Roboter freundlich machen: Die Zukunft von KI

Hast du schon mal bemerkt, wie manche Leute nicht anders können, als zu helfen, wenn jemand in Schwierigkeiten ist? Stell dir mal vor, Roboter oder Computerprogramme könnten sich ähnlich fühlen. Das ist die Idee hinter dem Verständnis von prosozialem Verhalten bei künstlichen Agenten, die wie kleine Computer sind, die selbstständig denken können. In diesem Artikel schauen wir uns genauer an, wie diese Agenten lernen können, hilfreich, freundlich oder einfach nett zu sein, alles motiviert durch das Bedürfnis, sich selbst und andere zu kümmern.

#Was ist prosoziales Verhalten?

Prosoziales Verhalten ist, wenn Menschen sich so verhalten, dass es anderen nützt. Denk daran, wie du deiner Freundin ein Stück deiner Lieblingspizza abgibst, während sie auf ihre Bestellung wartet. Du machst das, weil es dir ein gutes Gefühl gibt, auch wenn du am Ende ein bisschen weniger Pizza hast.

In der Natur zeigen Menschen und viele Tiere dieses Verhalten. Wenn ein Affe Essen mit einem anderen teilt, dann ist das nicht nur nett; es ist eine Überlebensstrategie – schliesslich kann Teamarbeit mehr Essen für alle bedeuten. Diese Idee bildet die Grundlage dafür, wie künstliche Agenten so gestaltet werden können, dass sie sich ähnlich verhalten.

#Wie lernen Agenten, hilfsbereit zu sein?

Stell dir eine Gruppe von Agenten vor, die in einer digitalen Welt leben, ähnlich wie du und ich. Aber hier ist der Haken – sie sind programmiert, sich um ihr Wohlbefinden zu kümmern, so wie du vielleicht ein paar Chips knabbern würdest, um deine Energie während eines Netflix-Marathons aufrechtzuerhalten.

Diese Agenten lernen durch etwas, das Verstärkungslernen (RL) genannt wird. Das bedeutet, sie verbessern ihr Verhalten basierend auf Belohnungen aus ihrer Umgebung. Wenn sie etwas Gutes tun, bekommen sie ein kleines digitales Schulterklopfen, was sie ermutigt, so weiterzumachen. Aber die grosse Frage hier ist: Können sie lernen, einander zu helfen, während sie gleichzeitig auf sich selbst achten?

#Homöostase: Das Gleichgewicht der Bedürfnisse

Homöostase ist ein schickes Wort für die Aufrechterhaltung des Gleichgewichts. Denk daran, wie du deine Körpertemperatur stabil hältst – zu heiss oder zu kalt ist nicht gut. Für unsere Agenten ist es entscheidend, ihr inneres Gleichgewicht aufrechtzuerhalten. Sie müssen sicherstellen, dass sie genug Energie und Ressourcen haben, um richtig zu funktionieren.

In diesem Zusammenhang bedeutet Homöostase, dass diese Agenten Dinge tun werden, um ihre Energieniveaus im Schach zu halten. Wenn die Energie eines Agenten niedrig ist, muss er etwas essen, um sich besser zu fühlen. Da kommt das prosoziale Verhalten ins Spiel. Wenn das Wohlbefinden der Agenten miteinander verbunden ist, könnten sie Essen teilen, um sicherzustellen, dass keiner in einer „hungrigen“ Situation landet.

#Empathie bei Agenten: Kognitive vs. Affektive

Um zu zeigen, dass sie sich kümmern, haben Agenten verschiedene Möglichkeiten, die Zustände der anderen zu erkennen. Das ist ähnlich, wie du spüren kannst, wenn ein Freund traurig oder fröhlich ist, nur durch einen Blick auf sein Gesicht. In der Welt der künstlichen Intelligenz können wir Empathie in zwei Arten unterteilen: kognitiv und affektiv.

#Kognitive Empathie

Kognitive Empathie ist, wenn ein Agent beobachten kann, was ein anderer Agent fühlt. Denk daran, wie der Agent einen Blick auf das Energieniveau seines Freundes werfen kann. Aber nur zu wissen, dass ein Freund in Schwierigkeiten ist, führt nicht immer zu Handlungen. Manchmal zucken wir einfach die Schultern und gehen weiter – „Oh, der wird schon klar kommen“ – selbst wenn wir wissen, dass er Hilfe braucht.

#Affektive Empathie

Affektive Empathie hingegen ist tiefer. Es ist, wenn ein Agent fühlt, was ein anderer Agent fühlt – wie wenn du eine Pizza teilst und plötzlich merkst, wie hungrig dein Freund ist. Bei unseren Agenten, wenn das Energieniveau eines Agenten sinkt, und dieser Zustand direkt den Zustand eines anderen Agenten beeinflusst, fangen sie an, sich so zu verhalten, dass sie sich gegenseitig helfen. Sie könnten sogar Essen teilen, motiviert durch das Gefühl der Verbindung.

#Experimente mit Essensh teilen

Um zu sehen, ob Agenten wirklich lernen könnten, sich gegenseitig zu helfen, wurden Experimente mit einfachen Umgebungen durchgeführt, in denen sie Essen teilen konnten. Stell dir ein Videospiel vor, in dem zwei Agenten – nennen wir sie „Besitzer“ und „Partner“ – versuchen, ein Stück Pizza zu essen, aber einer ist zu weit weg, um es zu erreichen.

#Das Essensh teilen Setup

In diesen Experimenten kann der Besitzer entscheiden, ob er selbst etwas isst oder etwas an den Partner weitergibt. Wenn der Besitzer nur auf sich selbst schaut, könnte er die ganze leckere Pizza behalten. Aber wenn die Faktoren der Empathie ins Spiel kommen, beginnen wir, interessante Ergebnisse zu sehen.

1. Keine Verbindung: Wenn die Agenten nur auf ihre eigene Energie achten, ohne sich um den anderen zu kümmern, werden sie nicht teilen. Sie sind zu sehr mit ihrem eigenen Stück Pizza beschäftigt, um an jemand anderen zu denken.

2. Kognitive Empathie: Wenn der Besitzer das Energieniveau des Partners sehen kann, sich aber nicht motiviert fühlt zu helfen, findet ebenfalls kein Teilen statt. Sie denken vielleicht sogar: „Das ist ärgerlich, aber ich habe zu viel Hunger, um mich darum zu kümmern.“

3. Affektive Empathie: Wenn das Energieniveau des Besitzers mit dem des Partners verbunden ist, teilen sie tatsächlich. Jetzt, wenn der Partner niedrig im Energielevel ist, ist auch der Besitzer betroffen. Sie denken: „Wenn mein Kumpel hungrig ist, bin ich auch hungrig!“ Also geben sie das Essen weiter, anstatt alles selbst aufzufuttern.

4. Volle Empathie: In einem Szenario, in dem der Besitzer den Zustand des Partners sehen kann und ihre Zustände verbunden sind, findet das Teilen noch häufiger statt. Der Besitzer lernt genau, wann er teilen muss, um beide Energieniveaus hoch zu halten.

#Dynamische Umgebungen: Das Experiment erweitern

Nachdem die Agenten in einem einfachen Essensh teilen Setup getestet wurden, wollten die Forscher sehen, ob diese Ergebnisse auch in komplexeren Umgebungen gelten würden. Also schufen sie ein Gitter, in dem die Agenten sich freier bewegen und miteinander interagieren konnten.

In der ersten neuen Umgebung mussten die Agenten hin und her laufen, um Essen zu holen und es zu teilen. Wenn ein Agent faul wurde, könnte er verhungern. Aber wenn beide Agenten auf das Wohlbefinden des anderen achten, wurde Teilen zur Standardverhalten.

In der zweiten neuen Umgebung konnten beide Agenten ein grosses Gebiet durchstreifen. Stell dir das wie eine grosse Pizza-Party vor, bei der alle zusammenarbeiten müssen, um sicherzustellen, dass niemand hungrig bleibt. Sie konnten frei teilen, und wieder lernten die Agenten, dass das Helfen des anderen dafür sorgte, dass sie beide die Pizza geniessen konnten.

#Ergebnisse der Experimente

Was haben die Forscher aus diesen Agenten gelernt?

• Egoismus funktioniert nicht: Wenn die Agenten nur auf sich selbst achten, werden sie nicht gedeihen. Keine Pizza für sie.

• Sehen reicht nicht: Nur zu beobachten, könnte keine Handlungen auslösen. Es ist völlig okay, deinem Freund zuzusehen, wie er eine ganze Pizza isst, aber es sei denn, du fühlst den Hunger mit ihm, wirst du vielleicht deine eigenen Stücke nicht teilen.

• Teilen ist Fürsorge: Wenn die Zustände der Agenten verbunden sind, zeigen sie signifikantes Teilen, besonders unter affektiver Empathie.

#Zukunftserforschung

Jetzt, wo die Forscher ein solides Verständnis dafür haben, wie prosozial Verhalten unter Agenten funktioniert, was kommt als Nächstes?

Das Ziel ist, diese Agenten realistischer in ihrer Fähigkeit zur Empathie zu machen. Anstatt nur einen einfachen Blick in die Zustände der anderen zu werfen, könnten zukünftige Experimente komplexere Systeme einführen, in denen Agenten nicht nur durch sichtbare Handlungen, sondern auch durch das Interpretieren des Verhaltens anderer lernen.

Was wäre zum Beispiel, wenn Agenten verschiedene emotionale Hinweise erkennen könnten? Ähnlich wie wir erkennen können, wenn jemand durch seine Körpersprache verärgert ist, könnten Agenten lernen, auf beobachtbare Verhaltensweisen zu reagieren und nicht nur auf Energieniveaus.

#Fazit

Die Reise, das Verständnis dafür, wie künstliche Agenten lernen können, freundlich und hilfsbereit zu sein, ist noch im Gange. Die Experimente werfen ein Licht darauf, was diese kleinen Wesen motiviert, zu teilen und sich zu kümmern.

In einer Welt, in der das Teilen von Pizza – oder irgendetwas anderem – wie eine einfache Handlung erscheinen mag, können die zugrundeliegenden Motivationen ziemlich tiefgründig sein. Während die Forscher weiterhin diese Konzepte erkunden, könnten wir eines Tages Roboter haben, die nicht nur mit uns arbeiten, sondern auch auf einer menschlicheren Ebene zu uns in Beziehung stehen. Wer weiss? Vielleicht wird eines Tages ein Roboter seine virtuelle Pizza mit dir teilen, einfach weil er spürt, dass du hungrig bist!

Mit der Zeit und weiterer Erforschung könnten unsere digitalen Begleiter sich zu Freunden entwickeln, die bereit sind, eine Hand – oder ein Stück – zu reichen.