Erster Teil: Artificial Intelligence (AI) entmystifiziert

August 9, 2018

Intelligentes Handeln abstrahiert aus Daten

Es begann alles mit Lady Lovelace. Die erste Programmiererin der Welt. Schon 1842 dachten Leute über Computer nach und sie schrieb: “The Analytical Engine has no pretensions whatever to originate anything. It can do whatever we know how to order it to perform” (Lovelace, 1842). Lovelace stand der Schaffung künstlicher Intelligenz skeptisch gegenüber. Um der Frage nachzugehen, was es überhaupt bedeutet, wenn Maschinen intelligent werden, wird man schnell feststellen, dass der Begriff häufig nicht einheitlich verwendet wird (Zukunftsinstitut GmbH). Während einige den Begriff eher für die Anwendung maschinellen Lernens verwenden verstehen andere darunter tatsächlich nachgebildete menschliche Intelligenz. AI ist definitiv eines der meist benutzen Buzzwords und die Frage ist, ob es sie überhaupt in naher Zukunft in Anwendung gibt. Diese Artikelserie soll daher Klarheit darüber geben, was in der aktuellen Diskussion unter künstlicher Intelligenz verstanden wird und erklären, warum gerade jetzt jeder von künstlicher Intelligenz spricht, obwohl die Idee so alt ist wie der Computer selbst.

Entmystifizieren wir diese technische Innovation, die damit beginnt, dass Sensorik und Datenspeicher sowie Rechnerkapazitäten zur Verarbeitung immer erschwinglicher werden. Drei daraus folgende Faktoren treiben Artificial Intelligence im Wesentlichen voran: große Datenmengen, algorithmische Innovationen und eine steigende Menge an Rechenleistung für das Training von Analysemodellen und die Verbesserung der Algorithmen.

Große Datensätze: Daten das neue Öl

“Some estimate that a self-driving car will generate 100 Gigabytes per second.[..] The world’s most valuable resource is no longer oil, but data” (Economist, 2017).

Viele unserer täglichen Aktivitäten hinterlassen mittlerweile eine digitale Spur. Die Geschäftsmodelle der erfolgreichsten Unternehmen der Welt basieren heute schon stark auf datenbasierten Dienstleistungen. Daten scheinen der neue Kraftstoff der Wirtschaft zu sein und Organisationen müssen Wege finden, ihre Daten zu monetarisieren, um in einem internationalisierten Wettbewerb zu bestehen. Kontrolle über Daten zu haben, bedeutet ein enormes Potenzial zur Verbesserung von Produkten und Dienstleistungen. Quantität in Bezug auf Daten hat damit eine neue Qualität.

Gute Modelle: Algorithmen, die Verbindungen in Daten aufdecken

Ein computergestütztes Modell ist ein Computerprogramm, das darauf ausgelegt ist, zu simulieren, was in einer Situation passieren könnte oder was passiert ist (Wikipedia). Um aus Daten wirtschaftlich verwertbare Informationen zu schaffen, müssen wir Modelle bauen, die helfen, Zusammenhänge in diesen Daten aufzudecken. Computerprogramme die diese Modelle abbilden, können dann ohne menschliches Zutun auf Basis von Daten optimale Entscheidungen treffen und damit in unserem Namen intelligent handeln. Ein Computermodell für ein selbstfahrendes Auto würde beispielsweise nicht wie eines aussehen, aber es sollte das Fahrzeug mit Hilfe der Analyse von Sensordaten vorausschauend im Sinne der Fahrerin steuern können.

Rechenleistung

Bei AI spielen mathematische Modelle, die mit Hilfe einer großen Menge von Daten aus vergangenen Situationen lernen und dabei ihre eigenen Fehler oder Ungenauigkeiten zu korrigieren, ein große Rolle. Algorithmen, die in den 1950er bis 1980er Jahren erfunden wurden, können heute mit einer besseren Performance ausgeführt werden. “Solange sich dieser Trend fortsetzt, lohnt es sich, sich auf die Auswirkungen von Systemen vorzubereiten, die weit über die heutigen Möglichkeiten hinausgehen” (OpenAI, 2018).

Große Datenmengen, gute Modelle sowie ausreichend Rechenpower machen Artificial Intelligence also möglich. Aber was genau ist Artificial Intelligence eigentlich und wo sind ihre Grenzen? Lest dazu mehr in unserem nächsten Blogbeitrag, der nächste Woche erscheint.

Unser Nächstes Meetup zu dem Thema wird am 19. September in München bei Google stattfinden. Tretet am besten jetzt schon einmal unserer Meetup Gruppe bei.

Wenn ihr Euch näher mit Machine Learning beschäftigen möchtet ist ein Python Kurs ein guter Start. Hier findet ihr mehr Infos zu den aktuellen Terminen.

Anja Schumann

Quellen:

(Economist, 2017)

(Zukunftsinstitut GmbH)

(OpenAI, 2018)

comments powered by Disqus