Roboter als Schullehrer

Das von der Europäischen Union geförderten Forschungsprogramm „ANIMATAS“ will die intuitive Mensch-Maschine-Interaktion mit menschenähnlichen sozialen Fähigkeiten für die Schulbildung fördern und innovative Bildungsmethoden mithilfe modernster Robotik und künstlicher Intelligenz vorantreiben. Es verfolgt einen interdisziplinären Ansatz und verbindet Ingenieurs- und Computerwissenschaften mit Psychologie und Pädagogik. Erforscht werden grundlegende Fragen der Wahrnehmung des Menschen von Interaktionen zwischen Robotern und virtuellen Charakteren. Entwickelt werden sollen neue soziale Lernmechanismen ebenso wie Möglichkeiten zur personalisierten Anpassung von Robotern an menschliche Nutzer.

Regeln für Roboter

Um zukünftig humanoide Roboter tatsächlich in den Alltag des Nutzer einzubinden, bedarf es bei der Entwicklung dieser Roboter auch ein Wissen darum, welchen Effekt der Anthropomorphismus von Robotern auf den Nutzer hat. Mashiro Mori (1970/2012 betonte, dass Anthropomorphismus bei Maschinen auch negative Auswirkungen haben kann, wobei er den Effekt des Uncanny Valley beschrieb, der besagt, dass mit wachsender Menschenähnlichkeit die Akzeptanz und das Vertrauen des Nutzers in einen Roboter ansteigen, dass aber eine zu hohe Menschenähnlichkeit bei Nutzern Angst oder Befremden hervorrufen (Stangl, 2018).

Nach Ansicht der Roboterpsychologin Martina Mara gibt es einige Kriterien, wie ein Roboter beschaffen sein muss, damit ihn Menschen akzeptieren bzw. mit Robotern zusammenarbeiten wollen: Wenn Roboter so tun, als wären sie menschlich, wenn Roboter mitfühlend sein wollen oder wenn Mensch und Roboter nicht mehr zu unterscheiden sind.

Damit Mensch und Roboter fruchtbar zusammenarbeiten, gibt es vier Regeln:
1. Recht auf Transparenz: Menschen müssen Roboter als Maschinen erkennen können. Das ist vor allem im virtuellen Bereich ein Thema, etwa bei Chatbots, die bereits täuschend echt parlieren können. Die Gefahr einer Täuschung ist groß, sodass ein „Recht auf Transparenz“ verankert werden müsste.
2. Mein Robo, mein Freund: Roboter müssen als „hilfreiche sympathische Werkzeuge“ eingeführt werden. Der „Jobkiller“-Ansatz ist so kontraproduktiv wie Terminator-Darstellungen vor kaltblauem Hintergrund: „Der Begriff Werkzeug impliziert, dass der Mensch die Kontrolle hat und dass der Roboter einem Zweck dient.“
3. Was tut er als nächstes? Menschen müssen den nächsten Schritt ihres „Kollegen“ antizipieren können. Der Lagerarbeiter muss vorhersehen, in welche Richtung sich der Transportroboter bewegt, ob er ihn bemerkt hat und ausweichen wird. Dann vertraut er ihm. Dieser Gedanke muss bereits in das Design einfließen.
4. Wer etwas kann: Roboter ergänzen Menschen, sie ersetzen sie nicht. Derzeit grassiert eine Substitutionlogik, die Ängste schürt. Besser sollten die Vorzüge beider Seiten herausgearbeitet werden. Die Kamera eines selbstfahrenden Autos beherrscht den 360-Grad-Rundumblick, der Mensch nicht. Dieser aber schafft sozial-kommunikativ, was kein Roboter jemals können wird.

Literatur

Mori, M. (1970/2012). Bukimi No Tani/The uncanny valley. Energy, 7, 33–35/IEEE Robotics & Automation Magazine, 19, 98–100.

Stangl, W. (2018). Stichwort: ‘Media Equation’. Online Lexikon für Psychologie und Pädagogik.
WWW: http://lexikon.stangl.eu/16681/media-equation/ (2018-10-01)
https://diepresse.com/home/karriere/karrierelounge/expertengespraeche/5504434/Bauanleitung-fuer-einen-Androiden (18-09-30)

Mitleid mit Robotern

Die Stuttgarter Zeitung berichtet, dass untersucht wurde, wie ein ängstlicher Roboter auf Menschen wirkt. Der kleine Roboter Nao ist 58 Zentimeter groß, etwas pummelig, hat nette orangerote Applikationen auf dem ansonsten weißen Körper. Man kann die Nam abstellen, wenn man den großen roten Knopf auf dem menschenähnlichen Bauch drückt, doch fällt dies nicht jedem Menschen leicht fällt, denn Nao kann sich dagegen wehren, indem er plötzlich fleht: „Nein! Bitte knipse mich nicht aus! Ich habe Angst vor der Dunkelheit!“
Sozialwissenschaftler der Universität Duisburg-Essen haben in einem Experiment Versuchspersonen in Kontakt mit Nao gebracht und ihnen gesagt, man wolle mit ihrer Hilfe die Zusammenarbeit zwischen Roboter und Mensch verbessern. In Wahrheit wollten sie aber wissen, wie die Versuchspersonen auf die flehentliche Bitte des Roboters reagieren, ihn nicht abzuschalten, obwohl sie genau dies tun sollten. Bei 43 Personen wollte Nao dies durch sein Betteln verhindern, bei den restlichen Versuchspersonen wehrte er sich nicht verbal gegen das Abschalten. 13 Probanden brachten es nicht übers Herz, den bittenden Nao auszuknipsen, die anderen 30 brauchten doppelt so lange, bis sie den Aus-Knopf drückten, wie die Menschen, bei denen Nao still blieb. Sechs Personen haben Mitleid mit Nao gehabt, andere sagten, sie seien von der Situation überrascht worden oder hätten wissen wollen, was passiert, oder sie hätten einfach Angst gehabt, etwas falsch zu machen. Offenbar werden menschenähnliche Roboter als soziale Wesen gesehen, denn wenn sie wie Menschen reagieren, werden sie oft auch ähnlich wie Menschen behandelt, und zwar auch dann, wenn der Verstand sagt, dass es „nur“ eine Maschine ist. Übrigens führen sich Menschen schlecht, wenn sie Nao ausschalten, vor allem, wenn er sich auch noch dagegen wehrt, dann fühlt man sich danach schlechter.

Nijssen et al. (2019) haben untersucht, inwieweit Menschen bereit sind, Roboter zu opfern, um Menschen zu retten. Die Probanden wurden vor das moralisches Dilemma gestellt, ob sie einen Einzelnen in Lebensgefahr bringen, um eine Gruppe verletzter Menschen zu retten. In unterschiedlichen Szenarien handelte es sich dabei einmal um einen Menschen, einmal um einen humanoiden Roboter mit menschlichen Zügen und einmal um einen Roboter, der klar als Maschine zu erkennen war. Das Dilemma wurde dabei umso drängender, je mehr der Roboter einem Menschen ähnelte, etwa Webb dieser in kurzen Geschichten als mitfühlendes Wesen oder als Wesen mit eigenen Erfahrungen und Vorstellungen dargestellt wurde. Die Empathie mit der Maschine ging bei manchen der TeilnehmerInnen so weit, dass sie bereit waren, eine Gruppe verletzter Menschen zu opfern, nur um den Roboter zu schützen. Je menschenähnlicher die Roboter waren, insbesondere je mehr man ihm Gefühle zusprach, desto weniger waren die ProbandeInnen in diesem experimentellen Szenario geneigt, den Roboter zu opfern. Vermutlich wurde dem Roboter eine Art moralischer Status zugesprochen.

Literatur

Nijssen, Sari R. R., Müller, Barbara C. N., van Baaren, Rick B. & Paulus, Markus (2019). Saving the Robot or the Human? Robots Who Feel Deserve Moral Care. Social Cognition, 37, 41-S2.
https://www.stuttgarter-zeitung.de/inhalt.roboter-psychologie-wie-roboter-nao-mitleid-erregt.59c63ddf-c128-4eed-a090-f273eaaaf416.html (18-08-17)

Grundbegriffe der Robotik

Die Robotik ist ein interdisziplinäres Wissensgebiet und beschäftigt sich mit der Entwicklung von Maschinen, die von Computerprogrammen gesteuert werden und dem Menschen mechanische Arbeit abnehmen. Künstliche Intelligenz ist ein Teilgebiet der Informatik, das sich mit der Automatisierung von intelligentem Verhalten und dem maschinellen Lernen befasst. Dabei handelt es sich um Algorithmen, die für konkrete Probleme eigenständig die besten Lösungen finden können.

Maschinelles Lernen ist dabei ein Teilbereich der künstlichen Intelligenz, in dem es darum geht, dass Computersysteme selbstständig aus großen Datenmengen neue Daten zu generieren lernen. Dabei spielt Parallel Computing eine wichtige Rolle, also dass viele Rechenoperationen gleichzeitig durchgeführt werden. Ein Algorithmus bezeichnet einen Rechenvorgang, der nach einem bestimmten Prinzip abläuft. In der Informatik bilden Algorithmen die Grundlagen der Programmierung, eine Sammlung von Berechnungsschritten, die zur Lösung eines Problems führen.

Künstliche neuronale Netze sind dabei die Grundlage von künstlicher Intelligenz, quasi deren Infrastruktur. Dabei werden kleine Recheneinheiten (Neuronen) simuliert, die mit anderen Neuronen verbunden werden (Synapsen). Wenn es sich um eine mehrschichtige hierarchische Struktur handelt, spricht man von Deep Learning.

Deep Learning ist eine spezialisierte Form des maschinellen Lernens, bei der das künstliche neuronale Netz in einer hierarchischen Struktur aufgebaut ist. Deep Learning bezeichnet quasi ein „tiefes“ neuronales Netz. Es handelt sich um eine Schlüsseltechnologie, die maßgeblich an den bahnbrechenden Fortschritten von KI in den letzten Jahren beteiligt ist.

Quelle

https://www.connect.de/ratgeber/kuenstliche-intelligenz-ki-maschinelles-lernen-technik-hintergruende-risiken-chancen-3198700-7991.html (18-08-09))

error

error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error error

What else 😉

iPal

Ein Bericht in den OÖN vom 10. August 2018 unter dem Titel “Ein Roboter-Freund für einsame Kinder” beschreibt iPal, der ein Babysitter sei, von dem viele Eltern träumen, denn er spricht Englisch und Chinesisch, gibt Mathematikunterricht und erzählt Witze. Der Roboter kommuniziert durch den Tablet-Schirm in seiner Brust und hat eine Überwachungsfunktion. In hellblauem oder pinkem Design ist so groß wie ein Fünfjähriger, bewegt sich auf Rädern und verfolgt seine Schützlinge durch in die Augen integrierte Gesichtserkennungstechnologie. Durch eine Smartphone-App können die Eltern aus der Ferne alles hören und sehen und mit ihren Kindern kommunizieren. Wenn ihn ein Kind sieht, wird es ihn als Freund sehen, als weiteres Kind in der Familie. Er kostet an die 1200 Euro, in der Luxusvariante mit einem größeren Bildschirm und langlebigerem Akku 1720 Euro.

Quelle: OÖN vom 10. August 2018

Roboter

Roboter sind programmierbare Maschinen, ausgestattet mit Abtastungsfähigkeiten, die etwa in Produktionsumgebungen eingesetzt werden.

Roboter werden bei der vollautomatischen Fertigung und beim automatisierten Arbeiten genutzt.

Das Wort kommt aus der tschechischen Sprache und bedeutet so viel wie „Sklave“, d. h., ein Roboter muss immer Befehlen folgen und darf nichts selbst bestimmen. Schon lange vor den ersten Robotern wurde das Wort Roboter in Science-Fiction-Romanen verwendet. Das sind erfundene Geschichten, die in der Zukunft und wie bei „Star Wars“ im Weltraum spielen.

Robotik

Die Robotik ist die Lehre von der Entwicklung, Programmierung und Anwendung von Robotern, und ist damit ein multidisziplinärer Forschungszweig, an dem neben den Ingenieurwissenschaften auch die Forschung über künstliche Intelligenz und andere Wissenschaftszweige beteiligt sind. Die Ingenieurwissenschaften beschäftigen sich vor allem mit der Kinematik und Dynamik des Roboters in der Umwelt, während sich die Forschung zur künstlichen Intelligenz sich mit z. B. mit der Bildverarbeitung, der Repräsentation des Wissens, das durch Sensoren wahrgenommen wird, oder mit der Planung beschäftigt. Die Kognitionswissenschaft untersucht das Zusammenspiel von Sensorik und Motorik sowie der dazwischenliegenden Informationsverarbeitung.

neuromorph

Der Begriff neuromorph wurde von Carver Mead zur Beschreibung von Computerschaltkreisen geprägt, die den neurobiologischen Strukturen des Nervensystems ähneln, wobei der Ausdruck sowohl für analoge als auch digitale sowie gemischte analog-digitale Systeme verwendet wird.

Dafür werden neuromorphe Computer-Chips entwickelt.

Literatur
https://de.wikipedia.org/wiki/Neuromorph (18-02-20)

neuromorphe Chips

Der Begriff neuromorph wurde von Carver Mead zur Beschreibung von Computerschaltkreisen geprägt, die den neurobiologischen Strukturen des Nervensystems ähneln, wobei der Ausdruck sowohl für analoge als auch digitale sowie gemischte analog-digitale Systeme verwendet wird. Die dafür entwickelten neuromorphen Chips sollen wichtige Eigenschaften biologischer Gehirne wie Energieeffizienz, Robustheit und insbesondere Lernfähigkeit nachahmen, und eine Grundlage für die weitere Entwicklung künstlicher Intelligenz bilden, denn Computer sind beim Lösen von Rechenaufgaben zwar um ein Vielfaches schneller als Menschen, aber mit den analytischen Fähigkeiten des menschlichen Gehirns können sie nicht mithalten. Insbesondere können solche Systeme bisher nicht kontinuierlich lernen und sich dadurch auch nicht verbessern. Neuromorphe Chips sind Forschungsgebiet der Bionik und der Neuroinformatik, wobei es Prototypen etwa für künstliche Sehsysteme, Geruchsdetektoren, oder Taktgeber für naturnahe Bewegungsabläufe bei Robotern gibt. Gegenüber der normalen Von-Neumann-Architektur in der üblichen Computerhardware zeichnen sich neuromorphe Chips durch eine auf die Aufgabe hochspezialisierte Hardware aus, deren hervorstechendes Merkmal hohe Vernetzung (Interkonnektivität) mit diversen Rückkopplungen ist, d. h., es wird angestrebt auch die selbstorganisierende Entwicklung des Gehirns in diesen Schaltkreisen abzubilden.

Auf der NICE-Konferenz 2018 (NICE bedeutet Neuro Inspired Computational Elements) wurden drei solcher Chips vorgestellt, die diese Imponderabilien von Computern beseitigen sollen:

  • Der BrainScaleS-Chip beruht auf einem gemischten Analog-Digital-Design, das zwischen 1000 und 10.000 Mal schneller als Echtzeit arbeitet. Der neuromorphe BrainScaleS-Chip der zweiten Generation verfügt erstmals über frei programmierbare On-Chip-Lernfunktionen sowie ein analoges Hardwaremodell komplexer Neuronen mit aktiven Dendritenbäumen, die – nach dem Vorbild von Nervenzellen – insbesondere für die Nachbildung kontinuierlicher Prozesse des Lernens von Bedeutung sind.
  • Der SpiNNaker-Chip basiert auf einer Vielkern-Architektur, d. h., auf ihm wurde aber ein Vielfaches an Prozessorkernen gekoppelt, wobei ein einziger Chip 144 „ARM Cortex M4“-Kerne mit einem innovativen Power-Management für einen sehr effizienten Energieverbrauch. enthält Der SpiNNaker-Chip liefert eine Rechenleistung von 36 Milliarden Anweisungen pro Sekunde und Watt; er soll vor allem für die Simulation mehrskaliger Hirnmodelle in Echtzeit eingesetzt werden.
  • Der Loihi-Forschungschip enthält einen hochentwickelten Befehlssatz für neuronale Netzwerke aus „feuernden“ Neuronen sowie programmierbare Mikrocodes für Lernregeln. Loihi unterstützt eine Reihe von On-Chip-Lernmodellen für überwachtes und unbeaufsichtigtes Lernen sowie Lernprozesse, die auf Verstärkung beruhen.

Details zu diesen drei Chips:
https://electronicvisions.github.io/hbp-sp9-guidebook/pm/pm_hardware_configuration.html
https://electronicvisions.github.io/hbp-sp9-guidebook/mc/spiNNaker_configuration.html
https://www.golem.de/news/neuromorphic-computing-intels-loihi-chip-ist-gehirn-nachempfunden-1709-130276.html

Quellen
https://tu-dresden.de/tu-dresden/newsportal/news/computer-lernen-das-lernen (18-02-20)
https://de.wikipedia.org/wiki/Neuromorph (18-02-20)