Martina Mara | Foto: Paul Kranzler

„Neue Bilder wären ein Anfang.“

Am 20. November (13:00 Uhr, HS2) kommt die Professorin für Roboterpsychologie Martina Mara (Universität Linz) auf Einladung von JOANNEUM RESEARCH an die Alpen-Adria-Universität. Uns hat sie schon vorab einige Fragen zu Ihrem Forschungsgebiet beantwortet. 

Sie sind Professorin für Roboterpsychologie und beschäftigen sich mit der Nutzerwahrnehmung autonomer Maschinen und KI-Agenten. In der Öffentlichkeit sehen wir Roboter hauptsächlich als menschenähnlich gestaltete Geräte. Wie kommt das bei uns Menschen an?

Die Bilder der Humanoiden und Androiden, die Robotik und KI im öffentlichen Diskurs ja fast schon stereotyp repräsentieren, halte ich für kontraproduktiv. Sie befeuern Ängste vor dem Ersetztwerden und erwecken den falschen Eindruck, dass das Gros der Forscherinnen und Forscher in diesen Disziplinen an der maschinellen Gesamtnachbildung des Menschen arbeitet oder dass so etwas wie künstliche Intelligenz mit Bewusstsein oder Emotionalität kurz bevorstünde. Das ist natürlich nicht der Fall, aber Bilder wirken eben sehr stark und entfalten innerhalb von Sekundenbruchteilen ihre Wirkung auf uns.

Bei vielen existieren also Ängste, Künstliche Intelligenz könne den Menschen irgendwann überflügeln oder die Herrschaft über uns übernehmen, auch wenn das kaum etwas mit dem aktuellen Entwicklungsstand der KI zu tun hat. Was könnte man dagegen tun?

Neue Bilder wären ein Anfang. Wir sollten Roboter und KI mehr in ihren den Menschen ergänzenden, augmentierenden Potenzialen denken und zeigen. Manche Kollegen plädieren sogar dafür, künftig von AI als „Augmented Intelligence“ statt „Artificial Intelligence“ zu sprechen. Eine solche Begriffsumdeutung wird in der Praxis wohl schwierig werden, aber es wäre schon gut, wenn weniger oft die Konkurrenzlogik „Mensch versus Maschine“ angekurbelt würde. Daneben hielte ich es auch für wichtig, in der Öffentlichkeit mehr Verständnis für relevante technische Grundbegriffe und Machbarkeiten herzustellen. Ständig lesen und hören wir über Algorithmen, maschinelles Lernen oder neuronale Netze, aber kaum jemand kann etwas mit diesen Buzzwords anfangen. Das allein kann beängstigend sein.

Roboter haben das Potenzial, uns in vielerlei Weise hilfreich zu sein. Welche Schritte müssen gesetzt werden, um die Kooperation zwischen Mensch und Maschine so zu gestalten, dass sich der nutzende Mensch auch wohl fühlt?

Gerade beim Teamwork mit schweren, potenziell gefährlichen Maschinen wird es auf gegenseitiges Verständnis ankommen. Der Roboter muss Intentionen und Zustände seines menschlichen Partners einschätzen können, etwa durch die Analyse von Blickrichtungen oder nonverbalem Verhalten. Gleichzeitig muss die Maschine für den Menschen aber ebenfalls gut lesbar und in ihrem Verhalten vorhersehbar sein, indem sie ihre Zustände und Ziele bei Bedarf nach außen kommuniziert. Studien deuten darauf hin, dass ein solches erklärliches Maschinendesign zentral für das subjektive Wohlbefinden der User, aber auch für die Effizienz der Zusammenarbeit zwischen Mensch und Roboter sein wird.

Foto: Paul Kranzler

ZUM VORTRAG:

The demystification of the robot: Why we need informed people and explainable machines

Robotics and Artificial Intelligence entail many opportunities for humanity: From improving medical diagnoses to enabling greater autonomy for the elderly, from cleaning the house to optimizing energy efficiency. In the public discourse, however, smart technologies are customarily represented by the stereotypical image of the android, the artificial replication of the human being. Based on psychological findings, Mara argues that a human-centered approach towards technological development must foster new visions of complementary human-machine relationships instead of fueling fears of substitution. Furthermore, as many outside the expert circles still lack information about technical functions and feel uncomfortable with technology they don’t understand, there is a need for user empowerment: By explaining basic technological concepts to the public and by designing machines that are explainable themselves.