Das Kind im Roboter

Inhaltsverzeichnis

Roboter lernen zu sehen, zu greifen und ihre Umwelt zu entdecken. Eine neue Generation von Maschinen entwickelt sich wie Kinder – und verrät dem Menschen einiges über sich selbst.

Neill Blomkamp versteht sein Handwerk. Es gibt Szenen in dem neuen Film des südafrikanischen Regisseurs, da muss dem Betrachter einfach warm ums Herz werden: Denn "Chappie" ist zwar vordergründig die Geschichte eines Roboters, der lernt, die Welt der Menschen zu begreifen. Aber wenn der junge Robotikforscher Deon Wilson seiner Schöpfung eine Uhr vor das Gesicht hält, ihm sagt, "das ist eine Uhr" – und der Roboter spricht ihm nach "eine Uhr".

Dann geht ein glückliches, extrabreites Grinsen über Wilsons Gesicht, das jeder nachfühlen kann, der die ersten Worte seines Kindes gehört hat. Das ist gute Science-Fiction. Und doch wieder nicht, weil es gar keine Science-Fiction mehr ist. Denn es gibt Wissenschaftler, die genau daran arbeiten: Roboter lernen zu lassen wie kleine Babys.

Nicht nur, um eines Tages vielleicht wirklich intelligente Maschinen bauen zu können, sondern auch, um einige der größten Rätsel überhaupt zu lösen: Wie wird aus einem hilflosen Säugling ein laufendes, sprechendes Wesen? Wie entstehen Intelligenz, Wille – und am Ende Bewusstsein? Und was unterscheidet den Menschen dann noch von der Maschine? Roboter eignen sich zunehmend besser dafür, diesen Fragen auf den Grund zu gehen. Sie lassen sich nach den Theorien der Forscher bauen, um zu testen, wie Lernen funktioniert – und wohin es führt, wenn künstliche Wesen ihre Umwelt erforschen.

Manfred Hild, Professor für "Digitale Systeme" an der Beuth Hochschule für Technik in Berlin, hat dazu seit 2013 ein einzigartiges Roboter-Experiment laufen. Man könnte sagen, er baut nicht nur einen Roboter, er erzieht eigentlich ein Kind. Der an seinem Institut entwickelte humanoide Roboter Myon fährt regelmäßig an die Komische Oper Berlin, um dort zu lernen: Was Musik ist beispielsweise, oder was Klänge mit Bewegungen zu tun haben. Was genau der Roboter dort lernt, kann auch Hild nicht sagen. Denn die Maschine wählt selbst aus, was sie interessant findet.

Im Herbst 2015 soll Myon sogar in einem Stück namens "My Square Lady" auftreten. Ob Myon singen wird? "Keine Ahnung", sagt Hild. Die Maschine hat im wahrsten Sinne des Wortes ihren eigenen Kopf.

Wie weit diese Analogie geht, zeigt Myons Innenleben: Seine Körperteile arbeiten ohne zentrale Steuerung zusammen – ähnlich wie unsere Reflexe. In jedem Bein, in den Armen, im Rumpf, im Kopf stecken kleine Computerplatinen, die autonom arbeiten. Das Zusammenspiel dieses dezentralen Netzwerks ergibt, was Hild "interessantes Verhalten" nennt.

Der Forscher erklärt das Prinzip an einem Roboterbein, das sich selbstständig aufrichten kann. In allen Gelenken ist eine simple Steuerung eingebaut, die den Motor stets gegen die Schwerkraft arbeiten lässt. Berühren Verse und Hüfte den Boden, zieht die Schwerkraft das Knie nach unten. Die sensomotorische Steuerung bewegt daher Ober- und Unterschenkel aufeinander zu und hebt so das Knie. Ähnlich arbeitet der Motor im Fußgelenk. Sobald einmal der ganze Fuß auf dem Boden steht, hängt der Oberschenkel in der Luft und die Kräfte haben ihre Richtung geändert – das Bein richtet sich auf.

"Regelmäßig habe ich Leute, die sagen, sie verstehen nicht, wie das geht", sagt Hild. "Dahinter steckt nicht nur Technik, sondern ein philosophisches Prinzip. Man muss dem System die Freiheit lassen, sich selbst eine Lösung zu suchen." Selbst nach über zehn Jahren, gesteht Hild, würde auch er sich "immer mal wieder dabei ertappen, eine vorgegebene Lösung zu implementieren", statt "Möglichkeiten zu schaffen".

Diese Erfahrung dürften viele Eltern kennen – und ebenso wie Hild wissen, dass dieser Weg nicht zum Ziel führt. Die Welt besteht schlicht aus zu vielen Möglichkeiten, als dass sie alle programmierbar wären. "Wir haben an die 200 Sensoren im Roboter: Kraft, Bewegung, Geschwindigkeit, Spannungen, Ströme, Klänge – und natürlich liefert auch die Kamera jede Menge Informationen", erklärt Hild. "Gespeichert wird aber nur das, worauf der Roboter seine Aufmerksamkeit gelenkt hat." Das sind vor allem neue Sinneseindrücke – Dinge und Personen, die Myon bisher noch nicht gesehen hat.

"Dreamline" nennen die Forscher diese Datei – Ströme, Spannungen, Gelenkwinkel, Audio-Schnipsel und eine Mischung aus Überblicks- und Detailaufnahmen der Kamera. Mithilfe einer speziellen Software können sie daraus die Szene rekonstruieren, die der Roboter erlebt hat. "Wir lassen das seit Jahren mitlaufen", sagt Hild. "Einmal zum Beispiel hat der Dirigent den Roboter am Arm genommen und ihm das Dirigieren gezeigt – so richtig körperlich. Das haben wir in Form von sensorischen Informationen auf der Karte."

Wie aber entsteht daraus nun Wissen? Genau daran arbeiten Hild und seine Mitarbeiter zurzeit. Wenn Myon nichts für ihn Spannendes erlebt, wenn also keine externen Eindrücke die Aufmerksamkeit binden, durchstöbern Algorithmen die Gedächtnisspur. Sie suchen nach besonders häufig auftretenden Mustern: Sitzen und Stehen zum Beispiel. Alle derartigen Sensordaten werden in einem Symbol "gekapselt" und in einem zweiten Speicherbereich – dem "Weltwissensgedächtnis" – abgelegt. Im episodischen Gedächtnis hinterlegt der Roboter nur noch einen Link auf das entsprechende Symbol im Weltwissen.

"Wir strukturieren das Gedächtnis", erklärt Hild. "Auch wenn der Roboter gar nicht weiß, was Sitzen und was Stehen ist, registriert er doch, dass nach Sitzen häufig Stehen kommt." Als Nächstes wollen die Wissenschaftler diese Erkennung in Echtzeit schaffen. Myon soll sie nicht erst nutzen können, lange nachdem er eine bestimmte Situation erlebt hat – sondern sofort. Wenn das glückt, "können wir anfangen, diese Muster zu benennen", sagt Hild. Die Forscher würden ihn dann beispielsweise mündlich zum "Stehen" auffordern oder ihm eine Strichcodekarte zeigen. "Der Roboter lernt im Lauf der Zeit, das Wort oder den Strichcode mit einer Aktivität oder mit einem Objekt zu verbinden."

Der drahtige, schlanke Mittvierziger mit Dreitagebart, Jeans und T-Shirt spricht sanft und ruhig und unterstreicht fast alle seiner Argumente mit betonter Gestik. Auf seinem T-Shirt ist C-3PO zu sehen. "Der überwiegende Teil der Robotik ist auf Anwendungen fixiert", sagt Hild. "Das interessiert uns nicht. Wir beschäftigen uns mehr mit philosophischen Fragen – mit einer ganzheitlichen Sichtweise."

Sein Ansatz ist damit so radikal und kompromisslos wie nur wenige in der Roboterforschung. Aber allein ist Hild nicht. Weltweit arbeiten einige Hundert Forscher an ähnlichen Fragen. Bereits im April 2000 organisierten vier Informatiker an der Michigan State University einen ersten internationalen "Workshop on Development and Learning", auf dem die "autonome geistige Entwicklung von Robotern" diskutiert wurde. Nur ein Jahr später riefen Christian Balkenius und Jordan Zlatev von der Lund University in Schweden den ersten "Workshop on Epigenetic Robotics" ins Leben. Seit 2011 laufen beide Konferenzen unter einem gemeinsamen Dach.

Zu den Organisatoren gehört auch Matthias Rolf von der University of Osaka. Nach seiner Überzeugung weisen schon die heutigen lernenden Maschinen Züge menschlichen Verhaltens auf. Das zeigt sich für ihn unter anderem an der Dynamik ihres Lernprozesses. Bei Menschen, erklärt Rolf, gebe es unabhängig von Intelligenz, Alter oder Erfahrung immer wieder einen charakteristischen Verlauf: Lernen scheint von außen gesehen in Stufen abzulaufen. "Am Anfang passiert erst mal gar nichts, dann plötzlich ganz viel", erklärt Rolf. Die Ursache dafür "wird gelegentlich als Aha-Effekt interpretiert". Das Erstaunliche nun ist, dass genau diese Dynamik auch in Experimenten mit Robotern zu beobachten ist. "Dabei passiert unter ihrer Haube die ganze Zeit eigentlich immer das Gleiche", sagt er. Die Beobachtung dürfte tröstlich sein für alle, die beim Lernen auf den plötzlichen Geistesblitz warten. Offenbar kommt der Durchbruch unvermeidlich – wenn man nur dranbleibt.

Aktuell arbeitet Rolf daran, seinen Maschinen "ein Belohnungssystem" einzuprogrammieren – eine Art inneren Kompass. "So wie Kinder einfach aus Interesse ständig neue Sachen ausprobieren", so sollen auch die Roboter ihre konkreten Handlungen aus dem Wertesystem ableiten. Sie sollen beispielsweise nicht einfach nur lernen, einen bestimmten Gegenstand zu greifen. Rolf will sie dazu bewegen, alles Mögliche zu greifen und damit zu spielen, weil sie die Aufgabe interessant finden. Weil ihre eingebaute Neugier sie immer weiter treibt. Abstrakt mathematisch konnte Rolf bereits zeigen, dass sich aus einem Belohnungssystem immer konkrete Ziele ableiten lassen. Für ihn steckt aber noch mehr dahinter. "Es soll nicht nur so aussehen, als ob ein Roboter willentlich einen Ball verfolgt, der eine schiefe Ebene hinunterrollt", erklärt der Informatiker. "Es geht darum, dass dieser Roboter eine Vorstellung davon hat, was er tun will – nämlich den Ball zu kriegen."

Vermessen? Vielleicht. Aber im sonnendurchfluteten Robotik-Labor der Beuth-Hochschule lässt sich ein Experiment beobachten, das ein erster Schritt in die Richtung zu sein scheint. Hild bleibt vor einer kleinen Apparatur stehen: Lego-Teile, ein Motor und ein Gestänge sind mit einer elektronischen Schaltung verbunden. Hier soll eine Steuerung entstehen, die sich an verschiedene äußere Lasten und mechanische Hindernisse anpasst. "Wenn ich ein schweres Gewicht an den Hebel hänge, kommt der Motor nicht mehr dagegen an", sagt Hild. "Wenn ich der Maschine helfen will und den Arm hochschiebe, übernimmt die Steuerung die Position aber nicht, sondern fährt den Arm wieder runter."

Er dreht vorsichtig am Gestänge. "Aber wenn ich das sanft mache, nur ganz langsam schiebe, dann klappt es." Einprogrammiert haben die Forscher diese Funktion nicht. Hild hat für sie eine erstaunliche Erklärung: "Wenn ich versuche, das System zu forcieren, ist es trotzig und geht gegen die Kraft. Wenn ich aber nur etwas Gewicht wegnehme, sodass der eigene Wille nicht blockiert wird, dann lässt es sich helfen." Ihm zufolge wird das letztlich auch bei höheren kognitiven Funktionen so sein. "Das ist etwas, das mir Hoffnung macht", sagt Hild. "Es wird sehr schwer werden, einem intelligenten Roboter den eigenen Willen aufzuzwingen und ihn zu missbrauchen."

Bis dahin mag es noch weit sein. Aber wenn die Forscher ans Ziel kommen wollen, dann wohl nur über den Weg, den auch das menschliche Gehirn beschreitet: Lernen. "Menschliche Intelligenz ist viel zu komplex, um sie einfach in ein System einzuprogrammieren", sagt Verena Hafner, Professorin an der Humboldt-Universität Berlin und regelmäßige Rednerin auf der Epigenetic-Robotics-Konferenz. "Wir gehen davon aus, dass Intelligenz durch Interaktion eines Agenten mit seiner Umwelt entsteht." Hafner spricht Informatiker-Slang. Sie sagt "Agent" oder "Creature" statt "Wesen", "Tier" oder "Mensch", spricht von "Motor Babbling" und "Explorationsexperimenten". Was sie aber meint, geht auf grundsätzliche Annahmen eines der berühmtesten Entwicklungspsychologen zurück: des Schweizers Jean Piaget, geboren 1896.

Was die Theorien von Piaget für Robotiker so attraktiv macht: Er betrachtete den Menschen ganz abstrakt als "offenes System", das sowohl versucht, sich selbst an die Anforderungen der Umwelt anzupassen, als auch die Umwelt an sich selbst anzupassen. Nach dem Modell von Piaget verläuft die kindliche Entwicklung in Stufen, und zwar unabhängig vom kulturellen Kontext. Jede Stufe muss zunächst durchlaufen werden, um die nächste erreichen zu können.

Die erste bezeichnete Piaget als "sensomotorische Stufe". Aktion und Sinneswahrnehmung sind in einer "Schleife" miteinander verbunden. Myon zum Beispiel ortet Geräusche, indem er den Kopf so lange nachdreht, bis die Lautstärke am größten ist. Und wenn der Roboter eine Person oder ein Objekt sieht, das für ihn teilweise verdeckt ist, versucht er einen Schritt zur Seite und schaut aus einem anderen Winkel. So kann er zugleich die Entfernung zu dem Objekt schätzen.

Auch Hafner und ihr Team haben dieses Prinzip verwendet, um ihren Robotern die Koordination von Hand und Auge beizubringen. Die kleinen Maschinen, beide vom Modell Nao des Herstellers Aldebaran Robotics, haben zunächst rein zufällige Bewegungen ausgeführt. "Wenn ich ein bestimmtes Kommando auf den Arm gebe, lernt der Roboter, an welcher Stelle er anschließend seine Hand sieht", sagt Hafner. Das kann man natürlich auch umdrehen: Wollen die Roboter ihre Hand an eine bestimmte Stelle bewegen, wissen sie schon ungefähr, welche Bewegung dafür nötig ist. "So funktioniert das auch bei Kleinkindern. Die bewegen Arme und Beine schon vor der Geburt und spüren dann beispielsweise, dass ihre Hand den eigenen Kopf berührt hat."

Mit dem erlernten Wissen kann der Roboter nun im nächsten Schritt Handlungen "mental simulieren", erklärt Hafner. Guido Schillaci, wissenschaftlicher Mitarbeiter in ihrer Arbeitsgruppe, drückt mir einen Spielzeugwürfel aus Pappe in die Hand, lächelt und deutet auf einen Roboter: "Wenn Sie es selbst versuchen wollen…" Der Nao steht in Habacht-Stellung auf seinem Schreibtisch: breite Schultern, schmale Hüften, leuchtende Augen, 58 Zentimeter hoch – ein kleiner Draufgänger, den das blaue Netzwerkkabel wie eine elektronische Nabelschnur mit Schillacis Rechner verbindet.

Ich nehme den Würfel und führe ihn vor dem Gesicht des Roboters von links nach rechts. Der Roboter dreht den Kopf, die leuchtenden Augen verfolgen den Würfel. Er hebt den rechten Arm, ich bewege den Würfel weiter zur Seite. Der Nao bemerkt, dass der Würfel zu weit weg ist, lässt den rechten Arm sinken, hebt den linken und touchiert sein Ziel, ganz sanft und vorsichtig. Es sieht aus wie ein Kinderspiel, und tatsächlich ist es diesem nicht unähnlich. Das Verhalten des Roboters ist nicht von Menschen einprogrammiert.

In einem weiteren Experiment haben Hafner und ihr Team erkundet, was passiert, wenn der Gegenstand außerhalb der Reichweite des Roboters bleibt. Nach einer entwicklungspsychologischen Theorie entstehen Zeigebewegungen bei Kindern aus Greifbewegungen. "Wenn ein Kind versucht, einen Gegenstand zu fassen, der nicht in seiner Reichweite ist, entwickelt sich eher zufällig eine Zeigegeste", erklärt Hafner. "Genau das haben wir auch bei unseren Robotern gesehen." Die Analogie kann natürlich Zufall sein, aber für Hafner weist sie in eine extrem interessante Richtung: "Bei Kindern entwickelt sich dieses imperative Pointing etwa mit neun Monaten – auch wenn sonst niemand im Zimmer ist.

Mit ungefähr zwölf Monaten wird daraus der Versuch, die Aufmerksamkeit von jemand anderem in Richtung des Gegenstands zu lenken", sagt sie. Diese "Shared Attention" zu erzeugen ist für Hafner die Voraussetzung für soziale Interaktion – zwischen Robotern, aber natürlich auch zwischen Mensch und Roboter. Kann ich die Aufmerksamkeit meines Gesprächspartners auf etwas Bestimmtes lenken? Kann ich erkennen, wo die Aufmerksamkeit meines Gegenübers liegt? "Wenn ja, dann habe ich wichtige Voraussetzungen geschaffen, um sich in jemand anderen hineinversetzen zu können", sagt Hafner. Irgendwo auf dieser Lernkurve liegt ein Punkt, an dem kleine Kinder es dann auch schaffen, zwischen sich und dem Gegenüber zu unterscheiden – und damit auch ein Bewusstsein vom eigenen Ich entwickeln. Ein Punkt, den, wenn die Theorie stimmt, auch lernende Maschinen erreichen müssten. "Im Prinzip spricht nichts dagegen", sagt Hafner. "Irgendwann können wir auch intelligente Maschinen bauen, die sich ihrer selbst bewusst werden."

Andere streiten diese Möglichkeit rundheraus ab. Christof Koch, Neurowissenschaftler am Allen Brain Institute, hält Bewusstsein für eine physikalische Eigenschaft – die nur eine bestimmte Art von Materie haben kann. "Man kann die Verhältnisse im Inneren eines Sturms berechnen. Aber im Computer wird es nie regnen", argumentiert Koch. Selbst wenn wir im Computer ein Bewusstsein simulieren könnten, "wird dieses Bewusstsein nichts spüren", sagt Koch.

Noch ist Hafner weit davon entfernt, das Gegenteil zu beweisen. "Im Moment sind unsere Roboter noch stark vereinfachte Modelle", sagt sie. Aber diese Einschränkung könnte schon bald nicht mehr gelten. Mit einer Milliarde Euro fördert die EU das "Human Brain Project", in dem Forscher ein Gehirn im Rechner simulieren wollen. Aber nicht nur das: Sie wollen die Simulation anschließend mit einem Roboter verbinden. "Uns fragen immer wieder Leute, warum wir das machen wollen", erzählt der Informatiker Florian Röhrbein, Privatdozent an der LMU München und Koordinator des Unterprojekts "Neurorobotics". "Schließlich sei die Simulation eines Gehirns auch ohne zugehörigen Körper schon schwierig genug." Er lacht. "Ich antworte dann immer: Im Gegenteil, es ist einfacher. Der Körper spielt eine wesentliche Rolle bei der Produktion intelligenten Verhaltens."

Auf dem Weg dahin sind die Forscher aus München, Karlsruhe, Genf und Pisa schon erstaunlich weit gekommen: Teile eines Mäusegehirns können sie bereits simulieren. Nun arbeiten sie daran, die Simulation mit einem – zunächst ebenfalls simulierten – Mäusekörper zu verbinden. Berührt die virtuelle Maus mit ihren Schnurrhaaren beispielsweise eine virtuelle Wand, feuern die entsprechenden Nervenzellen in der Hirnsimulation. Prinzipiell klappt das schon. Nun verknüpfen die Wissenschaftler mehr und mehr Hirnareale mit Sensoren und arbeiten am Feintuning ihres Modells. Im nächsten Schritt wollen sie mit dem virtuellen künstlichen Hirn die Bewegung der Maus steuern. Funktioniert auch das, soll die Hirnsimulation reale Hardware ansteuern.

Gleichzeitig arbeiten andere Teams daran, solch eine Steuerung für einen humanoiden, menschenähnlichen Roboter zu verwirklichen. Der zurzeit heißeste Kandidat für diese Mission ist Roboy. Das 1,20 Meter große Kerlchen mit dem viel zu großen Bollerkopf und den lebhaften, großen Kinderaugen – entwickelt an der Universität Zürich – kann zwar bisher noch nicht einmal stehen. Die Forscher des Neurorobotics-Teilprojekts glauben aber, dass dieser Roboter über eine wichtige Eigenschaft verfügt, die es einem simulierten Gehirn leicht machen könnte: Er ist "anthropomorph" aufgebaut, also ähnlich wie ein Mensch. Roboy verfügt über so etwas wie Knochen, Muskeln und Sehnen.

Auf den ersten Blick ist solch ein elastischer Roboter zwar schwierig steuerbar. Die Zürcher Forscher konnten aber in zahlreichen Experimenten zeigen, dass federnde, flexible Elemente oftmals gar nicht aktiv angesteuert werden müssen, sondern sich von selbst passend verhalten. "Morphologisches Rechnen", nennen die Forscher dieses Phänomen. "Wenn ein traditioneller Roboter von einem Stuhl auf den Boden springt, müssen Sie unheimlich aufpassen, dass die Motoren den Schwung wirklich abfangen", sagt Roboy-Projektleiter Rafael Hostettler. Bei einem elastisch aufgebauten Roboter fängt der Körper den Stoß von allein auf. Ob und wann Roboy oder einer seiner Nachfolger von einer kompletten Hirnsimulation gesteuert wird, mag der Münchner Robotiker aber nicht sagen. Dazu sei das Projekt noch zu sehr im Anfangsstadium.

Ein von einem Supercomputer angetriebener Roboter, wäre das nicht ziemlich unheimlich? "Nein", antwortet Matthias Rolf auf diese Frage, ohne lange zu zögern. "Auch wenn Sie dem Gehirn noch so viel Rechenpower geben. Der Engpass ist der Körper, mit dem der Roboter sich in der Welt bewegen muss. Er muss ja ganz reale Erfahrungen sammeln. Das beschränkt seine Möglichkeiten." Je stärker und schneller ein solcher Roboter wäre, umso mehr müsste er lernen, diesen Körper zu beherrschen.

Die Schreckensvision aus Science-Fiction-Filmen, in denen Tausende geklonte Kampfdroiden aufmarschieren, könnte aber noch aus einem anderen Grund unrealistisch sein. Die Erfahrungen, die Roboter im Laufe ihrer Entwicklung machen, lassen sich wohl nicht einfach von einem Modell auf ein anderes, identisches übertragen. Denn schon kleine Unterschiede in den Sensoren, Toleranzen in der Mechanik und geringe Abweichungen in der Elektronik führen dazu, dass jede Steuerung sich ein kleines bisschen anders verhält. "Jeder Roboter muss für sich lernen", sagt Hild. Intelligenz wäre damit wirklich etwas Einzigartiges, aber anders, als viele denken: Jeder ist es auf seine Weise – ob Roboter oder Mensch. So gesehen ist der Unterschied zwischen beiden gar nicht sehr groß. Neill Blomkamp würde das Argument wahrscheinlich gefallen. (wst)