Ethische Aspekte der Einführung von Künstlicher Intelligenz

Travail d'étude , 2022 , 29 Pages , Note: 1,3

Informatique - Intelligence artificielle

Diese Studienarbeit soll insofern einen wissenschaftlichen Beitrag leisten, indem untersucht und aufgezeigt wird, inwiefern die Themen Künstliche Intelligenz und Ethik aktuell miteinander verstrickt sind, welche moralischen Fragen dabei aufkommen und welche ethischen Aspekte bei der Einführung von KI, insbesondere bei Machine Learning-Verfahren, zu beachten sind.

Die Grundlage der vorliegenden Arbeit basiert auf einer umfangreichen Recherche des theoretischen Hintergrundes und einer sich durchziehenden Erläuterung des Forschungsstandes. Zu Beginn dieser Arbeit werden theoretische Inhalte zugrunde gelegt, wobei Begrifflichkeiten erklärt werden, um Missverständnisse im weiteren Verlauf zu minimieren. Es erfolgt somit im zweiten Kapitel ein Überblick über grundlegende Literatur, Theorien und Forschungen zu den Themen Künstlicher Intelligenz inklusive Machine und Deep Learning sowie der Ethik. Im dritten Abschnitt werden ethische Fragen bezüglich Machine Learning-Verfahren diskutiert und der EU-Ethikkodex ausgewertet. Ebenso werden Hinweise für die Einführung Künstlicher Intelligenz unter entsprechender Berücksichtigung ethischer Aspekte dargelegt.

Das Aufzeigen relevanter Ergebnisse und potentiell zukünftig durchführbarer Forschungsansätze im schließenden Kapitel 4 „Fazit und Ausblick auf zukünftige Forschung“ runden diese Arbeit ab.

INHALTSVERZEICHNIS

INHALTSVERZEICHNIS

ABBILDUNGSVERZEICHNIS

1 Einleitung
1.1 Problemstellung
1.2 Zielsetzung der Arbeit
1.3 Aufbau der Arbeit und methodisches Vorgehen

2 Theoretische Fundierungen essentieller Begrifflichkeiten
2.1 Künstliche Intelligenz und ihre Eigenschaften
2.1.1 Machine Learning
2.1.2 Deep Learning
2.2 Ethik – analog und digital

3 Künstliche Intelligenz und Ethik – miteinander vereinbar?
3.1 Diskussion der ethischen Fragen bei ML-Verfahren
3.2 Auswertung des EU Ethik-Kodex
3.3 Hinweise für die Einführung von KI

4 Fazit und zukünftige Forschungen

6 Literaturverzeichnis

ABBILDUNGSVERZEICHNIS

Abbildung 1 Künstliche Intelligenz und ihre Ausprägungen

Abbildung 2 Übersicht der sieben Anforderungen an eine vertrauenswürdige KI

1 Einleitung

Das erste Kapitel dieser Studienarbeit dient der Einleitung in die Thematik beginnend mit der Problemstellung, woraus sich der Bedarf zur thematisierten Auseinandersetzung erschließt. Auf Basis dieser Grundlage erfolgt die Zielsetzung der Arbeit, die angewandte Methodik sowie die Darstellung des Aufbaus.

1.1 Problemstellung

Die Künstliche Intelligenz zählt als einer der wichtigsten Megatrends der aktuellen und kommenden Zeit. Dass das alltägliche Leben bereits voller künstlicher Intelligenzen ist, ist mal mehr und mal weniger bekannt. Ob bei der Google-Suche, der Sprachübersetzung wie Google Translate, der Werbeplatzierung auf Social-Media-Kanälen, Sprachassistenten wie Alexa oder Siri, bei Echtzeitmessungen von Navigationssystemen oder Bereichen des autonomen Fahrens, Künstliche Intelligenz ist allgegenwertig. Der vermehrte Einsatz bringt viele Chancen und Entwicklungsmöglichkeiten eines höheren Niveaus mit sich. Aber es ergeben sich diesbezüglich auch Herausforderungen und Risiken, welche bewerkstelligt werden müssen, da sie einen Einfluss auf die gesamte Welt(wirtschaft) haben. Vor allem das Thema Ethik in Bezug auf Einsatz und Nutzung von KI-Technologien wird vermehrt diskutiert. Je fortgeschrittener die Künstlichen Intelligenzen sind, desto dringlicher wird die Beantwortung der Fragen, inwiefern der Einsatz potentiell eigenständig agierender Computer und Maschinen als moralisch vertretbar eingestuft werden kann und inwieweit ethische Grenzen zu definieren sind. Ebenso stellen sich die Fragen, ob KI-Anwendungen gesellschaftliche Werte und Gesetze respektieren sowie wie der Gebrauch Künstlicher Intelligenz zukünftig zu realisieren ist, damit ein gutes Zusammenleben von Mensch und Maschine ermöglicht werden kann.

1.2 Zielsetzung der Arbeit

Das Ziel dieser Studienarbeit lässt sich aus der vorangegangenen Problemstellung ableiten. Die darin geschilderte Situation, dass der Megatrend Künstliche Intelligenz nicht nur Chancen, sondern auch Herausforderungen und Risiken mit sich bringt, soll Gegenstand dieser Arbeit werden.

Diese Studienarbeit soll insofern einen wissenschaftlichen Beitrag leisten, indem untersucht und aufgezeigt wird, inwiefern die Themen Künstliche Intelligenz und Ethik aktuell miteinander verstrickt sind, welche moralischen Fragen dabei aufkommen und welche ethischen Aspekte bei der Einführung von KI, insbesondere bei Machine Learning- Verfahren, zu beachten sind.

1.3 Aufbau der Arbeit und methodisches Vorgehen

Die methodische Herangehensweise dieser Arbeit erfolgt anhand der Durchführung einer Literaturanalyse.

Die Grundlage der vorliegenden Arbeit basiert auf einer umfangreichen Recherche des theoretischen Hintergrundes und einer sich durchziehenden Erläuterung des Forschungsstandes. Zu Beginn dieser Arbeit werden theoretische Inhalte zugrunde gelegt, wobei Begrifflichkeiten erklärt werden, um Missverständnisse im weiteren Verlauf zu minimieren. Es erfolgt somit im zweiten Kapitel ein Überblick über grundlegende Literatur, Theorien und Forschungen zu den Themen Künstlicher Intelligenz inklusive Machine und Deep Learning sowie der Ethik. Im dritten Abschnitt werden ethische Fragen bezüglich Machine Learning - Verfahren diskutiert und der EU- Ethikkodex ausgewertet. Ebenso werden Hinweise für die Einführung Künstlicher Intelligenz unter entsprechender Berücksichtigung ethischer Aspekte dargelegt.

Das Aufzeigen relevanter Ergebnisse und potentiell zukünftig durchführbarer Forschungsansätze im schließenden Kapitel 4 „Fazit und Ausblick auf zukünftige Forschung“ runden diese Arbeit ab.

Aus Gründen der besseren Lesbarkeit wird auf die gleichzeitige Verwendung der Sprachformen männlich, weiblich und divers (m/w/d) verzichtet. Sämtliche Personenbezeichnungen und personenbezogene Hauptwörter gelten gleichermaßen für alle Geschlechter.

2 Theoretische Fundierungen essentieller Begrifflichkeiten

Im Folgenden wird eine Zusammenfassung theoretischer Hintergründe und relevanter Erkenntnisse der bisher auf diesem Gebiet vorgelegten Studien und Literatur im Allgemeinen dargelegt. Es wird ein grundlegendes Verständnis zu den Themenbereichen Künstliche Intelligenz, Machine und Deep Learning sowie Ethik hergestellt.

2.1 Künstliche Intelligenz und ihre Eigenschaften

Trotz umfassender Forschung am Themengebiet Künstlicher Intelligenz (KI) (engl. Artificial Intelligence) lässt sich keine einheitliche Definition finden. Dennoch kann aus den Begriffen „künstlich“ und „Intelligenz“ schon erkannt werden, dass menschlich intelligentes Verhalten künstlich imitiert werden soll. Programme werden also so entwickelt, dass sie die Funktionsweisen des Gehirns nachahmen. Diese werden dann als künstliche neuronale Netze bezeichnet.

Zudem kann gesagt werden, dass KI einen Teilbereich der Informatik darstellt, wobei es darum geht, Systemen die Fähigkeit zu geben, externe Daten korrekt zu interpretieren, aus den erhaltenen Daten zu lernen und Erkenntnisse daraus zu verwenden (Buxmann & Schmidt, 2019). Dabei steht im Vordergrund, dass Aufgaben intelligent ausgeführt werden sollen. Wie das vonstatten geht und was genau „intelligent“ dabei bedeuten soll, ist genau nicht festgelegt.

Künstliche Intelligenz umfasst dabei mehrere Bereiche.

Abbildung 1 Künstliche Intelligenz und ihre Ausprägungen.

Abbildung in dieser Leseprobe nicht enthalten

Wie aus Abbildung 1 entnommen werden kann, bildet das Konzept KI den allgemeinen Rahmen. KI kann dabei in zwei Teilbereiche unterteilt werden, die schwache und die starke KI. Die genannten Beispiele aus der Einleitung beschreiben die schwache KI. Demnach wird die schwache KI in der Zeichen-/Text-/ Bilderkennung, Navigationssystemen sowie automatisierten Übersetzungen erfolgreich genutzt (Jaeckel, 2020). Sie entspricht dem heutigen Stand technologischen Niveaus. Was die schwache KI nicht kann, ist es, Probleme anderer Gebiete selbständig zu lösen.

Eine starke KI hingegen soll dies zukünftig eigenständig können und tatsächlich intelligent und selbstbestimmt agieren und somit die menschlichen Fähigkeiten innehaben oder diese sogar übertreffen (Stahl, 2021). Ebenso sollen Muster erkannt und Ereignisse vorhergesagt werden, deren Eintreffen unsicher ist. Ziel moderner KI-Systeme mit lernenden Algorithmen ist also, Maschinen, Roboter und Softwaresysteme so zu entwickeln, dass Aufgaben und Probleme selbstständig bearbeitet und gelöst werden können, ohne explizit vom Menschen programmiert zu sein.

Zudem sollen derartige Systeme dahingehend befähigt werden, unter komplexen Bedingungen Entscheidungen zu treffen sowie so entwickelt zu sein, dass menschliche Emotionen erkannt, verarbeitet und sinnvoll eingesetzt werden können, was beispielsweise in medizinisch-sozialen Bereichen hilfreich sein könnte. Laut aktuellem Forschungsstand existiert eine solche starke KI in vollem Ausmaß bisweilen nicht (Brooks, 2017).

Machine Learning, auf welches im nachfolgenden Unterkapitel näher eingegangen wird, kann dabei als Kerntechnologie der KI beschrieben werden. Das aufgeführte Deep Learning geht noch eine Ebene tiefer und wird im Kapitel 2.2.2 erläutert.

2.1.1 Machine Learning

Machine Learning (ML) bildet wie erwähnt den Kernbereich der Künstlichen Intelligenz. Eine derartige Anwendung bezieht sich aber nicht zwingendermaßen wie oft vermutet auf Maschinen und Roboter, sondern können auch in rein digitaler Natur in Form von IT-Systemen sein. Diese werden so aufgesetzt, dass sie auf Basis vorliegender Datensätze Regelmäßigkeiten erkennen und Lösungen daraus entwickeln (Rebala et al., 2019). Es findet also ein Prozess des Selbstlernens statt, wobei das nicht vordefinierte Programm anhand von Algorithmen und mithilfe von Trainingsdaten selbstständig lernt, sich stetig anpasst und verbessert. Vorbild dabei sind menschliche und tierische Lernweisen.

Maschinelles Lernen bietet sich beispielsweise dann an, wenn Prozesse zu kompliziert sind, um sie analytisch zu erläutern, aber dennoch ausreichend viele Beispieldaten vorhanden sind. Je mehr Daten vorhanden sind, desto besser kann der Algorithmus arbeiten und seine Fehlerquote reduzieren (Fraunhofer Gesellschaft, 2018).

Bereits im Jahr 1996 gewann ein Computer auf Basis maschinellen Lernens ein Schachspiel gegen den damaligen Weltmeister.

Beispiele für aktuell gängige realistische Anwendungen sind Spracherkennung, online Chat-Bots und Social Bots. Aber auch in anderen Bereichen sind ML-basierte Systeme heutzutage sehr gut entwickelt. Sie sind mittlerweile fähig, sich selbst Wissen und Strategien anzueignen, radiologische Aufnahmen so einwandfrei zu analysieren wie Mediziner, selbst KI-Software zu programmieren und zu trainieren, unklare Fotos automatisch zu vervollständigen und Börsengeschäfte mithilfe eigener Vorhersagen eigenständig durchzuführen (ebd.). „Klassische“ / ML-Algorithmen basieren auf Entscheidungsbäumen und sind somit noch auf menschliche Unterstützung angewiesen.

2.1.2 Deep Learning

Noch etwas tiefer geblickt ist der Begriff des „Deep Learnings“ (DL) allgegenwertig. DL stellt eine Art Weiterentwicklung des Machine Learnings dar und beschreibt das Lernen innerhalb künstlicher neuronaler Netze (Nath et al., 2020). Das Besondere hierbei ist, dass die eingesetzten Algorithmen – im Gegensatz zu den ML-Konventionellen – in der Lage sind, innerhalb der Netzwerke eigenständig neue Muster zu entwickeln und zu erstellen, um komplexere Aufgaben zu lösen (IBM Cloud Education, 2020). Menschlicher Eingriff zur Verarbeitung von Daten ist somit nicht mehr notwendig.

Deep Learning ist vor allem in Bereichen der Computervision, Spracherkennung und Bild- bzw. Videoverarbeitung für den Fortschritt und Erfolg verantwortlich (Fraunhofer Gesellschaft, 2018).

2.2 Ethik – analog und digital

Um die Beziehungs - Thematik zwischen KI und Ethik im weiteren Verlauf näher untersuchen zu können, soll letzteres in diesem Kapitel kurz vorgestellt werden.

Die Ethik entspringt der Philosophie und befasst sich grundsätzlich mit Normen, Werten und Pflichten der Menschheit, wobei moralische Grundlagen humanitären Handelns im Vordergrund stehen.

Vor allem die Frage, was ein gutes und gelungenes Leben ausmacht, ist von besonderer Bedeutung (Werner, 2021). Diese Grundfrage ist auf alle Themengebiete übertragbar. So auch auf das digitale Umfeld. Die Algorithmen – Ethik, auch digitale Ethik genannt, setzt sich mit den moralischen Fragen und sittlichen Grenzen und Normen digitalisierter Lebensbereiche auseinander. Die Fragen, wie ein vollendetes Leben im Rahmen der Digitalisierung aussehen, und wie unter solchen digitalen Bedingungen richtig gehandelt werden kann, stehen dabei im Mittelpunkt. Unter Berücksichtigung gesellschaftlicher Normen und Werte sowie ökologischer und ökonomischer Aspekte wird versucht, die digitale Welt so verträglich wie möglich für Gesellschaft und Unternehmen zu gestalten. Ein Teilbereich der digitalen Ethik stellt die Maschinenethik dar. Sie setzt sich mit ethischen Fragestellungen in Bezug auf Maschinen / Robotern mit potentiell moralischen Fähigkeiten auseinander (Bendel, 2019).

[...]

• Université: University of Applied Management
• Note: 1,3
• Auteur: Isabel Heinemann (Auteur)
• Année de publication: 2022
• Pages: 29
• N° de catalogue: V1298491
• ISBN (PDF): 9783346762733
• Langue: allemand
• mots-clé: Digitalisierung, VUCA, KI, Künstliche Intelligenz, Ethik, Ethikkodex