Daniela Rus, Direktorin des Computer Science and Artificial Intelligence Laboratory am Massachussetts Institute of Technology (MIT CSAIL) in den USA:

Derzeit lautet die Antwort weder eindeutig “Ja” noch eindeutig “Nein”.

Forscher interessieren sich seit Jahren für diese Frage. Trotz aller Fortschritte, die es in der Robotik bislang gegeben hat, existiert nach wie vor eine gewisse Sprachbarriere, wenn es an die Nutzung geht. Um Roboter dazu zu bewegen, das zu tun, was wir wollen, bedarf es normalerweise ausdrücklich programmierter Anweisungen, oder Versuche, ihnen Aspekte der menschlichen Sprache beizubringen. Oder Nutzer müssen lernen, sich gegenüber den Robotern in ganz bestimmter Weise zu verhalten.

Das Problem mit diesen Herangehensweisen ist, dass sie alle nicht besonders geschmeidig oder natürlich funktionieren. Am MIT CSAIL haben wir daher ein System entwickelt, dass es Nutzern erlaubt, Fehler von Robotern mit nichts als ihren Gehirnsignalen und einer schnellen Handbewegung zu korrigieren.

Unsere ältere Version dieses Systemsfunktionierte nur mit Gehirnsignalen und konzentrierte sich auf schlichte Entweder-Oder-Aktivitäten. Mit dem neuen System können wir, indem wir die Muskelaktivität im Unterarm messen, auch die Gesten einer Person einbeziehen und es dem Roboter so ermöglichen, komplexere Aufgaben mit mehreren Handlungsmöglichkeiten zu erledigen.

Konkret haben wir den Roboter eine Bohrmaschine bedienen lassen, mit der er drei unterschiedliche Stellen am Rumpf eines Flugzeugmodells ansteuern konnte, während ein Mensch ihn dabei beaufsichtigte. Wenn die Person denkt, dass der Roboter die falsche Stelle auswählt, wird dies sofort in ihren Gehirnsignalen entdeckt und der Roboter unterbricht seine Aktivität, um nach Hilfe zu fragen.

Wenn andere Forscher versuchen, Gehirnsignale zur Steuerung von Robotern zu nutzen, trainieren sie die menschlichen Probanden oft dazu, auf eine sehr konkrete aber auch willkürliche Art zu “denken”. Sie müssen dann zum Beispiel auf unterschiedliche Lichtsignale blicken, von denen jedes mit einer bestimmten Handlungsoption des Roboters verknüpft ist. Das kann ganz schön schwierig werden, vor allem für Leute, die in Bereichen wie dem Baugewerbe arbeiten, wo man sich ohnehin schon stark konzentrieren muss.

Wir untersuchen stattdessen ein spezifisches Gehirnsignal, die so genannten fehlerkorrelierten Potenziale (error-related potential, ErrP), die auftreten, wenn Menschen ein Fehler auffällt. Unser System stoppt den Roboter, wenn es ein ErrP entdeckt, damit der Mensch ihn korrigieren kann. Andernfalls arbeitet der Roboter weiter.

Das wertvolle an diesem Konzept ist, dass es keinen Bedarf gibt, den Nutzern anzutrainieren, auf eine vorgeschriebene Weise zu denken. Die Maschine passt sich an den Menschen an, nicht umgekehrt.

Warum würde ich trotzdem bislang noch nicht behaupten, dass wir Roboter definitiv mit unseren Gehirnströmen “kontrollieren” können? Naja, das liegt daran, dass wir Roboter im Moment  nur bei einfachen binären Aufgaben oder Multiple-Choice-Aufgaben kontrollieren können. In Zukunft können wir Hirnströme hoffentlich auf nuanciertere Weise auswerten, um diese Interaktion auch bei anderen Aufgabentypen zu ermöglichen.

Aufgezeichnet von Nora Schultz