Status quo künstliche Intelligenz

Die Diskussion um und der Einsatz von künstlicher Intelligenz wächst in einem beispiellosen Ausmaß
0 Bewertungen
1
5
0
 
 
 
Bewerten
 
 
 
 
 
 
0 Kommentare  
4847 Aufrufe  

Die Diskussion um und der Einsatz von künstlicher Intelligenz und maschinellen Lernfähigkeiten – oder auch Machine-Learning – wächst in einem beispiellosen Ausmaß. Diese Technologien haben viele nützliche Anwendungen, die von der maschinellen Übersetzung bis zur medizinischen Bildanalyse reichen. Bots, maschinelles Lernen, Deep Learning und mehr verändern gerade unser Leben auf eine Art und Weise, die wir uns kaum vorstellen können. Doch was ist bereits Realität, was wird kommen und was gehört wahrscheinlich ins Reich der Mythen?

„Alexa, guten Morgen. Mach Kaffee!“ „Hey, Siri. Wann fährt der nächste Zug nach nirgendwo?“ Assistenten wie Siri, Amazons Alexa oder Google Home vermitteln zahlreichen Benutzern das Gefühl, ein Gespräch zu führen oder verstanden zu werden. In Wirklichkeit handelt es sich um die Simulation einer solchen Situation; also nur angelernt. Das Ziel: dem Anwender Arbeit abzunehmen, ihn zu unterstützen und den Alltag zu erleichtern.

Lesen Sie auch den Artikel:

Die Zukunft der künstlichen Intelligenz ist jetzt!

Ähnlich wie die Sprachassistenten hält künstliche Intelligenz in immer mehr Lebensbereiche Einzug. Auch im Arbeitsalltag.  Automatisieren Prozesse und unterstützen bei Entscheidungen. Stichwort der Stunde ist hierbei RPA; das steht für „Robotic Process Automation“ – für robotergesteuerte Prozessautomatisierung. Ziel ist es, zunächst klar regelbasierte, standardisierbare, strukturierte und wenig komplexe Prozesse zu automatisieren. Grundlage ist eine Art von künstlicher Intelligenz (KI).

Kurzeinführung KI

Grundlage für das, was gerade passiert, sind teils vor Dekaden erdachte Ansätze, die seit geraumer Zeit die Grenze von einer technischen Reife hin zu einer Alltagsreife überschritten haben. Künstliche Intelligenz (KI) ist gekommen, um zu bleiben; es ist kein Hype. Allgemein betrachtet umfasst KI  fortgeschrittene Algorithmen, die einer mathematischen Funktion folgen. Ein Algorithmus gibt dem Computer genau vor, wie er eine Aufgabe zu lösen hat. Algorithmen sind die Grundlage künstlicher Intelligenz. Diese ist in der Lage, Prozesse ähnlich wie der Mensch zu handhaben. Beispiele hierfür sind visuelle Wahrnehmung, Spracherkennung, Entscheidungsfindung und das Übersetzen von Texten. Aber auch visuelle Kontroll- und Inspektionssysteme an einer Produktionslinie oder eben Programme wie Siri und Alexa sind KI-Geräte. Im Gegensatz zum Menschen können diese Systeme nur lernen, wie bestimmte Aufgaben zu erledigen sind. Sie können in der Regel nur eine Aufgabe erledigen. Es sind quasi Fachidioten. Echte Intelligenz liegt ihnen also nicht zugrunde, weshalb sie auch als „schwache“ KI bezeichnet werden.

Über „schwache“ und „starke“ KI

„Schwache KI“? Ja! Bei einem groben, vereinfachten Blick lässt sich künstliche Intelligenz in zwei übergeordnete größere Segmente unterteilen, und zwar in „schwache KI“ und „starke KI“. Je nach Auslegung kommt noch eine dritte Einstufung hinzu: künstliche Superintelligenz.

Schwache KI ist, was heute auf Computern und Smartphones zu sehen ist: quasi intelligente Systeme, die trainiert und angelernt, also für die eigentliche Ausführung nicht explizit programmiert werden, um definierte Aufgaben zu erledigen. Starke KI kann von der Leistungsfähigkeit her mit menschlichem Wissen verglichen werden. Es wird nicht auf ein definiertes Aufgabengebiet limitiert. Problemlösung, abstraktes Denken oder Ideenfindung wären hiermit möglich. Ja, „wären“ möglich; also im Konjunktiv. Das gibt es, außer in Filmen, nämlich momentan noch nicht.

Derzeit lässt sich Folgendes festhalten: KI erfordert maschinelles Lernen! Maschinelles Lernen setzt auf Training. Muster und Gesetzmäßigkeiten werden erkannt. Daraus entsteht eine Handlung. Maschinelles Lernen erfordert Analytik! Analytik erfordert die richtige Daten- und Informationsarchitektur (IA). In anderen Worten: Es wird keinen Erfolg mit „künstlicher Intelligenz“ ohne (die passende) Informationsarchitektur geben. Eine effektive Datenstrategie – eine Datenarchitektur – muss im Ansatz einzigartig sein, und das fängt beim Datenmanagement an. Daten sind das Rohmaterial für jede Entscheidung.

LOGIN für heise Business Services

Sie haben noch keinen Account?
Hier registrieren und informieren.

Ultrabook, Celeron, Celeron Inside, Core Inside, Intel, das Intel-Logo, Intel Atom, Intel Atom Inside, Intel Core, Intel Inside, das „Intel Inside“-Logo, Intel vPro, Itanium, Itanium Inside, Pentium, Pentium Inside, vPro Inside, Xeon, Xeon Phi, Xeon Inside und Intel Optane sind Marken der Intel Corporation oder ihrer Tochtergesellschaften in den USA und/oder anderen Ländern.