Der Mythos künstliche Intelligenz
Übernehmen die Maschinen? Es herrscht große Unsicherheit darüber, wie der Einsatz künstliche Intelligenz, maschinellen Lernens und Automatisierung unseren Arbeitsalltag beeinflussen wird. Lernexperte Skillsoft sprach mit Datenwissenschaftlern und entmystifiziert den KI-Hype. Ein aktuelles Whitepaper des Unternehmens zeigt auf, was Experten unter den Begrifflichkeiten verstehen, welche Entwicklungen den großen Aufschwung rund um den Einsatz von KI und Co bewirkt haben und warum gut geschulte Mitarbeiter auch in Zeiten künstlicher Intelligenz der wesentliche Erfolgsfaktor bleiben.
Noch bevor der Begriff künstliche Intelligenz 1956 von dem Informatiker John McCarthy geprägt wurde, waren die Menschen fasziniert von der Idee “denkender Maschinen” und “elektronischer Gehirne”. Intelligente Roboter, sowohl gute als auch böse, sind mittlerweile ein fester Bestandteil der Science Fiction Kultur. KI selber stellt eine geradezu unerschöpfliche Quelle für Legenden und Mythen dar.
“Das mythologische Dickicht, das sich um die KI gebildet hat, ist für Anwender in der Realität eher verwirrend”, erklärt Josh Patterson, ein erfahrener Berater für Datenforschung, Big Data Applikationen und angewandtes maschinelles Lernen. “KI ist nicht lebendig und hat auch kein eigenes Bewusstsein. Heutzutage verstehen wir unter KI hauptsächlich angewandtes maschinelles Lernen. Wer maschinelles Lernen als ‘allgemeine Künstliche Intelligenz” übervermarktet, erweist der Informatik einen schlechten Dienst. Heutiges maschinelles Lernen entspricht in keinster Weise dem ephemerischen Bild eines allwissenden, eigenständig denkenden Systems.”
Wenn KI nicht das ist, für das es jedermann zu halten scheint, wieso dann dieser Hype? Wie kam es zu der plötzlichen Popularität?
“Die letzten Jahre waren geprägt durch eine außerordentliche Zunahme der Rechnerleistung, verbunden mit sinkenden Kosten und der Möglichkeit, große Datenmengen zu verarbeiten. Darauf basierend vollzog die Datenwissenschaft in der KI-Forschung einen Paradigmenwechsel, der das einst logikbasierte Anwendungsfeld durch die Simulation von Lernen mithilfe statistischer Modelle ersetzte – wir nennen das maschinelles Lernen”, erläutert Daryl Kang, Data Scientist bei Forbes und Absolvent des Data Science Institute der Columbia Universität.
„Für mich ist künstliche Intelligenz ein griffiger Terminus und eventuell als Untergebiet von maschinellem Lernen anzusehen. Beide Termini und die durch sie repräsentierten Prozesse existieren schon sehr lange“, ergänzt Ellen Friedman, Principal Technologist bei MapR.”
Die Technologin erläutert, welche Entwicklungen in letzter Zeit zum Aufschwung rund um das Thema KI bzw. maschinelles Lernen geführt haben:
· Ein wesentlich größerer Umfang und eine breitere Vielfalt an Daten zur Generierung von maschinellen Entscheidungen
· Bessere, praxisgerechtere Technologie und Architekturen zur Erzeugung von Daten und Modellen
· Bessere Algorithmen sowie, in einigen Fällen, vorintegrierte, an Kundenbedürfnisse anpassbare Modelle, die erheblich bessere Ergebnisse erzielen – vor allem bei klassisch schwierigen Problemen wie dem maschinellem Sehen, Spracherkennung und Übersetzungen
· Eine wesentlich breitere Akzeptanz bezüglich Mehrwert und Umsetzbarkeit von KI und maschinellem Lernen
Die Kombination dieser Entwicklungen hat letztendlich zu einer Demokratisierung von KI geführt, sodass Anwendungen auf Basis maschinellen Lernens bzw. KI häufiger eingesetzt werden als jemals zuvor.
Beispiele für künstliche Intelligenz Anwendungen
Der Einsatz von künstliche Intelligenz ist längst keine Zukunftsmusik mehr. In Bereichen wie Gesundheitswesen, Bildung, Transportwesen, Öffentliche Sicherheit, Retail, Marketing, Telekommunikation, Entertainment, Fertigung, Konstruktion, Energie, Arzneimittel, Supply Chain Management und vorbeugender Wartung (Predictive Maintenance) wird KI bereits mit Erfolg eingesetzt.
Die Fähigkeit von künstliche Intelligenz verborgene Muster in großen Datenmengen zu erkennen, macht sie für unterschiedlichste Einsatzgebiete – von der wissenschaftlichen Forschung bis zum angewandten Marketing – interessant. Forscher versprechen sich von KI eine neue Generation maßgeschneiderter Medikamente und medizinischer Therapien. Marketingfachleuten bietet KI ungeahnte neue Möglichkeiten im Bereich Verkauf, Cross-Selling und Up-Selling. Bei Verwendung von KI in Bezug auf Datensätze im Einzelhandel lässt sich zum Beispiel präzise ermitteln, welche Produktkombinationen Konsumenten in einem Supermarkt oder Einrichtungsgeschäft kaufen. Mithilfe KI generierter Erkenntnisse können Händler ihre Produkte genau dann und dort anbieten, wo die Käufer sie mit der größten Wahrscheinlichkeit kaufen werden. Darüber hinaus ermöglicht KI den effektiven Einsatz von Rabattaktionen oder die Organisation spezieller Verkaufsevents – auf Basis von faktenbasierten Analysen, statt vagen Einschätzungen der Einkaufsgewohnheiten der Kunden.
Mensch und Maschine
KI hat das Potenzial, viele Aspekte unseres Lebens grundlegend zu verändern. Trotzdem sind wir auf unser menschliches Urteilsvermögen angewiesen, um aus den Einsichten, die KI offenlegt, die richtigen Schlüsse zu ziehen. Anders ausgedrückt: KI ist zwar in der Lage, für das menschliche Auge nicht erkennbare Datenmuster zu finden, doch nicht jedes entdeckte Muster ist auch inhärent wertvoll.
“Die vielleicht einfachste Definition von künstliche Intelligenz ist ein maschinengestützter Entscheidungsprozess”, resümiert Ellen Friedman. “KI ist keine Magie. Sie erfordert geeignete Daten guter Qualität, ein Verständnis dieser Daten, die richtige Fragestellung oder Analysegrundlage, korrekte Algorithmen, umfassende Logistik für das Daten- und Modellmanagement sowie eine Vorstellung davon, wie sich die Ergebnisse einer KI-Anwendung praktisch umsetzen lassen.”
Quelle: GlobalCom PR-Network GmbH
