Was wird gängig unter „künstlicher Intelligenz“ verstanden?
Wenn wir aktuell den Begriff der „künstlichen Intelligenz“ hören denken wir nur all zu oft sofort an folgenden Gefährten:
Den Terminator.
Aktuelle „künstliche Intelligenz“ ist aber viel greifbarer als unsere Vorstellungen einer super Intelligenz dessen Ziel es ist die Menschheit zu vernichten.
Die meisten, die heute von dem Einsatz „künstlicher Intelligenz“ sprechen, meinen eigentlich „Machine Learning“ respektive deren Spezialisierung „Deep Learning“.
Und damit man diese beiden Begriffe versteht muss man auch noch über das Vorgehen des Supervised Learnings (zu deutsch: Angeleitetes Lernen) Bescheid wissen.
Supervised Learning – Ein Beispiel:
Ziel ist es einen Algorithmus zu entwickeln, der ein Pferd auf einem Bild erkennt.
Es gäbe jetzt die Möglichkeit wie bisher (bevor es Machine Learning in dem Ausmaß wie heute gab) Faktoren eines Pferdes in einem Bild zu definieren und in Software umzuwandeln.
Das würde für das obige Bild noch funktionieren, wenn es mit einem neuen Bild auch wieder funktionieren soll, wie dem nachfolgenden, wird es schon deutlich schwieriger.
Soll es mit beliebig vielen Pferdebildern funktionieren wird es mit diesem Lösungsansatz so gut wie unmöglich.
Die bessere Variante zur Lösung dieser Aufgabe ist die Nutzung von supervised Machine Learning.
Was hierbei gemacht wird ist für das Verständnis glücklicherweise sehr einfach (obwohl dahinter natürlich eine Menge Know How steckt).
Man tut nichts anderes, als unzählige Daten (in unserem Fall mehrere hundert Pferdebilder) zu kategorisieren (also mit dem Stempel „Pferd“ zu versehen) und gibt sie dann dem Machine Learning Algorithmus.
Dieser definiert dann für sich selbstständig, was ein Pferd ausmacht, und kann danach ein Pferd auf einem Bild erkennen, das er zuvor noch nie „gesehen“ hat.
Wir leiten den Algorithmus also an indem wir ihm sagen, was für unsere Aufgabe richtig und auch was falsch ist. Darum heißt es „supervised“ Learning
Dieser Mechanismus funktioniert aktuell am Besten mit Bildern aber auch Texten.
Und das ist auch schon – in einer wirklich groben Zusammenfassung – der Großteil des aktuellen Geheimnisses hinter der „künstlichen Intelligenz“. Alles weitere ist das, was wir aus dieser Grundfunktionalität machen.
Was damit heute möglich ist – Beispiele
Bildinhalt erkennen
Hier wurde erkannt, dass ein Mann auf einem Motorrad durch den Schlamm fährt.
(Quelle: JKU Linz, Sepp Hochreiter)
Bildeigenschaften übertragen
Zebras wie Pferde aussehen lassen (Bild oben), Ein Pferd wie ein Zebra aussehn lassen (Bild unten)
Eine Drohne lernt selbst Kollisionen zu vermeiden
Amelia
Ein digitaler Assistent, der vor allem innerbetriebliche Fragen von Mitarbeitern, aber auch Fragen von Kunden zum Unternehmen und deren Produkten beantworten kann.
Auffällig in den oben genannten vier Beispielen ist auch, dass hier nie ein Roboter zu sehen ist. Das soll auch verdeutlichen, dass Roboter nämlich nur wiederum ein Werkzeug sind, um die Fähigkeiten künstlicher Intelligenzen in die physische Welt zu bringen.
Klingt etwas creepy? Ist es für die meisten auch. Noch!
Irgendwann werden wir auch ohne diesen Technologien nicht mehr leben können, oder kann sich heute noch jemand ein Leben ohne Smartphone vorstellen? (Womit übrigens schon lange Dienste, die Machine Learning verwenden, zugänglich sind. (Google Fotos oder Siri sind nur zwei Beispiele))
Das bringt uns zu der Frage: Wo geht es hin?
Kurzum: Wir wissen es nicht.
Jeder der behauptet, er wüsste wo wir in 50 oder schon 20 Jahren technologisch stehen würden, der lügt das Blaue vom Himmel. Die Technologie entwickelt sich zu schnell. Das größte Problem für unsere Vorstellungskraft ist die exponentielle Entwicklung (rote Kurve im Verglich zu linear, blaue Linie).
Viel leichter fällt es uns linear zu denken, also anzunehmen, dass alle Entwicklungen sich nur in bisheriger Geschwindigkeit weiterentwickeln.
Dies ist übrigens nicht bloß heute so, sondern war auch schon im 19 Jahrhundert nicht anders.
Um 1850 prognostizierten Stadtplaner von New York, dass die Straßen der Stadt bis zum Jahre 1910 aufgrund der Zunahme von Pferden meterhoch in Pferdemist versinken wird.
Dann kam das Auto und die vorhergesagte Katastrophe blieb aus.
Darum stelle ich die Frage: Müssen wir überhaupt wissen, was in 20 oder gar 50 Jahren der Status Quo sein wird oder reicht es, bzw. bleibt uns gar nichts anderes übrig als dass wir in unserem Gedankenkonstrukt flexibel werden und neue Entwicklungen einfach kontinuierliche verfolgen?
Ist das die Lösung? Wir wissen es nicht.
Die Zeit wird es uns zeigen!
Christian Reich
Neueste Artikel von Christian Reich (alle ansehen)
- Künstliche Intelligenz – Wo stehen wir? Wo geht es hin? - 26. Juli 2017
Related Posts
- Nach einer kleinen Pause geht der Gründerkongress 2022 dieses Jahr in die sechste Runde! Der Gründerkongress ist das Event für alle, die loslegen und mit ihrem eigenen Business durchstarten wollen. Vom 17. bis zum 20. Mai 2022 werden 30+ bekannte Experten online Vorträge über Themen wie Start-up Positionierung, Online Marketing,…