Autos: Der nächste Schritt in Richtung Künstlicher Intelligenz

Sebastian Thrun kennt sich aus mit Robotern. Und mit Autos. Im vergangenen Herbst führte er das Stanford University Racing Team zum Sieg im von der US-Regierung finanzierten DARPA Grand Challenge. Dabei ging es darum, fahrbare Roboter autonom durch die Mojava-Wüste fahren zu lassen. „Stanley“, das Roboterauto aus Stanford, fuhr über eine Strecke von 131,6 Meilen. Mit einer durchschnittlichen Geschwindigkeit von 19,1 Meilen pro Stunde brachte das Auto dem Team den ersten Platz in dem Rennen und benötige für die Strecke sechs Stunden und 53 Minuten. Damit war es 11 Minuten schneller als der zweitplatzierte Roboter, den das Team der Carnegie Mellon University ins Rennen geschickt hatte.

Vor kurzem wurde Thrun von der American Association for Artificial Intelligence zum Fellow ernannt. CNET/ZDNet sprach mit Thrun über künstliche Intelligenz und die Zukunft der Robotik für Privatanwender.

ZDNet: Kommunikations- und Informationstechnologie haben im privaten Bereich in den letzten 50 Jahren unglaubliche Fortschritte erzielt. Aber abgesehen vom Roomba-Staubsauger von Irobot bekommt der Durchschnittsbürger wenige Roboterprodukte für den Privatanwender zu sehen. Woran liegt es, dass es auf diesem Gebiet keine Fortschritte gibt?

Thrun: Ich glaube, dass dem noch immer eine ganze Anzahl von Faktoren im Wege steht. Vor allem sind es die Kosten. Wir können wunderbare Anwendungen auf einem Preisniveau bauen, dass ein Privatkunde sich niemals leisten kann. Auch die Robustheit ist ein Hindernis. Wenn man das Feld der Robotik betrachtet, kann man es grob in drei Gruppen einteilen:

Zunächst gibt es die Industrieroboter. Wir haben Roboterarme, die sehr effektiv in Fabriken arbeiten – sie kosten etwa eine Million Dollar pro Stück und werden in sehr kontrollierten Umgebungen eingesetzt.

Zum zweiten gibt es die Dienstroboter für den professionellen Einsatz, etwa die Art, die zum Vermessen der Titanic verwendet wurde – oder solche Roboter, die vom Militär oder im Weltall eingesetzt werden. Diese müssen im Einsatz mit mehr Unwägbarkeiten und mit unterschiedlichen Umgebungen klarkommen. Trotz allem gibt es auch hier noch gewisse Grenzen, und sie kosten natürlich mehr als ein normaler Mensch für einen Haushaltsroboter ausgeben könnte.

Die letzte Gruppe – und ich glaube, dass sie eine beträchtliche Zahl von Mitgliedern hat – sind kommerziell genutzte Dienstroboter. Diese sind kommerziell erhältlich.

Da Sie aber nach Robotern für den Privatanwender gefragt haben – dieses Ziel haben wir meiner Ansicht nach noch nicht erreicht. Ich meine, dass Roomba ein großer Schritt in die richtige Richtung ist, aber wir müssen wohl noch etwas warten.

ZDNet: Kurz gesagt, welche technologischen Fortschritte auf dem Feld der künstlichen Intelligenz wären erforderlich, um den Haushaltsroboter Realität werden zu lassen?

Thrun: Ich denke, eine bessere Wahrnehmung und ein besseres Verständnis für, zum Beispiel, das häusliche Umfeld. Die heutigen Roboter haben etwa Probleme damit zu verstehen, welche Gegenstände sich in einer Küche befinden, was jemand beabsichtigt oder wie man einen Geschirrspüler bedient. Es gibt enorme Probleme in der Wahrnehmung einer Sache, die Menschen für selbstverständlich halten. Dies nennt man Situationserkennung. Bei der Situationserkennung wird ein Bild hergenommen, und die verschiedenen Objekte auf dem Bild erhalten Bezeichnungen. Ein vierjähriges Kind ist dazu in der Lage, trotzdem können Roboter dies nicht sehr gut. Das ist eine große Belastung, denn wenn man sich in einem häuslichen Umfeld bewegt, besteht ja der erste Schritt zum Bewegen eines Objekts darin, das Objekt zu erkennen.
Der zweite Punkt, an dem es Defizite gibt, ist die Manipulation von Gegenständen. Es gibt viele Fortschritte bei selbststeuernden Robotern – der Roomba ist ein selbststeuernder Roboter, der nebenbei noch Staub aufnimmt – aber keiner davon tut irgendetwas Interessantes mit einem Arm. Die Wissenschaft der Manipulation von Gegenständen steckt noch in den Kinderschuhen. Dies (die Manipulation) ist ein weiteres großes Feld der KI.