Was der Maschine noch fehlt? Menschliche Intuition!

Der Harvard-Neurologe Sam Anthony fordert, dass autonome Fahrzeuge ihre Umgebung verstehen lernen müssen, bevor sie auf den Stadtverkehr losgelassen werden.

Mr. Anthony, jeder dritte US-Bürger sagt, dass er Angst vor autonomen Fahrzeugen hat. Eine weitere Umfrage hat festgestellt, dass sich mehr als die Hälfte der Amerikaner nicht in ein selbstfahrendes Taxi setzen würde. Warum tun sich Menschen so schwer, ihre neuen Partner im Straßenverkehr zu akzeptieren?

Sam Anthony: Die Erwartungen an diese Fahrzeuge sind sehr hoch. Wenn ich auf der Autobahn einem autonomen Fahrzeug begegne, ist das die eine Sache. Aber wenn ich sehe, wie ein solcher Wagen im Stadtverkehr plötzlich vom normalen menschlichen Verhalten abweicht, dann ist das dauerhaft abschreckend. Ich selbst bin in der Stadt mit dem Auto, zu Fuß und mit dem Rad unterwegs und mache mir schon seit langem Gedanken, wie autonome Fahrzeuge in unser urbanes Leben passen. Dabei ist mir aufgefallen, dass diesen Fahrzeugen eine grundlegende Fähigkeit fehlt, die uns Menschen so leicht fällt: Sie kommen einfach nicht klar mit anderen Verkehrsteilnehmern in Shared Spaces, also geteiltem öffentlicher Straßenraum.

Wie klug oder dumm sind autonome Fahrzeuge denn? Worin sind sie gut und woran scheitern sie?

Anthony: Auf den Punkt gebracht: Sie können das grundlegendste menschliche Verhalten nicht nachahmen, das wir Intuition nennen. Aber sehen wir uns erst einmal ihre Stärken an: Ein autonomes Fahrzeug ist niemals müde oder wütend. Es lässt sich nicht ablenken, stressen oder von irgendwelchen Substanzen beeinflussen. Seine Lenk- und Bremsmanöver bleiben immer präzise und es nimmt Objekte stets im perfekten 360-Grad-Winkel wahr. Das sind alles enorme Vorteile. Zugleich ist das, was einem Menschen am leichtesten fällt, für Computer enorm schwer. Das gilt übrigens für jede Form der künstlichen Intelligenz.

Was einem Menschen am leichtesten fällt, ist für Computer enorm schwer. Das gilt übrigens für jede Form der künstlichen Intelligenz.

Sam Anthony, Harvard Neurologe und Informatiker

Sam Anthony, Harvard Neurologe und Informatiker

Was sind dagegen die Stärken eines menschlichen Fahrers?

Anthony: Menschen sind unschlagbar, wenn es darum geht, die sichtbare Welt zu begreifen. Wir besitzen einen intuitiven Sinn dafür, wie sich Objekte um uns herum verhalten oder verhalten sollten und ob sie eine Gefahr darstellen. Der Mensch ist das Maß der Dinge, wenn es darum geht, das Verhalten anderer Menschen zu verstehen. Diese Fähigkeit besitzen wir unabhängig davon, ob wir jemals hinter einem Steuer gesessen haben oder nicht. Schon Vierjährige sind in der Lage, höchst komplexe Aufgaben erfolgreich zu bewältigen ¬– etwa zu schlussfolgern, was bei ihrem Gegenüber im Kopf vorgeht. Wir müssen uns dazu nicht einmal anstrengen. Deshalb merken wir auch nicht, wie enorm wichtig diese Fähigkeit fürs Autofahren ist. Genau dieses Manko ist für mich das größte ungelöste Problem beim Autonomen Fahren.

Die Fähigkeit zu antizipieren wird also einfach übersehen, wenn wir über die vielen Fortschritte beim maschinellen Sehen und Lernen sprechen?

Anthony: Genau. Wenn man jemanden fragt, was ein Autofahrer alles können muss, dann fallen in der Regel Dinge wie: Er muss Verkehrsschilder lesen und Fahrbahnbegrenzungen identifizieren können. Er sollte die Straßenverkehrsregeln kennen. Er muss sich konzentrieren können und bei Sehschwäche eine Brille tragen. Ganz unten auf der Liste – wenn überhaupt – kommt vielleicht die Fähigkeit zur Kommunikation und zum Erkennen, ob jemand eine Straße überqueren will. Unsere Intuition funktioniert so automatisch, dass wir sie nicht einmal bewusst wahrnehmen. Wir sind so gut auf diesem Gebiet, dass die Antizipationsfähigkeit für uns einfach zur selbstverständlichen Grundausstattung für den Straßenverkehr gehört. Nach diesem Prinzip entscheiden Versicherungen nach einem Unfall, wer die Schuld trägt. Und unsere Infrastruktur ist darauf ausgerichtet, dass wir diese Fähigkeit besitzen.

Sehen sie dann überhaupt eine realistische Chance, dass Mensch und Maschine im Straßenverkehr irgendwann gut miteinander auskommen werden?

Anthony: Schwer zu sagen. Wenn autonome Fahrzeuge beim Vorhersehen menschlicher Verhaltensweisen nicht besser werden, besteht die Gefahr, dass wir Menschen sie zu Verkehrsidioten abstempeln. Manche Fahrer sind Angsthasen, während andere rücksichtslos sind und einem die Vorfahrt nehmen. Die aktuellen autonomen Fahrzeuge können durchaus beide Verhaltensweisen an den Tag legen – unglaublich langsam und ängstlich agieren und mir dann doch noch den Weg abschneiden.

Wenn autonome Fahrzeuge beim Vorhersehen menschlicher Verhaltensweisen nicht besser werden, besteht die Gefahr, dass wir Menschen sie zu Verkehrsidioten abstempeln.

In Ihren Experimenten haben sie menschliches Verhalten im Straßenverkehr gefilmt. Was haben Sie dabei gelernt?

Anthony: Ich habe eine Kamera aus meinem Labor an der Harvard University an einer Kreuzung aufgebaut – keine besonders stark befahrene Straße. Sie hatte nicht einmal eine Ampel. Doch wenn man sich das Video auch nur 30 Sekunden ansieht, kann man schon jede Menge komplexer Interaktionen zwischen den Verkehrsteilnehmern beobachten. Genauer gesagt: Menschen versuchen im Schnitt rund 45 Mal, die Verhaltensweisen eines Mitmenschen vorauszusehen. Wir fällen ständig aussagekräftige und korrekte Urteile, und zwar in Sekundenbruchteilen. Verhaltensforscher nennen das Konzept „Theory of Mind“ beziehungsweise „Native Theorie“.

Können Sie das an einem Beispiel verdeutlichen?

Anthony: Also, ein Motorroller fährt auf die Kreuzung zu, um sie zu überqueren. Der Fahrer wartet erstmal ab, ob ihn der Gegenverkehr durchlässt. Er sieht, dass ein Auto vor ihm links abbiegen will. Der Scooter-Fahrer rollt ganz leicht zurück. Damit kommuniziert er dem entgegenkommenden Wagen: „Ich habe dich gesehen und verstehe, dass Du Vorfahrt hast. Ich mache dir ein bisschen Platz, damit du besser abbiegen kannst.“ Allein die Tatsache, dass sich der Roller zehn Zentimeter nach hinten bewegt, sendet extrem wertvolle Signale aus, und zeigt, was im Kopf des Scooter-Fahrers vorgeht. Wenn der entgegenkommende Linksabbieger allerdings ein autonomes Fahrzeug wäre, würden diese Signale ein Ausfallverhalten auslösen und das Fahrzeug ewig an der Kreuzung feststecken.

Ist zu erwarten, dass ein Algorithmus je dieselben nahtlosen Situationseinschätzungen abbilden kann, die das menschliche Gehirn ständig unbewusst bewerkstelligt?

Anthony: Die gute Nachricht ist, dass wir ein umfangreiches Arsenal an Werkzeuge besitzen, um herauszufinden, warum Menschen etwas tun, selbst wenn es nicht bewusst geschieht. Das ist die Domäne der Verhaltenswissenschaften. Wissenschaftler haben Jahrzehnte damit verbracht, Verfahren zur Messung unbewussten menschlichen Handelns zu entwickeln. Wenn sich jemand beispielsweise seine Umgebung ansieht, bewegt sich das Auge mehrmals pro Sekunde in bestimmten ballistischen Bahnen. Der Mensch mag denken, dass er einfach nur etwas anschaut, aber in Wirklichkeit tasten seine Augen ein komplexes Muster ab, um damit die verschiedenen Aspekte eines Objektes zu erfassen: das Umfeld, den Mittelpunkt, hellere Bereiche oder Merkmale, die ein Gesicht ergeben könnten. Misst man, welche Punkte die Augen fixieren, lässt sich eine Karte erstellen, welche visuellen Reize für uns wichtig sind. Anhand dieser Karte lässt sich rekonstruieren, welchen Details wir Aufmerksamkeit schenken, ehe uns selbst bewusst ist, dass wir auf sie achten.

Das ist die Theorie. Doch wie genau bringt man einer Maschine Intuition bei?

Anthony: Ich habe mit ein paar Forscherkollegen ein Start-up namens Perceptive Automata gegründet, das die Erkenntnisse aus den Verhaltenswissenschaften bei autonomen Fahrzeugen zur Anwendung bringt. Wir identifizieren ein Problem oder eine Situation, in der sich Menschen vorbildlich verhalten und setzen dann wissenschaftliche Methoden ein, um eine präzise Beschreibung dieses Verhaltens zu formulieren. Die Herausforderung besteht darin, ein Modell für maschinelles Lernen daraus zu generieren. Eigentlich verfolgt Machine Learning immer dieses hoch gesteckte Ziel, aber meist mit einem traditionellen Ansatz. Normalerweise sucht man sich ein Merkmal der Umwelt aus, das sich zweifelsfrei verifizieren lässt — etwa, ob in einer Szene ein Baum zu sehen ist oder nicht. Das klassische Modell füttert das System dann mit 30.000 Bildern mit Bäumen und mit 30.000 Bildern ohne Bäume und der Algorithmus muss den Unterschied herausfinden. Das ist eine hervorragende Technik, solange man es nicht mit Fragen zu tun hat, auf die es keine eindeutige Antwort gibt oder die von der jeweiligen Situation abhängen. Zum Beispiel: Betritt diese Person gleich den Zebrastreifen oder wartet sie am Straßenrand? Daher wollen wir unser Modell nicht darauf abrichten, aus handfesten Daten Muster zu erkennen. Stattdessen soll die Software Probleme wie ein Mensch angehen. Wir behandeln Menschen also wie eine Black Box und messen nur den Output ganz genau. Damit kriegen wir die intuitiven Fähigkeiten zu fassen, die es nachzuahmen gilt.

Software soll Probleme wie ein Mensch angehen.

Wie lange wird es dauern, bis autonome Fahrzeuge soweit sind?

Autonome Fahrzeuge werden in absehbarer Zukunft gut genug sein, um im Stadtverkehr klar zu kommen. Man muss sie nicht mit exakt denselben Fähigkeiten ausstatten, die ein Mensch besitzt, um im Stadtverkehr klar zu kommen, da sie teilweise andere Stärken besitzen.

Wenn Roboter Nachholbedarf haben, warum rüsten wir autonome Fahrzeuge nicht einfach mit Signalanlagen aus, damit sie menschlichen Verkehrsteilnehmern klar anzeigen, dass sie buchstäblich etwas beschränkt sind?

Kommunikationskanäle zwischen einem autonomen Fahrzeug und seiner Umgebung sind ebenso wichtig wie visuelle Signale. Doch wenn man autonome Fahrzeuge ihrer Umwelt signalisieren lässt, dass sie ein bisschen dumm sind, dann können Menschen sie auch leicht austricksen. In dichtem Stadtverkehr zu fahren ist kein Nullsummen-Spiel, sondern echter Wettkampf. Es kommt vor, dass andere Verkehrsteilnehmer schneller vorankommen wollen oder eine Fahrweise wählen, bei der man ihnen ausweichen muss. Um dies zu erreichen, könnte ein autonomes Fahrzeug beispielsweise getäuscht und zu einem Nothalt gezwungen werden. Eine Situation also, in der diese Fahrzeuge ausgetrickst werden – und ihre Passagiere müssten dann die negativen Konsequenzen tragen. Deswegen ist es mit Signalen alleine nicht getan. Am besten können wir diese Fahrzeuge in städtische Szenarien eingliedern, wenn sie lernen, sich wie Menschen zu verhalten.

Autonome Fahrzeuge könnten eine wichtige Rolle dabei spielen, dass die Idee des multimodalen Transports in Städten verwirklicht werden kann.

Was würde schlimmstenfalls passieren, wenn autonome Fahrzeuge zum Massenphänomen werden bevor sie Intuition entwickeln?

Anthony: Autonome Fahrzeuge können die in sie gesetzten Erwartungen auf vielerlei Weise enttäuschen. Zum einen ist es durchaus möglich, dass sie sich nie im Durcheinander des Stadtlebens zurechtfinden werden. Dann müssten wir uns mit Autos abfinden, die über einen tollen Tempomaten verfügen, aber auch nicht mehr. Wenn wir Mobilität wirklich neu erfinden wollen, müssen diese Fahrzeuge in der Stadt unterwegs sein. Ein anderes Negativ-Szenario sieht so aus: Wir bringen zwar genug Investitionen und Interesse auf, um diese Fahrzeuge im Stadtverkehr einzusetzen, aber sie lernen nie, sich wirklich einzufügen. Das wäre ein Jammer, denn wir leiden immer noch an den langfristigen Folgen einer Transport-Monokultur, die sich ums Automobil dreht. Viele Städte, insbesondere in Europa und in einigen Teilen der USA, haben sich von dieser Vorstellung verabschiedet, da sie verstanden haben, dass uns das dem Ziel einer lebenswerten Stadt nicht näher bringt. Autonome Fahrzeuge könnten eine wichtige Rolle dabei spielen, dass die Idee des multimodalen Transports in Städten verwirklicht werden kann. Wenn dieses Problem allerdings nicht gelöst wird, können diese Fahrzeuge den Fortschritt, den wir bereits erzielt haben, genauso wieder rückgängig machen.

 

Sam Anthony ist Neurologe und Informatiker. Er hat am Vision Sciences Labor der Universität Harvard studiert und geforscht, bevor er 2014 mit zwei Universitätskollegen das Unternehmen Perceptive Automata gegründet hat. In dem Start-up mit Sitz in Cambridge, Massachusetts entwickelt Anthonys Team Software, die autonome Fahrzeuge dazu bringen soll, sich in die Gedanken menschlicher Verkehrsteilnehmer hinein zu versetzen.

Wir verwenden Cookies

Damit wollen wir unsere Webseiten nutzerfreundlicher gestalten und fortlaufend verbessern. Wenn Sie die Webseiten weiter nutzen, stimmen Sie dadurch der Verwendung von Cookies zu.