BVS St.Gallen

Ihr Ziel ist unsere Aufgabe!

Künstliche Intelligenz - Blogbeitrag von Pascal Lachat

Der Blog-Beitrag zum Thema «Künstliche Intelligenz» wurde verfasst von Pascal Lachat, Studierender des Lehrgangs «Digital Innovation Manager NDS HF».

Ich habe mich bei meiner Arbeit auf drei Quellen gestützt, die ich aufgrund meiner Recherche als speziell geeignet erachte, um die Fakten aufzuzeigen. Sie vermitteln ein Bild darüber, was bereits schon aktuell und was noch reine Zukunft und Fiktion ist. Zu Beginn setzte ich mich damit auseinander, wie wir Künstliche Intelligenz wahrnehmen und was die Gründe dafür sein könnten. Im nachfolgenden und ausführlicheren Teil gehe ich auf die technischen Möglichkeiten und ihre Chancen ein, die aktuell vorhanden sind.

Mit einer gewissen Wahrscheinlichkeit ist unser Bild von Künstlicher Intelligenz durch Science-Fiction-Filme geprägt, welche schön und faszinierend sein können, wie zum Beispiel der 200-Jahre-Mann (1999) oder verstörend und beängstigend, wie EX_MACHINA (2015). Wie wir Künstliche Intelligenz wahrnehmen ist sicher sehr individuell und das ist eventuell auch, was uns bei Künstlicher Intelligenz etwas verunsichert: Dass eine Maschine plötzlich ein Individuum sein könnte. Etwas, das seine eigene Sicht der Dinge hat und vielleicht sogar selbständig entscheidet und dadurch unberechenbar wird. Täglich sehen wir im Internet oder den Medien die neuen Fortschritte, welche in der Forschung erzielt werden. Da sind Fahrzeuge, die sich fast vollständig autonom bewegen können. Roboter, die über beeindruckende motorische Fähigkeiten verfügen. Wir sehen Berichte über die Möglichkeiten der Bild- und Gesichtserkennung. Wir verfügen über intelligente Assistenten, die uns immer besser kennenlernen und mit denen wir über Stimmerkennung kommunizieren. Sie machen uns Vorschläge und erkennen unsere Vorlieben und Abneigungen. Wir hören oder lesen, dass uns Unternehmen und ihre Algorithmen, besser kennen und mehr über uns wissen, als wir selbst. Wir sehen Roboter, die uns ähnlich sind, mit uns reden können und über Mimik und Gestik ihre Stimmung und Gefühle ausdrücken.

Laut dem Magazin „Harvard Businessmanager“ handelt es sich bei der Künstlichen Intelligenz um eine Universaltechnologie, welche unsere Art zu arbeiten und unternehmerisch tätig zu sein, weitreichend verändern wird. Wobei die Künstliche Intelligenz den Arbeitnehmer nicht ersetzen soll, sondern vielmehr die Effizienz der menschlichen Arbeit steigert.

Was davon ist im Alltag schon Realität? Und was dauert noch seine Zeit, bis es wirklich unser tägliches Leben beeinflusst? Mit diesen Fragen setze ich mich im nächsten Teil, der sich mit der Technik und ihren Möglichkeiten beschäftigt, auseinander.

Zum Einstieg weise ich auf die drei Quellen hin, auf die sich mein Blogbeitrag stützt.
Die erste Quelle ist ein Interview, das unser Dozent im Bereich Künstliche Intelligenz, Herr Dr. Marcel Blattner, der Zeitschrift „Schweizer Familie“ (Ausgabe Nr. 23 vom 7. Juni 2018, ab Seite 28) gegeben hat. Es vermittelt interessante Einblicke ins „maschinelle Lernen“.
Die zweite Quelle ist die Ausgabe Nr. 3/2018 von „Harvard Businessmanager“, welche die Digitalisierung behandelt und ab Seite 32 einen Überblick zum Thema Künstliche Intelligenz enthält, die für Unternehmen heute einsetzbar und relevant ist.
Die dritte Quelle ist ein Interview in der „NZZ am Sonntag“ (Ausgabe vom 24. Juni 2018, ab Seite 19), das mit Herr Stuart Russel, Professor für Informatik an der University of California geführt wurde. Es behandelt den Umgang mit intelligenten Computern und die Risiken von intelligenten Maschinen.

Aus technischer Sicht kann Künstliche Intelligenz (engl. AI, Artificial Intelligence) in zwei Kategorien aufgeteilt werden. Die erste Kategorie ist die “starke Künstliche Intelligenz“ (engl. Artificial General Intelligence). Die zweite Kategorie ist die “schwache Künstliche Intelligenz“ (engl. Artificial Narrow Intelligence).

1) “starke Künstliche Intelligenz“ (engl. Artificial General Intelligence)
Das würde bedeuten, Maschinen wären in der Lage zu denken und zu funktionieren wie Menschen. Davon sind wir noch weit entfernt. Es gibt auch noch keine konkrete Vorstellung, wie man Maschinen diese Fähigkeiten beibringen könnte.
Wenn man seriösen Aussagen glaubt, dauert es noch mehrere Jahrzehnte bis wir in der Lage sein werden, eine “starke Künstliche Intelligenz“ zu entwickeln.

2) “schwache Künstliche Intelligenz“ (engl. Artificial Narrow Intelligence)
Das bedeutet, eine Maschine hat die Fähigkeit eine „einzelne“ Aufgabe gut oder sogar besser auszuführen als ein Mensch. Das ist bereits der Fall und wird in der Praxis angewendet. Schwache künstliche Intelligenz beruht auf dem “maschinellen Lernen“, bei dem neuronale Netzwerke zum Einsatz kommen.

Das maschinelle Lernen basiert, vereinfacht ausgedrückt, darauf, dass die Maschine aufgrund von grossen Datenmengen selber lernt. Anhand eines Beispiels erläutert, bedeutet das, dass man einem System beibringen will, Katzenbilder zu erkennen. Das System lernt selbständig aus einer grossen Anzahl Bilder, Katzenbilder zu erkennen. Je mehr Training das System durchläuft, desto zuverlässiger kann es die Katzenbilder erkennen. Dasselbe Prinzip kommt bei der Gesichtserkennung zur Anwendung. Das Bemerkenswerte daran ist, dass die Regeln, die dafür notwendig sind, durch das System selbst gelernt und definiert werden. Die durch das System ermittelten Regeln sind dabei so komplex, dass sie nicht durch Menschen verstanden werden können.

Einem solchen System wird jeweils nur eine einzige Aufgabe beigebracht. Bei der Lösung dieser Aufgabe ist das System, mit ausreichendem Training, dem Menschen weit überlegen.

Das Schachspielen ist eines der Beispiele, bei dem die Fähigkeiten des maschinellen Lernens die menschliche Fähigkeit zur Problemlösung bereits übertreffen.

Das maschinelle Lernen ist darauf ausgelegt, Muster zu erkennen. So filtert es beispielsweise individuelle Merkmale von Bewerbern, die sich in der Vergangenheit gegen andere Bewerber durchgesetzt haben und eingestellt wurden. Wenn das System die Merkmale und Kriterien selbst aus den vorhandenen Daten gelernt hat, kann es neue Bewerberdaten entsprechend ausfiltern und zuweisen. Auch in anderen Bereichen wie Verkauf und Marketing sind solche Möglichkeiten einsetzbar, um eine bessere Vorhersage über das Kaufverhalten von Zielgruppen oder den gezielteren Einsatz von Werbemitteln zu ermöglichen.

Jetzt wird deutlich, was maschinelles Lernen im Grunde ausmacht. Es sind die vorhandenen Daten. Sie sind immer die Grundlage und eine Voraussetzung des maschinellen Lernens. Die Qualität der Daten ist also, neben dem richtigen Umgang mit ihnen, für den Erfolg von maschinellem Lernen entscheidend. Diese vorhandenen Daten bilden ab, was gewesen ist. Also wie sich der Markt oder die Menschen/Kunden in der Vergangenheit verhalten haben. Daraus ergeben sich zwei Punkte, welche beachtet werden müssen. Die menschlichen Neigungen und Wertvorstellungen werden vom System gelernt und abgebildet. Was bedeutet, dass maschinelles Lernen nicht neutral ist, vielmehr bildet es das Verhalten und die Wertvorstellungen der Vergangenheit ab. Diese Tatsache muss beim Einsatz von maschinellem Lernen berücksichtigt werden.

“Der Alogrithmus kann helfen, etwas zu beurteilen,
er kann Vorschläge machen. Aber entscheiden muss der Mensch.“
    
Quelle: Interview Herr Doktor Marcel Blattner, Zeitschrift Schweizer Familie
(Ausgabe Nr. 23 vom 7. Juni 2018, ab Seite 28)

Der zweite Punkt ist, dass bei einer Veränderung der Rahmenbedingungen das System eventuell nicht mehr wie gewünscht arbeitet und zuerst Daten gesammelt werden müssen, welche die Veränderung abbilden, die das System dann wieder zum Lernen benötigt.
Nachfolgend nur einige Beispiele der Möglichkeiten einer Anwendung in der Praxis:
- Erstellung personalisierter Empfehlungen für Kunden
- Optimierung der Lieferkette
- System zur Prüfung kommerzieller Kreditverträge

Auch wenn sich nur schwer vorhersagen lässt, welche Unternehmen
die neue Welt dominieren werden, ein grundlegendes Prinzip lässt sich
klar erkennen: Die geschicktesten und anpassungsfähigsten Unternehmen
und Führungskräfte werden erfolgreich sein. Organisationen, die Chancen
schnell erkennen und verfolgen, werden die Vorteile der KI-Landschaft nutzen
können. Die beste Strategie ist also, mit hohem Tempo zu experimentieren
und zu lernen.
Quelle: Magazin: Harvard Businessmanager (Ausgabe Nr. 3/2018, Seite 39)

Zur Frage ob Künstliche Intelligenz eine Gefahr darstellt, hat Herr Stuart Russell im Interview mit der „NZZ am Sonntag“ Stellung genommen. Er regt an, dass KI so entwickelt werden sollte, dass es ihr Ziel ist, menschliche Bedürfnisse zu befriedigen. Und dass sie sich bei einer Unsicherheit darüber, was sich der Mensch gerade wünscht danach erkundigt, wie es die Wünsche befriedigen soll. Die Gefahr liegt wohl in intelligenten Maschinen, die falsche Ziele verfolgen würden.
Quelle: Interview Herr Stuart Russel, Professor für Informatik an der University of California
NZZ am Sonntag (Ausgabe vom 24. Juni 2018, ab Seite 19)

Neuen Kommentar schreiben

Bild-CAPTCHA
Geben Sie die Zeichen ein, die im Bild gezeigt werden.