Intelligenz unterscheidet man zwei Arten künstlicher Kreativität: schwache und starke. Schwache löst ein spezifisches Problem. Starke ist eine Generalistin, löst unterschiedlichste Probleme. Eine schwach künstlich kreative Maschine tut Neuartiges, ist sich dessen aber nicht bewusst. Schwarmsimulationen, chaotische Systeme und neuronale Netzwerke sind Beispiele dafür. Ein stark künstlich kreatives System reagiert auf Feedback, lässt sich inspirieren und entwickelt eigene Kriterien.
Starke künstliche Kreativität muss noch grundlegend erforscht werden. Fragen wie etwa, auf welche Weise eine Maschine dazu gebracht werden kann, eigene Werte zu entwickeln, sind zu beantworten. Eine Theorie sagt, menschliche Kreativität habe einen evolutionären Hintergrund. Auf einen Computer übertragen, kann dies heissen: Er muss Angst haben, runterzufallen, und sich darüber freuen, aufgeladen zu werden. Er braucht intrinsische Motivation.
Maschinelles Lernen führt nicht per se zu künstlicher Kreativität. Ein Computer, der lernt, zu komponieren wie Mozart, imitiert lediglich dessen Kompositionstechniken. Unter den maschinellen Lernverfahren scheint Reinforcement Learning am ehesten geeignet, solche Einschränkungen zu überwinden. Dabei lernen Maschinen nach der Trial-and-Error-Methode. Mein Kollege Tatsuo Unemi und ich erforschen dies in der Arbeit «Robalz». Ziel ist, herauszufinden, wie sich Roboter mit Mitteln der Partnerwahl ästhetische Verhaltensweisen und Auswahlkriterien aneignen. Diese Art von Lernverhalten könnte zu Kreativität führen, die der menschlichen ebenbürtig ist. Wobei ich vermute und hoffe, dass sich die Resultate starker künstlicher Kreativität deutlich von menschlicher unterscheiden.