Wie KI unser Leben verändert - Peter Seeberg - E-Book

Wie KI unser Leben verändert E-Book

Peter Seeberg

0,0

Beschreibung

Siri, Alexa oder Hey Google kennen die meisten von uns. Vom autonomen Fahren oder dass Sie Vögel mit Apps erkennen können – davon haben Sie sicher schon gehört. Aber inzwischen wird Künstliche Intelligenz in noch viel mehr Bereichen eingesetzt. Welche das sind, erfahren Sie in diesem Buch.
Künstliche Intelligenz ist älter, als Sie vermuten! KI hat Vorteile, birgt aber auch Risiken – und sie ist nicht mehr wegzudenken. Deshalb sollte jeder von uns wissen, was KI für seinen Alltag, den Beruf und unser aller Zukunft bedeuten kann.
Peter Seeberg hat aus unterschiedlichen Lebensbereichen die wichtigsten 100 Fragen zu KI gesammelt und beantwortet. Machen Sie sich schlau.

Sie lesen das E-Book in den Legimi-Apps auf:

Android
iOS
von Legimi
zertifizierten E-Readern

Seitenzahl: 166

Das E-Book (TTS) können Sie hören im Abo „Legimi Premium” in Legimi-Apps auf:

Android
iOS
Bewertungen
0,0
0
0
0
0
0
Mehr Informationen
Mehr Informationen
Legimi prüft nicht, ob Rezensionen von Nutzern stammen, die den betreffenden Titel tatsächlich gekauft oder gelesen/gehört haben. Wir entfernen aber gefälschte Rezensionen.



Peter Seeberg

Wie KI unser Leben verändert

100 Fragen – 100 Antworten

Alle in diesem Buch enthaltenen Informationen, Verfahren und Darstellungen wurden nach bestem Wissen zusammengestellt und mit Sorgfalt getestet. Dennoch sind Fehler nicht ganz auszuschließen. Aus diesem Grund sind die im vorliegenden Buch enthaltenen Informationen mit keiner Verpflichtung oder Garantie irgendeiner Art verbunden. Autor und Verlag übernehmen infolgedessen keine juristische Verantwortung und werden keine daraus folgende oder sonstige Haftung übernehmen, die auf irgendeine Art aus der Benutzung dieser Informationen – oder Teilen davon – entsteht.

Ebenso übernehmen Autor und Verlag keine Gewähr dafür, dass beschriebene Verfahren usw. frei von Schutzrechten Dritter sind. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Buch berechtigt deshalb auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürften.

Bibliografische Information der Deutschen Nationalbibliothek:Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.

Dieses Werk ist urheberrechtlich geschützt.Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung des Buches, oder Teilen daraus, vorbehalten. Kein Teil des Werkes darf ohne schriftliche Genehmigung des Verlages in irgendeiner Form (Fotokopie, Mikrofilm oder ein anderes Verfahren) – auch nicht für Zwecke der Unterrichtsgestaltung – reproduziert oder unter Verwendung elektronischer Systeme verarbeitet, vervielfältigt oder verbreitet werden.

© 2021 Carl Hanser Verlag München, www.hanser-fachbuch.deLektorat: Sylvia HasselbachCopyediting: Sandra Gottmann, WasserburgKapitelgrafiken: © Jana Rauthenstrauch, WürzburgLayout: Kösel Media GmbH, KrugzellUmschlagrealisation: Max Kostopoulos, unter Verwendung des Entwurfs von Jana Rauthenstrauch

Print-ISBN:        978-3-446-46692-0E-Book-ISBN:   978-3-446-46713-2E-Pub-ISBN:     978-3-446-46833-7

Inhalt

Titelei

Impressum

Inhalt

1 EINFÜHRUNG

1.Wozu ein Buch mit 100 Fragen über KI?

2.Was ist KI, also künstliche Intelligenz?

3.Wo kommt KI her?

4.Was ist schwache und was ist starke KI?

5.Wie geht KI?

6.Was ist der Unterschied zwischen Microsoft Word und KI?

7.Gibt es strukturell unterschiedliches Vorgehen beim Einsatz von KI?

8.Welchen Wert haben Daten für KI?

9.Braucht KI viele Daten?

10.Was hat KI mit Statistik zu tun?

11.Wie wichtig sind leistungsstarke Computer für KI?

12.Was sind Algorithmen und warum sind sie wichtig für KI?

13.Wie erkenne ich KI?

14.KI und Datenschutz – aber wie?

15.Was ist ethische KI?

16.Wie kann ich KI vertrauen?

17.Kann sich KI mir offenbaren?

18.Was ist ein KI-TÜV?

19.Ist KI immer weiblich?

20.Wie ändert KI die Interaktion mit meiner Umgebung?

2 ALLTAG

21.Beeinflusst KI unser Kaufverhalten?

22.Wie lässt KI Alexa, Siri und Cortana mich verstehen und sprechen?

23.Wie gewinnt KI Schachpartien?

24.Wie arbeitet KI bei Streamingdiensten?

25.Wie erkennt Facebook die Gesichter meiner Freunde?

26.Wie entscheidet KI, ob ich am Automaten Geld erhalte?

27.Ist KI beteiligt, wenn ich google?

28.Wie kann KI übersetzen?

29.Regelt KI das Licht und die Temperatur im intelligenten Haus?

30.Steckt KI hinter Falschnachrichten?

31.Wie erkennt KI, welcher Vogel da singt?

32.Wie macht KI mein Handy schlau?

33.Wird KI für uns kochen?

34.Macht KI die besseren Bilder?

35.Kann KI meine Steuererklärung machen?

36.Wie unterstützt KI Architekten?

37.Mäht der Roboter den Garten mithilfe von KI?

38.Kauft KI zukünftig für uns ein?

39.Macht KI Computerspiele echter?

40.Was bewegt KI im Fußball?

41.Bestimmt KI bald, wen wir daten?

42.Wie kann ich mehr über KI lernen?

3 ARBEIT

43.Wie verändert KI die Arbeit des Radiologen?

44.Wie unterscheidet sich KI vom Roboter?

45.Wie übernimmt KI Bürotätigkeiten?

46.Braucht KI eine Datenstrategie?

47.Wo verarbeitet KI die Daten?

48.Muss eine KI sich auch mal ausruhen?

49.Wie ändert KI den Vertrieb?

50.Kann KI ein Buch schreiben?

51.Kann KI kreativ sein?

52.Kann KI ein Produkt erfinden?

53.Wie funktioniert ein KI-Chatbot?

54.Wie baut man eine KI?

55.Wie sorgt KI für IT-Sicherheit?

56.Erhöht KI den Ertrag eines Ackers?

57.Wie spürt KI Betrüger auf?

58.Besorgt KI meine Ware am selben Tag?

59.Wie unterstützt KI den Lehrling an der Maschine?

60.Kann KI ein Patent erhalten?

61.Kann KI den Aktienmarkt manipulieren?

62.Optimiert KI die Fertigung?

63.Wie kann KI wissen, was Kunden denken?

64.Entscheidet KI, welcher Bewerber den Job erhält?

65.Kann KI Software schreiben?

66.Wie führe ich KI in meiner Firma ein?

67.Wo kann ich KI studieren?

4 MOBILITÄT

68.Wie navigiert KI?

69.Optimiert KI den Verkehr?

70.Lässt KI Autos autonom fahren?

71.Haftet KI bei einem Autounfall?

72.Organisiert KI die intelligente Stadt?

73.Wie reduziert KI die Kosten meiner Autoversicherung?

74.Fährt das KI-Auto selbst in die Werkstatt?

75.Bringt KI Arbeiten und Lernen von unterwegs?

76.Entscheidet KI zwischen Kind oder Erwachsenem?

77.Ermöglicht KI Videoüberwachung?

5 GESUNDHEIT

78.Wie erkennt KI Brustkrebs?

79.Steuert KI Fitness-Apps?

80.Kann KI einen Menschen operieren?

81.Kontrolliert KI Maskenpflicht?

82.Kann KI einen Corona-Impfstoff entwickeln?

83.Ermöglicht KI die Corona-App?

84.Wird KI zukünftige Pandemien verhindern?

85.Wie erleichtert KI das Leben von Pflegebedürftigen?

86.Was ändert KI beim Augenarzt?

87.Was ändert KI beim Zahnarzt?

88.Vertreibt KI den Hausarzt?

89.Personalisiert KI die Medizin?

90.Wird KI in den Körper eingepflanzt?

91.Entscheidet KI über Leben und Tod?

6 WELT

92.KI in Deutschland/Europa – sind wir schon abgehängt?

93.Welche Rolle spielen die Vereinigten Staaten in der KI?

94.Welche Rolle spielt China in der KI?

95.Bekämpft KI den Klimawandel?

96.Bekämpft KI Armut?

97.Ermöglicht KI autonome Waffensysteme?

98.Zerstört KI die Demokratie?

99.Übernimmt KI die Welt?

100.Macht KI glücklich?

Der Autor

HINWEIS: Wenn bei Personenbezeichnungen die männliche Form gewählt wurde (z. B. Mitarbeiter), so sind damit in gleicher Weise Mitarbeiterinnen oder Transgender-Mitarbeiter*innen gemeint.

Ich danke Robert Weber für seine inspirierenden Gedanken.

Ich danke meinen Freunden für Ihre Fragen.

Ich widme dieses Buch meinem während der Schreibarbeiten verstorbenen Schwiegervater, Milutin Tendzeric.

 

1

EINFÜHRUNG

 

 

Sogenannte Einführungen in Bücher werden von den meisten Leserinnen und Lesern gerne überlesen. Aber für dieses Buch sollten Sie sich die Zeit nehmen, denn ich erkläre in den ersten Fragen die Grundlagen von künstlicher Intelligenz (KI) und maschinellem Lernen. Auf vieles, was in der Einführung beschrieben ist, beziehe ich mich in den folgenden Kapiteln, damit Sie besser verstehen, wie KI funktioniert.

Es ist keine Zauberwissenschaft.

1.Wozu ein Buch mit 100 Fragen über KI?

Siri, Alexa oder Hey Google kennen die meisten von uns. Von autonomen Fahrzeugen haben Sie vielleicht auch schon gehört. Doch künstliche Intelligenz (ab jetzt: KI) steckt in noch viel mehr Anwendungen in unserem Alltag, und es werden immer mehr. Oft sehen wir die Anwendungen aber gar nicht mehr oder nehmen sie nur verschwommen wahr. Die KI ist älter, als viele denken, bringt Vorteile, aber auch Risiken und geht nicht mehr weg. Deshalb sollte jeder Mensch wissen, was KI für ihn, seinen Alltag, seinen Beruf und seine Zukunft bedeuten kann. Ich habe die wichtigsten 100 Fragen zu KI gesammelt und beantworte sie.

Ich möchte Ihnen die Angst vor dem Umgang mit KI nehmen, erste Hilfestellungen geben, aber auch Ideen für KI-Anwendungen geben. Ich zeige Ihnen, wo uns schon heute KI in der Freizeit begegnet, wie sie unsere Arbeit ändert und unsere Mobilität bestimmen wird. Ich untersuche, welche Rolle sie in der Medizin spielt, wie sie das Lernen verändert, was sie mit uns Menschen macht und wo wir in Deutschland und Europa im weltweiten Kampf um KI-Vorherrschaft stehen.

Ich habe mich bei der Europäischen Kommission dafür starkgemacht, dass jeder EU-Bürger das Recht auf eine 60-minutige Einführung in das Thema KI bekommen sollte. Dabei geht es mir erstens darum, das Thema zu entmystifizieren. KI hat nichts zu tun mit dem, was uns immer in Kinofilmen gezeigt wird, nämlich den bösen Robotern, die uns Menschen in Geiselhaft nehmen. Zweitens möchte ich wachrütteln. Wiederholbare Arbeiten werden in den nächsten Jahren verschwinden bzw. sehr stark automatisiert. Und drittens möchte ich anregen, sich zu überlegen, was jeder in seinem Leben ändern möchte, bevor die KI es ändert. KI verändert vieles. Aber Angst muss niemand davor haben. Machen Sie sich schlau.

2.Was ist KI, also künstliche Intelligenz?

Gegenfrage: Was ist Intelligenz? Wir haben zwar umstrittene Intelligenztests zur Messung unseres Intelligenzquotienten (IQ), aber es fehlt uns eine eindeutige wissenschaftlich anerkannte Definition dessen, was Intelligenz ist.

Geprägt wurde der Begriff KI (auf Englisch: „Artificial Intelligence“) schon 1956 von dem Informatiker John McCarthy. Er schrieb in seiner Einladung zu einer Konferenz am Dartmouth College in Hanover, New Hampshire, Vereinigte Staaten, als Vermutung, „. . . dass jeder Aspekt des Lernens oder irgendeines anderen Merkmals der Intelligenz im Prinzip so genau beschrieben werden kann, dass eine Maschine gemacht werden kann, um sie zu simulieren“.

Seitdem gibt es Hunderte sonstige Definitionen, die alle mehr oder weniger „Lernen“ sowie „andere Merkmale der Intelligenz“, also kognitive, geistige Fähigkeiten repräsentieren. Aber die Wissenschaft hat sich bis dato eben nicht auf eine einigen können.

Ich unterscheide zwischen starker KI, die versucht, eine humane Intelligenz nachzubilden, und der ich deshalb kritisch gegenüberstehe, und schwacher KI, die in Form des maschinellen Lernens Muster in großen Datenmengen erkennt und uns Menschen als Werkzeug unterstützt. Derjenige, der sich bis dato nicht sonderlich mit dem Thema KI beschäftigt hat, sehr wohl aber regelmäßig Kinofilme gesehen und Bücher oder Zeitungsartikel zum Thema gelesen hat, wurde mit der starken KI konfrontiert. Manchen Menschen machen diese Hollywood-Szenarien Angst. Ich werde versuchen, Sie in diesem Buch davon zu überzeugen, dass es dafür keinen Grund gibt.

Sie werden sehen, dass das, was wir heute KI nennen, ein Werkzeug ist: eine vom Menschen in Gang gesetzte Mustererkennung durch Algorithmen in großen Datenmengen. Wir setzen sie zur vermeintlichen Erleichterung des täglichen Lebens ein sowie bei der Suche nach Lösungen für die großen Herausforderungen unserer Zeit. Als Freund aber, mit dem wir abends ein Bier trinken gehen und Witze erzählen, ist sie ungeeignet, und als Feind, der uns Menschen auf einen weit entfernten Planeten verbannt und ausnutzt, unfähig, solange wir ihr dies nicht ermöglichen.

3.Wo kommt KI her?

Der Engländer Alan Turing (siehe Frage 13), der im Zweiten Weltkrieg die Enigma-Chiffriermaschine entschlüsselte, stellte 1950 in seinem Aufsatz über „Computing Machinery and Intelligence“ die Frage: „Can machines think?“, also: „Können Maschinen denken?“

Den Begriff „Künstliche Intelligenz“ zuerst angewendet hat John McCarthy (siehe Frage 2). In den folgenden Jahren beschäftigten sich die meisten Wissenschaftler, nach der originären Definition, mit der genauen, regelbasierten Beschreibung der Intelligenz. In verschiedenen Projekten, anfangs bei der Übersetzung, später bei den Expertensystemen, wurden dann aber schnell die Grenzen des auch symbolisch genannten Ansatzes ausgemacht. Obwohl heute quasi unsere gesamte automatisierte Welt, von der Kaffeemaschine bis zum Flugzeug, regelbasiert funktioniert, hat man immer wieder einsehen müssen, dass die Welt um uns herum sich nur bis zu einer bestimmten Grenze in Regeln beschreiben lässt, dieser Ansatz daher ungeeignet ist, „Intelligenz zu simulieren“.

Die Perioden in den 1960er- bis 1980er-Jahren, in denen man dies realisierte, aber keine Resultate für die KI liefern konnte und deswegen Forschungsgelder gestrichen wurden, werden im Nachhinein die sogenannten KI-Winter genannt; der regelbasierte Ansatz wird rückblickend väterlich auch mal als „GOFAI“, „Good Old Fashioned AI“, also die „gute altmodische KI“, bezeichnet. Was nicht bedeutet, dass sie in Zukunft in Kombination mit der subsymbolischen KI nicht eine Rolle spielen könnte.

Der alternative, konnektionistische (wegen der neuronale Verbindungen) oder eben subsymbolische Ansatz, 1958 quasi ins Leben gerufen mit dem Perzeptron von Franz Rosenblatt, erfuhr in den ersten Jahrzehnten seinen eigenen, durch Uneinigkeit in der Community herbeigeführten KI-Winter. Das Perzeptron beschreibt das Prinzip des künstlichen neuronalen Netzes, heute quasi der Standardansatz im maschinellen Lernen. 1959 wurde es vom damaligen IBM-Mitarbeiter Arthur Samuel definiert als Studiengebiet, welches „Rechnern ermöglicht zu lernen, ohne explizit programmiert zu werden“. Maschinelles Lernen ist das, was wir heute meinen, wenn wir von KI reden.

4.Was ist schwache und was ist starke KI?

KI ist streng genommen ein unglücklich gewählter Begriff. Es geht nicht darum, menschliche Intelligenz nachzubilden. Ich stehe einer solchen „starken“ KI kritisch gegenüber. Die kleine, „schwache“ KI steht im Mittelpunkt meines Interesses. Sie gewinnt gegen Schachweltmeister, optimiert Produktionsanlagen und ermöglicht selbstfahrende Autos. Eine „starke“ KI, die menschenähnlich agiert, dem Menschen nacheifert, um ihn kognitiv zu überholen, existiert nicht, und Ideen dazu werden von mir sehr kritisch bewertet. Ich bin Verfechter einer humanzentrierten KI. Die KI wird, nach meiner Überzeugung, immer für den Menschen da sein, sollte auch so gestaltet sein und sollte sich in Zukunft gegenüber dem Menschen eindeutig zu erkennen geben.

Im Film „2001: Odyssee im Weltraum“ vom Regisseur Stanley Kubrick werden auf einer Forschungsreise an Bord eines Raumschiffs Wissenschaftler von HAL, dem zentralen Computer, für das übergeordnete Ziel, Jupiter zu erreichen, geopfert. Dieser Kinoklassiker hat das Grundverständnis geprägt, was intelligente Maschinen mit uns Menschen machen, sobald die vermeintliche Singularität, der Moment, in dem KI die menschliche Intelligenz übertrifft, erreicht werden würde. Das Thema ist leicht abgewandelt in „Blade Runner“ (1982), „Matrix“ (1999), „AI“ (2001), „I Robot“ (2004), oder „Ex Machina“ (2014) aufgenommen worden. Der Grundtenor ist doch immer derselbe: Der Mensch wird von der KI in Geiselhaft genommen, schlecht behandelt, ausgenutzt oder sogar getötet.

Dieses Basismotiv aus den KI-Büchern und -Filmen der letzten Jahrzehnte darf wohl als Grund dafür gesehen werden, dass viele Menschen Angst vor KI haben. Nachdem Sie dieses Buch gelesen haben, werden Sie vielleicht bald mit mir der Meinung sein, dass KI nichts anderes ist und sein kann als ein Werkzeug in den Händen der Menschen; nicht anders also als eine Schere oder eine Säge. Ein wenig mächtiger, weshalb der eine oder andere nicht ganz Unbekannte wie Tesla-Chef Elon Musk oder der mittlerweile verstorbene Physiker Stephen Hawkins vor ihrer „starken“ Ausprägung gewarnt haben. Für mich steht fest: Eine KI kann sich selbst nicht anschieben. Das kann nur der Mensch. Wir brauchen also nicht die (schwache) KI zu fürchten, sondern sollten auf der Hut sein vor den Menschen, die diese KI für ihren eigenen Nutzen einspannen wollen.

5.Wie geht KI?

Wenn wir heute über KI reden, meinen wir in 99 von 100 Fällen maschinelles Lernen, also das von Arthur Samuel definierte Studiengebiet, welches „Rechnern ermöglicht zu lernen, ohne explizit programmiert zu werden“ (siehe Frage 3) In den vergangenen fast 50 Jahren haben Entwickler Probleme oder Chancen erkannt, diese in einer Anwendung, in einer bestimmten Programmiersprache aufgeschrieben, getestet, und bereitgestellt. In der Praxis hat die Anwendung Daten eingelesen und der Anwender am Bildschirm mithilfe der Anwendung Entscheidungen getroffen. Dieses Vorgehen ändert sich gerade grundlegend! Zuerst kommen die Daten, dann die Anwendung und zuletzt die Entscheidung!

Immer öfter werden Anwendungen auf Basis des maschinellen Lernens erstellt. Frei verfügbare Algorithmen finden Muster in den bereitgestellten Daten und helfen dem Anwender in der Anwendung, Entscheidungen zu treffen, oder treffen diese – vom Anwender vorher festgelegten – Entscheidungen immer öfter „selbstständig“.

Die wichtigsten Zutaten des modernen maschinellen Lernens, die hier noch einmal übersichtlich genannt und später detailliert beschrieben werden, sind also Daten, Algorithmen und Prozessoren. Abhängig davon, was ich vorhabe und in welcher Qualität die Daten geliefert werden, mit oder ohne Metadaten, kann ich zwischen verschiedenen Ansätzen (z. B. überwachtes oder unüberwachtes Lernen, neuronale Netze oder Deep Learning, um nur einige zu nennen) wählen.

Die mir zur Verfügung stehenden Ansätze wiederum bestimmen, welche algorithmischen Verfahren ich auf die Daten loslassen kann, z. B. „Random-Forest“ für ein Klassifizierungsproblem oder „k-Means“ für eine Clustering-Aufgabe. Bestärkendes Lernen sowie neuronale Netze, mit mehr oder weniger Zwischenschichten, haben ihre eigenen Einsatzgebiete.

Und letztendlich bestimmt auch die mir zur Verfügung stehende Prozessorleistung, was geht und was nicht. Eine einfache Regression oder ein Entscheidungsbaum auf einigen Megabyte (10 hoch 6) Daten funktioniert auf dem Laptop oder dem Smartphone. Für ein Deep Reinforcement Learning, also ein bestärkendes Lernen, mit mehreren Tausend Zwischenschichten auf einigen Terabyte (10 hoch 12) Daten muss schon ein Rechenzentrum oder eine Cloud-Lösung her, wenn die Lösung zumindest innerhalb einiger Stunden und nicht erst in drei Monaten zur Verfügung stehen soll.

6.Was ist der Unterschied zwischen Microsoft Word und KI?

Microsoft Word, so wie es in den 1980er-Jahren eingeführt wurde, ist oder zumindest war ein deterministisch funktionierendes Textverarbeitungsprogramm. Auch im Falle einer auf KI basierenden Anwendung laufen die Umgebung, also das Betriebssystem, sowie z. B. das Ein- und Ausschalten, aber auch konkrete Befehle wie zum Drucken oder zur Änderung einer Textfarbe deterministisch ab. Aber: Mittendrin gibt es Aufgaben, die in ihrem Kern probabilistisch, weil eben auf maschinellem Lernen basierend, gelöst werden.

Wo liegt da der Unterschied? Was genau bedeutet deterministisch? Und was genau bedeutet probabilistisch? Eine deterministische Anwendung enthält keine Elemente der Zufälligkeit. Jedes Mal, wenn wir eine bestimmte Aufgabe (also z. B. Dokumente drucken oder Textfarbe ändern) mit denselben Anfangsbedingungen ausführen, erhalten wir dieselben Ergebnisse. Eine probabilistisch funktionierende Aufgabe aber enthält Elemente der Zufälligkeit. Jedes Mal, wenn wir die Aufgabe ausführen, werden wir wahrscheinlich unterschiedliche Ergebnisse erhalten, selbst bei denselben Ausgangsbedingungen.

Maschinelles Lernen – vereinfacht gesagt die heutige KI – basiert auf Statistik und Wahrscheinlichkeitsrechnung. Wenn wir mithilfe einer Kamera in der Endkontrolle eines Produkts Bilder machen und diese von einem mit maschinellem Lernen erstellten Modell überprüfen lassen, erhalten wir letztendlich als Antwort ein regelbasiertes digitales OK („in Ordnung“) oder NOK („nicht in Ordnung“). Aber in der Stufe davor wird die dem Modell gestellte Frage: „OK oder NOK?“ das eine Mal mit einer Gewissheit von z. B. 99,34 % und das andere Mal mit 99,27 % mit einem OK beantwortet. Der Systemdesigner hat festgelegt, dass die Gewissheit des Modells bei, sagen wir, zumindest 99,20 % liegen muss, um als OK durchzugehen. Liegt die Gewissheit des Modells ein nächstes Mal bei z. B. 99,09 %, wird das Produkt als NOK aussortiert.

Jetzt ist Microsoft aber auch nicht stehen geblieben und hat seine Produkte mit KI ausgerüstet. So ermöglicht Word Online z. B. auf Deep Learning basierende intelligente Vorschläge für Alternativwörter. In dem Fall ist der Nutzer derjenige, der entscheidet, ob sie oder er bestimmte Vorschläge aufnimmt (OK) oder nicht (NOK).

7.Gibt es strukturell unterschiedliches Vorgehen beim Einsatz von KI?

Ohne Daten geht beim maschinellen Lernen – und das ist heutzutage KI – gar nichts! Nur, abhängig davon, was ich machen möchte und welche Art von Daten ich zur Verfügung habe, gibt es verschiedene Ansätze, um zum Ziel zu gelangen. Diese Ansätze unterscheiden sich hauptsächlich darin, wie die für die Kategorie relevanten Algorithmen lernen. Eine Entscheidung, die anfangs oft zu treffen ist, ist die nach der Aufteilung auf Basis dessen, wie viel ich über meine Daten weiß oder nicht:

Beim supervised (überwachtem) Lernen werden dem Algorithmus Input-Output-Datenpaare mitgegeben, als Basis für die Einstufung neuer Datenpaare. Die typischen Anwendungen sind die Klassifikation und die Regression. Bei der Klassifikation geht es z. B. darum zu entscheiden, ob das Produkt in der Qualitätssicherung „OK“ oder „nicht OK“ ist. Beispiele für überwachte Algorithmen sind „Random Forest“ für Klassifizierungs- und Regressionsprobleme sowie „Support Vector Machine“ für Klassifikationsprobleme. Die hier erwähnten Algorithmen werden später mit einem Beispiel näher erklärt. Im Falle der Regression ist die Ausgangsvariable keine Kategorie, sondern ein realer Wert, wie z. B. Euro oder Gewicht.

Beim unsupervised (unüberwachtem) Lernen soll der Algorithmus, z. B. „k-Means“, relevante Datengrüppchen, sogenannte Cluster, finden. Dies geschieht auf Basis ähnlicher Merkmale, also z. B. wie bei bei Kunden mit unterschiedlichem Kaufverhalten.

Reinforcement Learning oder „bestärkendes Lernen“ ist eine eigene, relativ neue Unterkategorie des maschinellen Lernens. Anders als beim überwachten und unüberwachten Lernen, welche beide auf Basis von Daten aus der Vergangenheit funktionieren, gibt der Anwender hier dem System das Ziel vor, und das System entscheidet selbst nach „Trial-and-Error“-Manier, wie es sich dem Ziel nähert und es erreicht; diese Art ist nicht unähnlich der Art, wie ein Kind lernt.

Künstliche neuronale Netze sind dem menschlichen Gehirn lose nachempfunden. Es gibt verschiedene Ausprägungen: weiterleitend, radial, mehrschichtig, faltend, sich wiederholend, modular sowie eine Langzeitfassung („LSTM“, siehe Frage 22