Künstliche Intelligenz – mehr als nur eine Technologie

Künstliche Intelligenz – mehr als nur eine Technologie

Viel beschworen wird sie, die sogenannte Künstliche Intelligenz (KI). Als Schnittstelle mit vielen anderen Technologien, aber auch als „Selbstzweck“. Dabei entsteht schnell der Eindruck, als gäbe es die eine Technologie KI. Dem ist jedoch nicht so!

Viele Methoden, Technologien und Verfahren

Natürlich ist es nicht falsch, wenn man die Künstliche Intelligenz übergeordnet als ein Teilgebiet der Informatik beschreibt, das sich mit der Abbildung „intelligenten“ Verhaltens durch IT  beschäftigt.

Dies beschreibt allerdings wirklich nur die sehr übergeordnete Ebene. Hinter dem Komplex Künstliche Intelligenz verbirgt sich eine Vielzahl von Ansätzen, Methoden, Technologien und Verfahren. Zudem unterscheiden Experten noch einmal zwischen sogenannter „starker KI“ und „schwacher KI“. Das Ziel „starker KI“ ist es, tatsächlich menschliche Intelligenz nachzuahmen und beinhaltet logisches Denken, Planung, Kommunikation und das Treffen eigenständiger und komplexer Entscheidungen. „Schwache KI“ wird hingegen genutzt, um „intelligente“ Entscheidungen für spezifische Teilbereiche wie z.B. für die Automatisierung von Prozessen im Rahmen der Prescriptive Analytics, zu treffen. Die uns bekanntesten und gängigsten Anwendungsbeispiele von KI liegen allesamt im Bereich der „schwachen KI“, „starke KI“ liegt den meisten Experten zufolge bislang außerhalb der technischen Möglichkeiten, wenn dies auch häufig anders dargestellt wird. Menschliche Verstandesleistungen als Ganzes nachzuvollziehen, ist Maschinen bis heute tatsächlich nicht annähernd gelungen. Neben der grundsätzlichen Frage, ob letzteres jemals gelingen wird, diskutieren Experten auch ethische Fragen für diesen Fall: Wenn eine künstliche Intelligenz, die keine Moral und kein Bewusstsein für Recht und Unrecht und vor allem Graubereiche besitzt, selbst Entscheidungen treffen könnte – welche dürfte man ihr überlassen?

Des Pudels Kern: Modellbildung und die symbolische Repräsentation

Eine weitere Gemeinsamkeit der unterschiedlichen Methoden und Technologie, die sich unter dem Sammelbegriff Künstliche Intelligenz subsummieren lassen, ist, dass der Kern eines jeden KI-Systems immer ein Modell ist, das für eine bestimmte Fragestellung modelliert wird. Es gibt zahlreiche verschiedene Verfahren zur Modellbildung wie beispielsweise die Support Vector Machinekünstliche neuronale Netze oder das bekanntere Hidden Markov Modell (HMM), das beispielsweise beim Predictive Maintenance zum Einsatz kommt.

Ein weiterer Kern „der“ Künstlichen Intelligenz „ist die Untersuchung von Berechnungsverfahren, die es ermöglichen, wahrzunehmen, schlusszufolgern und zu handeln“, wie Ipke Wachsmuth, Forscher auf den Gebieten der Künstlichen Intelligenz und Kognitionswissenschaft der Universität Bielefeld, zusammenfasst. Dazu gehört laut Wachsmuth ganz zentral die sogenannte symbolische Repräsentation: „Zentrale Aufmerksamkeit gilt in der KI der internen Repräsentation und Verarbeitung von Symbolen als die (begriffliche) Basis interner Prozesse, die man als „Denken“ bezeichnet.“ Um also selbst lernen und denken zu können, benötigen Maschinen ein Symbolsystem, an dem sie sich orientieren können: „Eine symbolische Repräsentation ist eine idealisierte Darstellung eines Ausschnitts der Welt in einer einheitlichen (Symbol-)Sprache (...).“

Wir sehen, zwar gibt es quasi einheitliche technische Grundlagen, die für alle Methoden und Verfahren der Künstlichen Intelligenz erfüllt sein müssen – die eine Künstliche Intelligenz jedoch, die gibt es nicht. 

Künstliche Intelligenz(en) in der Anwendung

Die erfolgreichsten und verbreitetsten Anwendungsfälle Künstlicher Intelligenz finden sich vermutlich im Bereich des Machine Learning. Die Leistung der KI besteht hier in der Fähigkeit, ein Modell auf der Grundlage von Daten automatisiert zu erlernen. Die Einsatzmöglichkeiten auf diesem Gebiet sind zahlreich. Ob automatisierte Frühwarnsysteme, wie im bereits erwähnten Predictive Maintenance oder etwa bei der sogenannten Fraud Detection, bei der Betrugshandlungen automatisiert frühzeitig entdeckt und vorgebeugt werden sollen.

Ein drittes Beispiel der Anwendung sind Methoden des sogenannten Natural Language Processing, bei dem Maschinen lernen, Texte zu analysieren, Informationen zu extrahieren und weiterzuverarbeiten, also lernen, sie zu verstehen. Einige weitere Beispiele für die Anwendung von Künstlicher Intelligenz, unter anderem in der Medizin, habe ich bereits in einem früheren Artikel behandelt – eine Leseempfehlung für jeden, der sich weiter einlesen möchte.

Boris Hinrichs, MBA

Technology, Innovation and Strategy Enthusiast * Business Development Manager

4 Jahre

KI ist eine aber nicht DIE eine Technologie. Was wir oft als KI verstehen ist eigentlich nur ein Subset der Gruppierung KI. Unter KI fallen auch eigentlich nicht intelligente systeme wenn wir mit Intelligenz das selbstständige Lernen bezeichnen was von uns oft als KI empfunden wird. Experten Systeme fallen auch unter KI und sind nur vorprogrammierte Abläufe basierend auf Informationen des Programmierers. Also Entscheidungen basierend auf vorgegebenen Regeln. Die KI von der wir oft sprechen fällt in das Subset Maschinelles Lernen (ML) und lernt selbsständig diese Regeln anhand von Trainingsdaten bzw. Belohnungen. Also ganz Ähnlich wie ein kleines Kind lernt. Zeige einem kleinen Kund 100-mal eine Katze und es wird in zukunft auch eine Katze so definieren (Überwachtes Lernen). Pack einen Hund in eine Menge von Katzen und es wird feststellen dass dieses Tier anders ist weil es sich anders verhält, leicht anders aussieht oder bellt (nicht-überwachtes Lernen, Unsupervised Learning). Und für gutes veralten bekommt das Kind eine Belohnung und lernt schnell, wie die Regeln sind (Reinforcement Learning). Diese Methoden können dann durch sogenanntes Deep Learning (ein weiteres Subset) und Neuronale Netzwerke abgebildet bzw. aufgebaut werden.

Zum Anzeigen oder Hinzufügen von Kommentaren einloggen

Ebenfalls angesehen

Themen ansehen