Sie möchten unseren Newsletter zukünftig direkt an Ihr E-Mail-Postfach zugestellt bekommen? Dann melden Sie sich hier für den OSK Weekly an.
Liebe Leserinnen und Leser,
viele denken bei künstlicher Intelligenz an Hollywood-Blockbuster, in denen Roboter die Macht über Menschen übernehmen. Das ist nicht nur weit hergeholt, sondern auch viel zu negativ. Denn tatsächlich erleichtert künstliche Intelligenz schon heute viele Routinen im Alltag: Lernende Algorithmen können Bilder erkennen und beschneiden, Leseverständnis entwickeln und sogar beim Autofahren unterstützen. Dennoch geht in den Begrifflichkeiten einiges durcheinander. Im OSK Weekly geben wir Ihnen die wichtigsten Definitionen.
Viel Spaß beim Lesen!
Künstliche Intelligenz hat nichts mit Hollywood zu tun
Mit künstlicher Intelligenz, abgekürzt KI (oder AI im Englischen für Artificial Intelligence), sind Computersysteme gemeint, die menschliche Intelligenz nachahmen. KI ist dabei ein Oberbegriff für maschinelle Systeme, die vermeintlich intelligent handeln. Die Allgemeinheit denkt bei dem Begriff oft an sprechende Roboter und fiese Maschinen aus Hollywoodfilmen. Doch davon seien wir heute noch sehr weit entfernt, erklärt der YouTuber BYTEthinks auf seinem Kanal. Was bislang als KI bezeichnet werde, sei eher die Automatisierung intelligenten Verhaltens. Dabei würden Probleme auf Basis von vorgegebenen, aber auch von erlernten Mustern gelöst. Beispiele, in denen künstliche Intelligenz schon heute unseren Alltag erleichtert, sind Sprach- oder Bilderkennungsassistenten. Auch für autonome Mobilität ist KI eine Schlüsseltechnologie.
Wenn Maschinen lernen – Hund oder Katze?
Künstliche Intelligenz klingt spektakulär, ist aber ein populärwissenschaftlicher Begriff. In Fachkreisen wird eher von maschinellem Lernen (englisch Machine Learning) gesprochen. Damit seien Verfahren gemeint, bei denen Computer sich auf Basis mathematischer Techniken durch Erfahrungen selbst Wissen aneigneten, erklärt Maya Gupta, die für Google das Thema erforscht. Deep Learning sei eines dieser Verfahren und für die aktuelle KI-Forschung das vielleicht wichtigste. Es komme beispielsweise bei der automatischen Bilderkennung zum Einsatz. Soll ein Computer Fotos von Hunden und Katzen unterscheiden, müsse er dafür zunächst mit Beispielbildern trainiert werden. Der Computer versuche nun, Muster zu identifizieren, mit denen er die Tiere auseinanderhalten könne. Mit jedem Trainingsbeispiel erhalte er ein Feedback über seine Erkennungsleistung und könne seine Parameter entsprechend justieren. Am Ende entstünde so ein maschinell erlerntes Modell, das Hunde, Katzen und viele andere Dinge korrekt erkennen könne.
Ein Beispiel für Deep Learning ist ein Verfahren, das Twitter nutzt, um die Vorschau von Bild-Posts passend zu beschneiden. Auf diese Weise werden bei Fotos mit Menschen deren Köpfe nicht „abgeschnitten“ und sichergestellt, dass der interessanteste Teil des Bildes angezeigt wird. Als Basis dafür wurde das zuständige Programm mit Studien-Daten gefüttert, die zeigten, welche Bildbereiche sich Menschen als Erstes angucken. Im Ergebnis kann die KI nun entscheiden, welcher Teil eines Fotos am ehesten abgeschnitten werden kann.
Neuronale Netze sind das Gehirn einer KI
Die Voraussetzung für Deep Learning sind künstliche neuronale Netze. Mit dem Begriff, der ursprünglich aus den Neurowissenschaften stammt, würden Computersysteme bezeichnet, welche die Funktionsweise des Gehirns nachahmten, erklärt c’t-Redakteurin Andrea Trinkwalder in ihrem Artikel „Netzgespinste“. Künstliche neuronale Netze bestünden aus einer Eingabe-, einer Mittel- sowie einer Ausgabeebene. Auf der Eingabeseite würden Daten eingespeist, in der Mitte verrechnet und auf der Ausgabeseite als Ergebnis angezeigt. Die Mittelebene bestünde aus mindestens zwei, bei komplexen Fragestellungen aus mehreren Tausend Schichten und diese wiederum aus zahlreichen Knotenpunkten – den Neuronen.
In der Regel sei ein Knotenpunkt mit allen Knotenpunkten der nächsten Schicht verknüpft und darauf programmiert, ein bestimmtes Merkmal zu erkennen – beispielsweise eine horizontale Linie. Erkennt ein Knotenpunkt nun ein Merkmal, sendet er einen Impuls an alle Knotenpunkte der nächsten Schicht. Auch die sind wieder darauf programmiert, bestimmte Details zu erkennen und Impulse weiterzugeben. Und so kommt am Ende auf der Ausgabeseite ein eindeutiges Ergebnis heraus – beispielsweise: Es ist eine Katze. Ist das Ergebnis falsch, werden die Knotenpunkte neu justiert und der Vorgang beginnt von Neuem. Ein anschauliches Tutorial zu dem Thema bietet der Physiker Philip Häusser auf YouTube.
Die Kehrseite von KI
Die rasante Entwicklung in der KI-Forschung birgt auch Risiken. Schon jetzt stellt sich die Frage nach Datenschutz und ethischen Richtlinien. So konnte ein Forscherteam der Universität Stanford mit einer eigens entwickelten KI aus öffentlichen Daten Rückschlüsse auf private Informationen und Vorlieben einzelner Bürger ziehen. Die Forscher hatten eine künstliche Intelligenz geschaffen, die aus der Straßenansicht in Google Street View soziale, wirtschaftliche oder politische Muster über Menschen in einem Stadtviertel ableiten konnte.
Künstliche Intelligenz ist auch nicht vor Vorurteilen gefeit, wie die Computer-Wissenschaftlerin Joanna Bryson, University of Bath, zeigen konnte. Sie konnte belegen, dass maschinelles Lernen zur Sprach- und Texterkennung keineswegs neutral bleiben muss, sondern Vorgaben des menschlichen Sprachgebrauchs übernimmt, inklusive Vorurteilen und Rassismen.
Kurz gesagt
Die Begriffe im Zusammenhang mit künstlicher Intelligenz lassen sich für ein besseres Verständnis in mehrere Ebenen gliedern:
Ebene 1: künstliche Intelligenz als Oberbegriff aller Bereiche, die sich damit beschäftigen, Maschinen intelligente Verhaltensweisen beizubringen
Ebene 2: maschinelles Lernen als Oberbegriff für Verfahren, die es Maschinen ermöglichen, aus Erfahrungen zu lernen
Ebene 3: Der Begriff Deep Learning bezeichnet eine Variante des maschinellen Lernens.
Ebene 4: Neuronale Netzwerke sind die Grundlage für Deep Learning.
Unsere Meinung: noch ein weiter Weg bis zur „Superintelligenz“
Gregor Schermuly, KI-Experte und Head of Product bei der OSK-Tochter compuccino:
„KI in der Unternehmenskommunikation wird häufig mit der Nutzung von Chatbots oder anderen Interaktionssystemen gleichgesetzt. Solche Systeme von ,schwacher KI‘ eignen sich hervorragend, um Standardbotschaften oder -informationen zu vermitteln. Diese Tools können in der Unternehmenskommunikation schnell auf Nutzeranfragen reagieren. Solche Systeme mit ,schwacher KI‘ simulieren jedoch lediglich intelligente Verhaltensweisen. Sie reagieren nur auf Schlüsselworte oder Muster und sind daher kein Ersatz für einen persönlichen Kontakt.
Im nächsten Schritt werden die semiautonomen Programme, wie Chatbots oder Assistenten wie Siri und Alexa, flächendeckend weiterentwickelt beziehungsweise an tatsächlich lernende Systeme angeschlossen. Sie werden sich an vergangene Dialoge erinnern und Informationen aus Spracheingaben, Suchanfragen oder Kommandos verknüpfen können. Ein simples Beispiel: Ich gebe das Kommando, mein Lieblingslied zu spielen, und Alexa fragt mich, ob ich dieses Lied, wie sonst auch, auf voller Lautstärke hören möchte.
Den ersten wahrzunehmenden Einsatz von angewandter KI im Alltag sehe ich im Bereich des autonomen Fahrens. Sehr bald werden wir eine Vielzahl selbstfahrender Autos auf den Straßen sehen, deren Systeme auf künstlicher Intelligenz basieren. Ein Beispiel dafür ist etwa das neue Infotainment-System MBUX von Mercedes-Benz, dessen Sprachbedienung vom Fahrer lernt und sich auf seine Vorlieben einstellt.“
