Der Intelligenzfaktor

Die SER Future Story

Intelligente Maschinen auf dem Vormarsch

Erleben wir durch Künstliche Intelligenz (KI) einen noch nie dagewesenen Technologiesprung? Vieles lässt darauf schließen! Maschinen, die den Menschen gleichwertig oder überlegen sein werden, diese Vorstellung wird allerdings sicherlich noch sehr lange Zeit eine Vision bleiben. Bis Wissenschaftler und Forscher eine Superintelligenz (starke KI) entwickelt haben, werden wir Menschen mit schwacher KI gut leben und arbeiten können.

Im globalen Wettbewerb um Produktivitätssteigerung wird KI ein entscheidender Faktor werden.

Starke KI kann den Menschen ersetzen, die schwache dagegen erweitert unsere kognitiven Fähigkeiten. Letzteres bietet uns heute schon enorme Vorteile, wenn es darum geht, konkrete Anwendungs­heraus­forderungen zu lösen. KI wird zum zentralen Bestand­teil der Modernisierung unserer Gesellschaft und Wirt­schaft. Sie wird uns maßgeblich dabei unterstützen, die großen, globalen Heraus­forderun­gen zu meistern: die Entwicklung intelligenterer Städte, eines sichereren und staufreien Verkehrs, den Energiebedarf zu senken, unsere Stromnetze zu optimieren, den CO2-Ausstoß zu senken und das Internet besser zu schützen. Im globalen Wettbewerb um Produktivitätssteigerung wird KI ein entscheidender Faktor in Anbetracht der demographischen Entwicklung werden.

Smart City

Wissenschaftler präsentieren uns im Duell Mensch-Maschine gerne ihre neuesten Errungenschaften. Beim Schachspielen und dem in Japan beliebten Go-Spiel ist uns die Maschine beispielsweise bereits weit überlegen. Das sind durchaus beachtliche kognitive Leistungen und Erfolge. Daraus abzuleiten, dass die Maschine deshalb schon dem Menschen überlegen sei, wäre maßlos übertrieben. Bis die starke KI und humanoide Roboter (Androide) die Fähigkeiten und Fertigkeiten von Menschen erlangen, wird es noch dauern.

Mehr als Einsen und Nullen

KI soll menschliche Wahrnehmung und menschliches Handeln in Maschinen nachahmen. Dies kann als relativ simpler Suchalgorithmus geschehen, der den kürzesten Weg zwischen Start und Ziel findet, oder als komplexes, neuronales Netz, das autonome Autos und den gesamten Verkehr möglichst staufrei und sicher steuert. Derartige neuronale Netze werden mit riesigen Datenmengen antrainiert, damit sie Muster erkennen und eigenständig Schlüsse daraus ziehen. Es gibt unterschiedliche Ansätze, wie man Künstliche Intelligenz realisieren kann. Bislang hat sich allerdings noch keines der Verfahren endgültig als das Beste erwiesen. Die Entwicklung steht hier noch am Anfang.

Nicht überall, wo intelligent darauf steht, ist auch Intelligenz drin!

Deep Learning ist wieder hoch im Kurs. Dabei ist die Lernmethode inzwischen gut drei Jahrzehnte bekannt. Man kann sich das wie eine Art Filter vorstellen, der vom Groben zum Feinen hin arbeitet und so die Wahrscheinlichkeit eines korrekten Ergebnisses erhöht. Die aufeinander aufbauenden Schichten nutzen jeweils die Ausgaben der vorherigen Schicht, was zu einen kontinuierlichen „Lernprozess“ führt. Durch die massive Rechenleistung hat Deep Learning die Power, sich durch die gewaltigen digitalen Datenmengen zu graben. Sie kann das schaffen, woran andere Ansätze bislang scheiterten.

KI als Black Box?

Auf welchen Wegen eine KI zu ihren Erkenntnissen gelangt, bleibt uns Menschen meist verborgen; je komplexer die Maschinen werden, umso größer wird die Aufgabe, diese Black Box auszulesen. Was daran liegt, dass, anders als bei strukturierter Datenablage etwa in einer Datenbank, die Daten von der KI in einer Weise fragmentiert abgelegt werden, dass sie kaum für Menschen erreichbar sind.

Die Forderung nach einer Gläsernen statt einer Black Box ist mehr als berechtigt. Die undurchsichtigen Computeralgorithmen für den Menschen nachvollziehbar zu machen, beschäftigt die Forscher intensiv. Fortschritte bei der KI führen dahin, dass die oben erwähnten Prognosen, Entscheidungen und Handlungen einer Maschine auf Kriterien basieren, die sich selbstständig fortschreiben, während der Algorithmus weiter lernt.

Ob Deep Learning der Weisheit letzter Schluss ist, bleibt abzuwarten. Auch andere KI-Ansätze bieten vielversprechende Möglichkeiten. Die Zeit wird zeigen, welcher Ansatz für welche Anwendungsfälle der Richtige ist. Wahrscheinlich ist es letztendlich die Kombi­nation vieler Verfahren: semantischer (Ontologien), statistischer (Deep Learning) usw.

Intelligente Maschinen auf dem Vormarsch

Die Akzeptanz kommt mit dem Nutzen

Intelligent ist letztendlich das, was uns Menschen nützt

Bei der Vielzahl der Veröffentlichungen ist es im Einzelfall für uns Leser nur schwer zu bewerten, ob eine als intelligent ausgewiesene Maschine oder Anwendung auch wirklich intelligent ist. Nicht überall, wo intelligent darauf steht, ist auch Intelligenz drin! Intelligenz ist ein Begriff, der inflationär benutzt wird und viele Definitionen zulässt, aber keine allgemeingültige besitzt. Entsprechend viele unterschiedliche Ausprägungen werden KI-Anwendungen hinsichtlich ihrer kognitiven Fähigkeiten haben. Intelligent ist letztendlich das, was uns Menschen nützt.

KI wird unser Arbeitsleben inklusive der heutigen Software-Anwendungen revolutionieren!

Die schwache KI und auch regelbasierte Systeme bieten uns heute schon erheblichen Nutzen und vor allem enormes Potenzial für die Zukunft. Sie steuern Finanztransaktionen, treffen Vorhersagen, simulieren das Wetter und wirtschaftliche Entwicklungen. KI deckt Auffälligkeiten auf, z.B. Betrugsdelikte bei Kreditkarten. Sie eignet sich hervorragend zur Diagnose und Prognose in der Medizin. Hier zeichnet es sich ab, dass Künstliche Intelligenz radiologische Aufnahmen zuerst beurteilt, bevor ein Radiologe die endgültige Diagnose trifft. Sie ist bei der Mustererkennung von Texten, Bildern, Handschriften, Materialen und Stoffen dem Menschen überlegen. Sie ist für die vorausschauende Wartung und Instandhaltung elementar. Besonders naheliegend ist der Einsatz überall dort, wo aus riesigen Datenmengen und einer Vielzahl möglicher Alternativen die beste Lösung oder die beste Entscheidung getroffen werden muss. In Bereichen komplexer Aufgabenstellungen, etwa in der Sprachsteuerung und -Verarbeitung, sind in jüngster Zeit entscheidende Fortschritte zu verbuchen.

Der Mensch liebt es bequem. Das Rad wurde erfunden, weil es dem Menschen lieber war, zu fahren als zu laufen. Wie auch damals stellt sich heute bei KI die wichtige Frage: Nutzt sie uns und erleichtert sie uns das Leben? Die Akzeptanz kommt mit dem Nutzen. Je ähnlicher die Interaktion mit der KI der menschlichen Natur kommt, umso mehr Akzeptanz wird sie dadurch gewinnen.

Auf dem Weg zur disruptiven Kerntechnologie

Volkswirtschaftlich wie betriebswirtschaftlich wird KI großes Potenzial entfalten: Sie entlastet Mitarbeiter nicht nur von sich ständig wiederholenden oder gar gefährlichen Tätigkeiten, sondern ist viel schneller in der Lage, große Datenmengen zu analysieren, auszuwerten, darauf basierend Entscheidungen zu treffen und Aufgaben auszuführen. Ein hohes Potenzial wird auch der Produktion zugeschrieben, wo die Robotik die Fertigung weiter automatisieren wird. Deutschland wird als Produktionsstandort hierdurch wieder wettbewerbsfähig. Es gibt dann wirtschaftlich keine Gründe mehr für das Outscouring der Produktion in Niedriglohnländer. Gänzlich neue Geschäftsfelder entstehen durch die Verbindung von KI mit vernetzten Produkten, Prozessen und Maschinen (Internet of Things, IoT).

KI entwickelt sich mehr und mehr zu einer disruptiven Kerntechnologie. Sie wird unser Arbeitsleben inklusive der heutigen Software-Anwendungen revolutionieren! Doch bei aller Euphorie: Statt drastischer Durchbrüche in der Entwicklung ist vielmehr ein gradueller Fortschritt zu erwarten. Eine eierlegende Wollmilchsau in dem Sinne, dass eine KI-Anwendung menschähnlich Fertigkeiten und Fähigkeiten kombinieren kann, wird es vorerst nicht geben.

Wie auch der Mensch ist die Maschine nicht fehlerfrei. Das ist in vielen Fällen, wo es nicht um die Gesundheit, Leben und Tod oder die Beurteilung von Menschen geht, akzeptabel. Wir Menschen werden über prozentuale Toleranzlevel die Wahrscheinlichkeiten definieren, bis zu denen wir ein Rechenergebnis als korrekt ansehen. Unsere Aufgabe wird es nicht mehr sein, einzelne Aufgaben oder Prozessschritte selbst auszuführen, sondern die Maschine zu überwachen und zu optimieren.