Was ist Künstliche Intelligenz (KI)?

Wenn Mensch und Maschine voneinander lernen

Künstliche Intelligenz (KI, auch Artifizielle Intelligenz (AI) beschreibt Technologien, mit denen Maschinen ein menschenähnliches Denkvermögen simulieren. Mit KI können Maschinen aus Erfahrung lernen und mit neu eingehenden Informationen ihre Kompetenz zum Bewältigen von Aufgaben auszubauen (Maschinelles Lernen). Schachcomputer, selbstfahrende Autos und Alexa sind bekannte Beispiele für künstliche Intelligenz.
Systeme wie Alexa basieren auf Deep Learning und natürlicher Sprachverarbeitung. KI versucht, Entscheidungsstrukturen des Menschen nachzubilden. Künstliche Intelligenz soll Computer befähigen, eigenständig Probleme zu bearbeiten. So wird in Computerspielen mit einfachen Algorithmen ein „intelligentes Verhalten“ simuliert. Die künstliche Intelligenz umfasst weitere Teilgebiete, wie wissensbasierte Systeme, Musteranalysen und Mustererkennung, Mustervorhersage, Robotik, Modellierung mit Entropiekraft, und künstliches Leben.

KI-Software: von Mustern und Merkmalen

Anhand von Mustern oder Merkmalen in Daten soll die KI-Software automatisch lernen. Dazu werden große Datenmengen mit intelligenten Algorithmen und iterativen Berechnungen kombiniert. Das Forschungsfeld der KI ist breit und nutzt zahlreiche Technologien, Methoden und Theorien. Zu den wichtigsten Teilbereichen der KI zählen:

– Neuronale Netze
Die Netze unterstützen ein maschinelles Lernen, indem miteinander verbundene Knoten Daten verarbeiten. Diese Knoten, entsprechend der Neuronen im menschlichen Gehirn, reagieren auf neue Eingangsdaten und verteilen Informationen auf andere Knoten. Künstliche Intelligenz versucht mit mehreren Datendurchläufen Verbindungen zu finden und undefinierte Daten zu gewichten.

– Maschinelles Lernen
Auch nicht explizit programmierte Lösungen sollen über Methoden des maschinellen Lernens gefunden werden. Dazu wird die Erstellung analytischer Modelle automatisiert. Um neue Erkenntnisse und Schlussfolgerungen zu erhalten, verwendet die künstliche Intelligenz Methoden aus Physik, Statistik, Operations Research und neuronalen Netzen.

– Deep Learning
Deep Learning kommt häufig bei der Bild- und Spracherkennung zum Einsatz. Dazu werden große neuronale Netzen mit Verarbeitungsknoten in mehreren Schichten genutzt. Bei der Analyse großer Datenmengen sollen komplexe Muster erlernt werden.

– Cognitive Computing
Das Cognitive Computing versucht eine Maschine schaffen, die das menschliche Verhalten simuliert. Als Teilbereich der KI wird eine möglichst natürliche Interaktion mit Maschinen angestrebt. Künstliche Intelligenz hat hier zum Ziel, eine Maschine zu entwickeln, die menschliche Denkprozesse simuliert, Bilder und Sprache interpretiert und schlüssig antworten kann.

– Computer Vision
Inhalte von Bildern und Videos werden mithilfe der Mustererkennung und Deep Learning interpretiert. Die entwickelten Computer sollen Bilder oder Videos in Echtzeit analysieren und das Umfeld interpretieren.

– Natürliche Sprachverarbeitung (NLP)
Diese KI-Computer sollen die menschliche Sprache verstehen, analysieren und selbst erzeugen können. Ziel ist letztlich eine Interaktion in natürlicher Sprache. Die natürliche Sprachverarbeitung ermöglicht dem Menschen eine Kommunikation mit Computern im Alltag, um etwa Anweisungen zu vermitteln oder Fragen zu stellen.

Künstliche Intelligenz zum Simulieren des menschlichen Gehirns

Ein Teilbereich von KI befasst sich mit der Entwicklung von Maschinen, die sich wie Menschen verhalten sollen. Die Herausforderung besteht in der „Mechanisierung“ des menschlichen Denkens (sogenannte starke KI). Künstliche Intelligenz befasst sich mit Automatisierung und maschinellem Lernen. Mit dem Nachbau des menschlichen Gehirns sollen auch Maschinen lernfähig werden. Der Begriff der neuronalen Netze bezieht sich auf diese Lernfähigkeit, an der im menschlichen Gehirn Neuronen beteiligt sind. Deutlich werden die Herausforderungen zur Schaffung von künstlicher Intelligenz bei der Programmierung der KI-Systeme: Die Softwareentwicklung für künstliche Intelligenz erfordert einen neuen Ansatz, damit Programme lernfähig werden und eigene Entscheidungen treffen können. Beispiele für einfache KI-Systeme sind die Vorschlagslisten auf Shopping-Portalen. Im Alltag begegnet dem Benutzer die künstliche Intelligenz auf Portalen wie Amazon, Netflix und Spotify: „Kunden, die sich diesen Artikel angeschaut haben, kauften auch ..“. Künstliche Intelligenz wird auch in Computerspielen genutzt, die durch einfache Algorithmen ein „intelligentes Verhalten“ simulieren.

Nutzen von KI für die Gesellschaft

Im Gegensatz zur landläufigen Vorstellung soll die künstliche Intelligenz den Menschen nicht ersetzen. Von der künstlichen Intelligenz profitiert auch der Mensch.

KI kann:

– Analyse-Technologen wie Zeitreihenanalysen und Computer Vision verbessern
– Analytics zur Nutzung verschiedensten Branchen und Bereichen bereitstellen
– Ökonomische Hindernisse wie Sprach- und Übersetzungsbarrieren reduzieren
– Durch die Erweiterung der menschlichen Fähigkeiten die Entscheidungsfindung verbessern
– Zu besserem Sehen, Verständnis und Erinnern beitragen.

Künstliche Intelligenz ersetzt nicht den Menschen

Bei fehlerhaften oder lückenhaften Daten spiegelt sich dies in den erzielten Ergebnissen wider. Die Aufgaben eines KI-Systems sind daher relativ klar umrissen: Ein Pokerspiel kann nicht gleichzeitig auch Schach spielen. Es muss für beide Aufgaben speziell trainiert sein. Heutige KI-Systeme sind sehr stark spezialisiert und noch weit davon entfernt, den Menschen ersetzen zu können. Auch selbstlernende Systeme sind nicht autonom.

Anwendungsbereiche

Der Bedarf an Computerprogramme mit KI-Fähigkeiten ist groß. Sollen Fragen automatisch beantwortet werden, Rechtsauskünfte oder Risikohinweise gegeben werden, sind KI-Systeme im Einsatz. Zu den großen Branchen, in denen die künstliche Intelligenz Aufgaben übernimmt, zählen:
– Gesundheitswesen Im Gesundheitswesen wird das KI-Programm zum persönlichen Gesundheitsassistenten. Künstliche Intelligenz kann den Benutzer etwa an eine gesunde Ernährung oder an die Medikamenteneinnahme erinnern. KI-Anwendungen werten selbstständig Röntgenbilder aus oder stellen personalisierte medizinische Leistungen bereit.

Softwareentwicklung bei KI

Während die klassische Softwareentwicklung den eintretenden Ereignissen einen klaren Ablauf vorschreibt, folgt die KI-Maschine keiner festen Entscheidungsfolge. Mit maschinellem Lernen und neuronalen Netzen wird in den Programmen die Funktionsweise des menschlichen Gehirns nachgebaut. Wurde in einem herkömmlichen Programm keine Lösung für ein auftretendes Ereignis implementiert, läuft die Software auf einen Fehler oder sie stürzt ab. Im Idealfall gibt sie eine aussagekräftige Fehlermeldung aus. Um das neue Ereignis künftig zu bearbeiten, muss der Programmierer das Programm-Coding entsprechend erweitern. Künstliche Intelligenz zeichnet sich dadurch aus, dass eine KI-Software selbständig solche Ereignisse löst. Dazu nutzt sie beispielsweise zuvor gemachte Erfahrungen und zieht Schlüsse, um ein passendes Entscheidungsmuster zu generieren.

Software die sich selbst entwickelt

Ist bei der klassischen Softwareentwicklung ein unveränderbarer Entscheidungsbaum vorgegeben, versucht die künstliche Intelligenz Entscheidungspunkte in Form von Neuronen zu entwickeln. Diese Entscheidungspunkte füttert man viele hundertmal mit Daten, um mit den Entscheidungs-Parametern der Neuronen das gewünschte Ergebnis zu erzielen.

KI wird versuchen, selbst eine Lösung zu generieren.
Um schneller zu ersten KI-Ergebnissen zu gelangen, hat das Unternehmen Google vor einigen Jahren das „Tensorflow“-Framework herausgebracht. Googles hauseigener Werkzeugkasten für künstliche Intelligenz ist Open-Source-Software.