HOFOLDING, Deutschland – Die anderen Fahrer hätten nichts Ungewöhnliches bemerkt, als sich die beiden schlanken Limousinen mit deutschen Kennzeichen auf der französischen Autoroute 1 in den Verkehr einreihten.
Aber was sie an jenem sonnigen Herbsttag 1994 erlebten, hätten viele von ihnen als einfach nur verrückt abgetan.
Es bedurfte einiger Telefonate der deutschen Autolobby, bis die französischen Behörden grünes Licht gaben. Aber hier waren sie: zwei graue Mercedes 500 SELs, die auf 130 Stundenkilometer beschleunigten, die Spur wechselten und auf andere Autos reagierten — autonom, mit einem Bordcomputersystem, das Lenkrad, Gaspedal und Bremsen steuert.
Jahrzehnte bevor Google, Tesla und Uber in das Geschäft mit selbstfahrenden Autos einstiegen, hatte ein Team deutscher Ingenieure unter der Leitung eines Wissenschaftlers namens Ernst Dickmanns ein Auto entwickelt, das den französischen Pendlerverkehr selbstständig steuern konnte.
Die Geschichte von Dickmanns Erfindung und wie sie so gut wie vergessen wurde, ist ein schönes Beispiel dafür, wie Technologie manchmal voranschreitet: nicht in kleinen, stetigen Schritten, sondern in Booms und Büsten, in unwahrscheinlichen Fortschritten und unvermeidlichen Rückzügen — „einen Schritt vorwärts und drei Schritte zurück“, wie es ein KI-Forscher ausdrückte.
Ernst Dickmanns, der deutsche Wissenschaftler, der in den 1980er und 1990er Jahren selbstfahrende Autos auf europäischen Straßen getestet hat Janosch Delcker für POLITICO
Es ist auch eine Art Warnung vor den Erwartungen, die wir an künstliche Intelligenz stellen, und den Grenzen einiger der heute verwendeten datengesteuerten Ansätze.
„Ich habe aufgehört, anderen Forschern allgemeine Ratschläge zu geben“, sagte der heute 82-jährige Dickmanns. „Nur so viel: Man sollte Ansätze, die einst sehr erfolgreich waren, nie ganz aus den Augen verlieren.“
Vom Himmel auf die Straße
Bevor Dickmanns der Mann wurde, „der tatsächlich selbstfahrende Autos erfunden hat“, wie der Berkeley-Informatiker Jitendra Malik es ausdrückte, verbrachte er das erste Jahrzehnt seines Berufslebens damit, die Flugbahnen von Raumschiffen zu analysieren, wenn sie wieder in die Erdatmosphäre eintreten.
Als Luft- und Raumfahrtingenieur ausgebildet, stieg er schnell durch die Reihen der ambitionierten westdeutschen Luft- und Raumfahrtindustrie auf, so dass er sich 1975, noch unter 40, eine Stelle an einer neuen Forschungsuniversität der Bundeswehr sicherte.
Die drei autonomen Straßenfahrzeuge bei der PROMETHEUS-Demonstration in Paris, Oktober 1994. Von links nach rechts: UniBwM VaMP, Daimler VITA-2, Daimler VITA-1 / Foto von Reinhold Behringer
Zu diesem Zeitpunkt hatte er bereits darüber nachgedacht, was bald seine Lebensaufgabe werden würde: Fahrzeugen das Sehen beizubringen. Der Ausgangspunkt, davon war Dickmanns zunehmend überzeugt, waren keine Raumschiffe, sondern Autos. Innerhalb weniger Jahre hatte er einen Mercedes-Transporter gekauft, ihn mit Computern, Kameras und Sensoren ausgestattet und 1986 mit Tests auf dem Universitätsgelände begonnen.
„Die Kollegen an der Universität sagten: Nun, er ist ein komischer Typ, aber er hat eine Erfolgsbilanz, also lassen wir ihn das einfach machen“, sagte Dickmanns während eines Interviews in seinem Familienhaus, das nur wenige Schritte von einer Zwiebeltürmkirche in Hofolding, einer kleinen Stadt außerhalb von München, entfernt liegt.
1986 fuhr Dickmanns Van als erstes Fahrzeug autonom – auf dem Skidpan seiner Universität. Im nächsten Jahr schickte er es mit Geschwindigkeiten von fast 90 Stundenkilometern auf einen leeren Abschnitt einer noch zu eröffnenden bayerischen Autobahn. Bald darauf wurde Dickmanns vom deutschen Autobauer Daimler angesprochen. Gemeinsam sicherten sie sich die Finanzierung eines massiven gesamteuropäischen Projekts, und Anfang der 1990er Jahre kam das Unternehmen auf eine Idee, die Dickmanns zunächst „absurd“ erschien.
„Können Sie nicht einen unserer großen Personenkraftwagen für die Abschlussdemonstration des Projekts im Oktober in Paris ausrüsten und dann im öffentlichen Verkehr auf der dreispurigen Autobahn fahren?“ er erinnerte sich, dass Beamte gefragt hatten.
Er musste tief durchatmen, „aber dann sagte ich ihnen, dass ich mit meinem Team und den Methoden, die wir anwenden, denke, dass wir dazu in der Lage sind.“
Daimler hat die Finanzierung des Projekts verstärkt. Auto-Lobbyisten haben Zweifel innerhalb der französischen Regierung ausgeräumt. Und im Oktober 1994 holte Dickmanns ‚Team eine Gruppe hochrangiger Gäste vom Flughafen Charles de Gaulle ab, fuhr sie zur nahe gelegenen Autobahn und schaltete die beiden Autos in den Selbstfahrmodus.
“ Manchmal nahmen wir unsere Hände vom Lenkrad“ — Reinhold Behringer, einer der Ingenieure, die während der Demonstration auf dem Fahrersitz saßen
Ein Ingenieur blieb auf dem Vordersitz jedes Autos — mit den Händen am Lenkrad, falls etwas schief ging – aber die Autos fuhren.
„Manchmal haben wir die Hände vom Lenkrad genommen“, sagte Reinhold Behringer, einer der Ingenieure, der während der Demonstration auf dem Fahrersitz saß, 24 Jahre später immer noch aufgeregt in der Stimme.
Zeitungen lief Titelseite Geschichten über die Demonstration, erinnerte er sich. Und ein Jahr später nahm Dickmanns ‚Team ein überarbeitetes Auto mit auf eine noch längere Reise, reiste mehr als 1.700 Kilometer auf der Autobahn von Bayern nach Dänemark und erreichte Geschwindigkeiten von mehr als 175 Stundenkilometern.
Nicht lange danach war das Projekt beendet. Die von Dickmanns eingesetzte Technologie stieß an ihre Grenzen. Daimler verlor das Interesse an der Finanzierung der Grundlagenforschung. Bald war Dickmanns Pionierleistung so gut wie vergessen.
Sommerkind
Die Geschichte der künstlichen Intelligenz ist eine Geschichte lebhafter Quellen, gefolgt von dem, was Forscher „KI-Winter“ nennen, wenn die Aufmerksamkeit und Finanzierung nachlässt.
Dickmanns Arbeit am autonomen Fahren begann im ersten Winter und endete nach einem zweiten auf dem Feld.
Die Forschung zu KI — Bemühungen, Maschinen Aufgaben zu erledigen, die sonst menschliches Denken erfordern würden — begann Ende der 1950er Jahre. Von Anfang an war das Gebiet von Hype geprägt, was einige ehrgeizige Forscher wie den Ökonomen Herbert Simon dazu veranlasste, in den 1960er Jahren vorherzusagen, dass Maschinen „innerhalb von 20 Jahren in der Lage sein würden, jede Arbeit zu erledigen, die ein Mann leisten kann.“
Angetrieben von solchen Versprechungen explodierte die Finanzierung — aber die Technologie konnte nicht liefern und die Blase platzte Mitte der 1970er Jahre.
Im Inneren des autonomen Versuchsfahrzeugs VaMP der UniBwM, auf der Rückbank, auf der das Computersystem für einfachen Zugang und Überwachung installiert wurde | Foto von Reinhold Behringer
Dieser erste KI-Winter war einer der Gründe, warum Dickmanns seine Arbeit an der Bildverarbeitung in den ersten Jahren weitgehend für sich behielt. Er war sich bewusst, er sagte, dass „die Leute gesagt hätten, dass der Typ irgendwo eine Schraube locker hat.“
Als er Mitte der 1980er Jahre seinen selbstfahrenden Van über eine leere deutsche Autobahn schickte, war ein weiterer KI-Frühling eingetroffen. Sein Proof of Concept erzeugte genug Interesse, um ein Team einzustellen, das schließlich vor der Pariser Demonstration 1994 auf 20 Personen anwachsen würde.
Dann kam ein weiterer Winter, Anfang der 1990er Jahre, und Dickmanns Schwung ging verloren.
“ Es war ein interessantes Konzept“, sagte Behringer, der Ingenieur, der in Paris am Steuer saß. „Aber für viele war es noch viel zu futuristisch.“
Einem Auto das Sehen beibringen
Technologen sagen, dass es zwei Arten von Erfindungen gibt: Solche wie die Glühbirne, die seit ihrer Erfindung im Einsatz sind und kontinuierlich verbessert werden. Und solche wie Überschallflugzeuge – erinnern Sie sich an die Concorde? – die einen revolutionären technologischen Prozess verkörpern, aber zumindest zum Zeitpunkt ihrer Erfindung zu weit fortgeschritten sind, um zu überleben.
Dickmanns selbstfahrende Autos gehören zur zweiten Kategorie.
Als er sie Anfang der 1980er Jahre entwickelte, benötigten Computer bis zu 10 Minuten, um ein Bild zu analysieren. Um autonom zu fahren, muss ein Auto auf seine Umgebung reagieren, und dazu berechnete Dickmanns, dass Computer mindestens 10 Bilder pro Sekunde analysieren müssten.
Angesichts einer scheinbar unüberwindlichen Hürde ließ er sich von der menschlichen Anatomie inspirieren. Autos, entschied er, sollten so programmiert werden, dass sie Straßen sehen, wie Menschen ihre Umgebung wahrnehmen.
Im Inneren des UniBwM-Versuchsfahrzeugs VaMP auf einer öffentlichen Autobahn in Dänemark am 11.November 1995 / Foto von Reinhold Behringer
Das menschliche Auge kann in hoher Auflösung nur einen kleinen Fleck in der Mitte seines Gesichtsfeldes sehen. Ähnlich, so Dickmanns, sollte sich ein Auto nur auf das konzentrieren, was für das Fahren relevant ist, wie zum Beispiel Straßenmarkierungen. Dies reduzierte die Menge an Informationen, die die Bordcomputer verarbeiten mussten.
Er fand auch andere rechnerische Abkürzungen — eine erhebliche Menge an Rechenzeit wurde freigesetzt, als Dickmanns erkannte, dass er nicht wertvolle Rechenleistung aufwenden musste, um jedes Bild zu speichern. Er programmierte das Auto auch so, dass es aus seinen Fehlern lernt und allmählich sein Verständnis für seine Umgebung verbessert.
Insgesamt reichte es aus, um das Auto auf der Straße zu halten — kaum.
Es stellt sich heraus, dass das Fahren auf einer Autobahn eine der einfacheren Aufgaben ist, die ein selbstfahrendes Auto ausführen kann. Die Bedingungen sind klar definiert: Der Verkehr fließt vorhersehbar in eine Richtung. Fahrspuren sind deutlich gekennzeichnet.
Und selbst dann lief die Demonstration nicht perfekt. „Es war ein Test“, sagte Behringer. „Wenn zum Beispiel ein Auto vor uns die Fahrbahnmarkierungen verdeckte und auf der anderen Seite die Markierungen weggespült wurden, dann hatte die Spurkennzeichnung ein Problem.“
America calling
Nachdem der zweite KI-Winter einsetzte und die Begeisterung um die Pariser Demonstration nachließ, sagte Daimler zu Dickmanns, es wolle „so schnell wie möglich ein Produkt für den Markt haben“, erinnerte er sich. Der Autobauer hatte das Interesse an seiner teuren Grundlagenforschung verloren, die in den nächsten Jahren kaum reale Anwendungen hervorbringen würde.
„Im Nachhinein war es wahrscheinlich ein Fehler, dass diese Projekte nicht sofort fortgesetzt wurden“, sagte Jürgen Schmidhuber, Co-Direktor des Dalle Molle Institute for Artificial Intelligence Research in Lugano, Schweiz. „Sonst wäre es keine Frage, wer heute auf dem Feld führend sein würde.“
Deutsche Unternehmen halten nach wie vor die meisten — fast die Hälfte aller — Patente in der selbstfahrenden Technologie, aber neuere Akteure, darunter US-amerikanische Technologieriesen wie Alphabets Waymo, haben aufgeholt. Experten beschreiben den aktuellen Wettlauf um die Führung in der Technologie des autonomen Fahrens als Kopf-an-Kopf-Rennen.
“ Es gibt einen tiefen Mangel an Bewusstsein dafür, was in der Vergangenheit getan wurde, insbesondere bei Wissenschaftlern für maschinelles Lernen“ – Langjähriger KI-Forscher
“ Es ist möglich, dass das seine klare Vorreiterrolle weggeworfen hat, weil die Forschung damals nicht konsequent fortgesetzt wurde „, sagte Schmidhuber. Er fügte hinzu, dass die Autohersteller die selbstfahrende Technologie möglicherweise gescheut hätten, weil sie im Widerspruch zu ihrem Marketing zu stehen schien, das die Idee eines Fahrers förderte, der für die Lenkung eines Autos verantwortlich war.
In den späten 1990er Jahren wandte sich Dickmanns nach Übersee und unterzeichnete einen Vierjahresvertrag mit dem United States Army Research Lab.
Die Zusammenarbeit führte zu einer weiteren Generation selbstfahrender Autos, die in der Lage waren, auf komplizierteren Oberflächen zu navigieren. Es inspirierte die Agentur, ab 2004 eine Reihe von „Herausforderungen“ zu starten, bei denen Erfinder damit beauftragt wurden, selbstfahrende Autos durch spektakuläres Gebiet zu schicken.
Diese Herausforderungen, die durch massive Marketingkampagnen gefördert wurden, waren das erste Mal, dass eine breite Öffentlichkeit von autonomem Fahren hörte. Sie machten den in Deutschland geborenen Informatiker Sebastian Thrun – der die Challenge 2005 als Professor an der Stanford University gewann und später Googles selbstfahrendes Team gründete — zu einer Berühmtheit in der KI-Community.
Das UniBwM-Versuchsfahrzeug VaMP bei einem Stopp / Foto von Reinhold Behringer
Die Pionierarbeit von Ernst Dickmanns geriet unterdessen in Vergessenheit.
Als die New York Times 2011, 17 Jahre nach Dickmanns Pariser Demonstration, eine Titelgeschichte über Thruns Bemühungen, ein selbstfahrendes Auto zu bauen, veröffentlichte, musste sie danach eine Korrektur vornehmen und klarstellen, dass „obwohl Herr Thrun ein fahrerloses Auto entwickelte, er nicht der erste war, der dies tat.“
„Es gibt einen tiefen Mangel an Bewusstsein dafür, was in der Vergangenheit getan wurde, insbesondere bei Wissenschaftlern für maschinelles Lernen“, sagte ein langjähriger KI-Forscher, der anonym bleiben wollte.
Er fügte hinzu, dass er regelmäßig hochrangige Kandidaten interviewt, die fünf Jahre alte Arbeiten als „veraltet“ abtun oder einfach nichts über Forschungen wissen, die in früheren Jahrzehnten durchgeführt wurden.
Der Winter kommt?
Könnte 2018 — während die KI eine weitere Hype—Runde durchmacht – ein neuer Winter drohen? Einige denken, dass dies eine eindeutige Möglichkeit ist.
In jüngster Zeit wurde viel über das sogenannte „Deep Learning“ geforscht, bei dem Algorithmen durch das Erkennen von Mustern „lernen“. Das zugrunde liegende Prinzip – Korrelationen in komplexen Daten zu finden – funktioniert für die meisten Anwendungen hervorragend, erweist sich jedoch in einigen Fällen als Sackgasse. Und da Deep Learning von Daten angetrieben wird, sind seine Algorithmen immer genauso gut wie die Daten, mit denen sie gefüttert werden.
Filip Piękniewski – ein in San Diego ansässiger Informatiker und Autor eines Aufsatzes mit dem Titel „Der KI—Winter ist auf dem besten Weg“ – sagte, dass ein Großteil der Mittel, die in die KI fließen, insbesondere im Zusammenhang mit selbstfahrenden Autos und Robotik, auf unrealistischen Erwartungen darüber basieren, wozu Deep Learning in der Lage ist.
Foto von Ernst Dickmanns
“ Dies ist der Ort, an dem Erwartungen mit der Realität kollidieren „, sagte Piękniewski. „Und viele Leute werden sich ärgern, dass sie so viel Geld investiert haben und die Erwartungen nicht erfüllt werden.“
Virginia Dignum, Professorin an der Universität Delft, stimmte zu, dass die Menschen irgendwann enttäuscht sein werden, wenn sich KI-Forscher weiterhin hauptsächlich auf Deep Learning konzentrieren.“ Das Feld, sagte sie, muss darüber hinausschauen und in andere Ansätze investieren, die von weniger Daten abhängen, oder Modelle, die eher auf Kausalität als auf der Korrelation basieren, auf die sich Deep Learning stützt.
Aber dennoch — was die weit verbreitete Meinung unter Forschern und Analysten widerspiegelt – betonte Dignum, dass sie nicht glaubt, dass bald ein weiterer „KI-Winter“ kommt. Im Gegensatz zu früheren Booms verwandeln die heutigen Entwickler modernste KI in kommerzielle reale Anwendungen, dank der jüngsten technologischen Fortschritte ab den frühen 2010er Jahren, insbesondere bei der Rechenleistung und Datenspeicherung.
Pathfinder
Dies unterscheidet die Situation von früheren Generationen, von denen oft gesagt wurde, dass sie „Blue Skies Research“ betreiben — Wissenschaftler wie Ernst Dickmanns, der sagte, dass er zum Zeitpunkt seiner Experimente dachte, dass es noch Jahrzehnte dauern würde, bis autonome Autos jemals Realität werden würden.
Tatsächlich sagte Dickmanns, der in seinem Wintergarten saß, er glaube immer noch, dass wirklich autonome Fahrzeuge noch ein oder zwei Jahrzehnte entfernt sind.
Die derzeit getesteten selbstfahrenden Fahrzeuge verwenden ein anderes, weniger rechenintensives Verfahren, das weniger Rechenleistung im Bordcomputer benötigt. Sie gleichen den Unterschied aus, indem sie Karten, GPS-Ortung und Datenbanken zuvor beobachteter Objekte verwenden.
“ Ich bin froh, dass ich einer der Pioniere sein konnte. Aber wenn ich heute neu anfangen könnte, mit der Technologie, die verfügbar ist, wäre dies eine ganz andere Geschichte.“ — Ernst Dickmanns
Anstatt wirklich zu „sehen“, sagte Dickmanns, dass sie sich auf das verlassen, was er „Bestätigungsvision“ nennt.“ Das bedeutet, dass sie auf Straßen und Gebieten, die umfassend kartiert wurden, gut funktionieren, aber in weniger kontrollierten Umgebungen versagen.
Der von ihm entwickelte Ansatz, den er „Pathfinder Vision“ nennt und der immer noch an einigen Forschungseinrichtungen verfolgt wird, würde es Autos ermöglichen, überall zu operieren. „Irgendwann werden die Menschen erkennen, dass nach einem Sturm, nach einem Erdbeben oder deutlich häufiger in einem militärischen Kontext, wenn Sie in eine neue Umgebung kommen, Das wird nicht funktionieren“, sagte er.
Eines Tages, sagt er voraus, wird die Branche die Grenzen ihres Ansatzes erkennen und seine Arbeit wird wieder aufleben.
„Ich bin froh, einer der Pioniere sein zu können“, fügte er hinzu, „Aber wenn ich heute mit der verfügbaren Technologie neu anfangen könnte, wäre dies eine ganz andere Geschichte.“