Was ist Künstliche Intelligenz?

Wie weit ist Künstliche Intelligenz heute schon? Was versteht man unter schwacher und starker KI? Wo liegen Chancen und Herausforderungen einer vergleichsweise noch jungen Forschungsdisziplin? – Wir beantworten grundlegende Fragen rund um KI!

Grafik Kuenstliche Intelligenz mit Datenstroemen und Code synonym maschinelles Lernen.

John McCarthy, ein Pionier der Künstlichen Intelligenz (KI), definierte diese bereits 1955 als:

Das Bestreben, Maschinen so agieren zu lassen, wie man es von einem intelligenten Menschen erwarten würde.

Seitdem haben sich diverse Interpretationen etabliert, die unterschiedliche Facetten von KI beleuchten:

  1. KI in der Theorie: Die Stanford-Universität sieht KI seit 2016 als Wissenschaft und Technologiebündel, inspiriert von menschlicher Wahrnehmung und Denkprozessen.
  2. KI in Aktion: Das Fraunhofer-Institut betrachtet KI pragmatischer als IT-Lösungen, die autonom agieren, ohne dass Menschen die Regeln dafür explizit festlegen müssen.
  3. KI für empirische Tests: In den Neurowissenschaften wird KI als Werkzeug genutzt, um Intelligenztheorien praktisch zu überprüfen, wobei Computerprogramme als Basis für wissenschaftliche Analysen dienen.

Einige wichtige Meilensteine der Künstlichen Intelligenz von den Anfängen bis zur Gegenwart:

  • John McCarthy und die Grundlagen: McCarthy legte mit seinen theoretischen Arbeiten einen Grundstein für KI.
  • Alan Turing und der Turing-Test (1950): Turing fragt, ob Maschinen denken können. Sein Turing-Test prüft, ob eine Maschine im Gespräch von Menschen nicht von einem echten Menschen unterschieden werden kann. Wenn Teilnehmer die Maschine für einen Menschen halten, gilt sie als intelligent.
  • Deep Blue besiegt Garry Kasparov (1997): IBMs Schachcomputer Deep Blue gewinnt gegen den Schachweltmeister, ein historischer Sieg für KI.
  • Das Big Data-Zeitalter (21. Jahrhundert): Explosionsartig wachsende Datenmengen und Rechenkapazitäten, verstärkt durch Cloud Computing, ermöglichen fortschrittliche maschinelle Lernverfahren.
  • AlphaGos Erfolg (2016): Das KI-Programm AlphaGo besiegt Top-Spieler im komplexen Strategiespiel Go, überraschend selbst für Experten mit innovativen Spielzügen.
  • XAI - Erklärbare KI (2016): Erklärbare Künstliche Intelligenz (XAI) zielt darauf ab, die Entscheidungen und Abläufe von KI-Systemen transparent und verständlich zu machen. Dies ist besonders wichtig in sensiblen Bereichen wie Medizin, Militär und Recht, wo Entscheidungen oft auf Basis der Vorschläge von undurchsichtigen neuronalen Netzen getroffen werden. 2016 startete die DARPA ein bedeutendes Forschungsprogramm zu XAI, was die Entwicklung transparenter KI-Systeme beschleunigte.
  • 2023: GPT-4 – Anflüge von Intelligenz?: Kurz nach dem Erfolg von ChatGPT (2022) lanciert OpenAI im März 2023 GPT-4. Dieses Update bringt erweiterte Fähigkeiten, darunter den Umgang mit Bildern und Videos, und vergrößert seinen Wortschatz. Microsoft, als Hauptpartner von OpenAI, erkennt in GPT-4 erste Anzeichen von Intelligenz. Parallel dazu bringt Google mit Bard einen eigenen Chatbot auf den Markt, während Bildgeneratoren wie Dall-E und Midjourney weiterhin für Aufsehen sorgen.

Die wesentlichen Funktionalitäten von KI-Systemen sind:

  • Lernen,
  • Verstehen,
  • Schlussfolgern/Urteilen und
  • Interaktion (mit Menschen, Maschinen).

Der Informatiker und Auto Jerry Kaplan beschreibt 2017 zudem die wachsenden Methoden Künstlicher Intelligenz in seinem Standardwerk "Artificial Intelligence" wie folgt:

The essence of AI- indeed, the essence of intelligence – is the ability to make appropriate generalizations in a timely fashion based on limited data. The broader the domain of application, the quicker conclusions are drawn with minimal information, the more intelligent the behavior.

Als Teilgebiete der KI gelten insbesondere:

1. die Technologie des Maschinellen Lernens (ML):

  • Lehrt Computer aus unstrukturierten Datensätzen wie Bildern, Texten oder gesprochener Sprache Muster zu erkennen und anhand dieser Entscheidungen selbständig zu treffen.
  • Maschinelles Lernen geschieht entweder durch Training anhand eines Datensatzes mit bereits bekannten Outputs (überwacht), oder Algorithmen müssen selbst Muster in Daten erkennen (unüberwacht).
  • Möglich ist auch Lernen durch Belohnung und Bestrafung (verstärkt), bei dem der Algorithmus selbstständig erkennt, ob die Lernkomponente dem gesamten System nutzt (Belohnung) oder nicht (Bestrafung).

Als vielversprechendste Methode des Machine Learning wird aktuell Deep Learning (DL) gesehen:

Deep Learning nutzt sehr tiefe neuronale Netze mit mehreren Ebenen und einem großen Datenvolumen. Diese Art des Lernens ermöglicht unter anderem das sogenannte Natural Language Processing (NLP). Dabei geht es um die Verarbeitung von Texten und natürlicher menschlicher Sprache, die unter anderem bei dem Sprachdienst Alexa von Amazon zur Anwendung kommt.

2. Reinforcement Learning

  • Fokus des maschinellen Lernens verschiebt sich vom Erkennen von Mustern hin zur erfahrungsbasierten sequentiellen Entscheidungsfindung; mittels Reinforcement Learning sollen KI-Anwendungen dahingehend geführt werden, Aktionen in der realen Welt auszuführen.

3. Collaborative Systems

  • Modelle und Algorithmen zur Entwicklung von autonomen Systemen, die gemeinsam mit anderen Systemen und mit Menschen zusammenarbeiten können bis hin zur Schwarmintelligenz

4. Crowdsourcing und Human Computation

  • Erforscht Methoden, um Computersysteme zu erweitern, indem automatisiert menschliches Fachwissen eingebunden wird, um Probleme zu lösen, die Computer alleine nicht bewerkstelligen können

Als Arten von KI gelten grundsätzlich:

a. „Schwache“ KI oder Artificial Narrow Intelligence (ANI)

Die limitierteste Form der Künstlichen Intelligenz und der derzeitige Stand der Technik.

b. „Starke“ KI oder Artificial General Intelligence (AGI)

Der Intelligenzstufe von Menschen vergleichbar, mit Kapazitäten zur Aufgabenerfüllung, wie sie sonst nur durch einen Menschen erfolgen könnte (Zukunftsvision).

Aktuell ist Künstliche Intelligenz nicht mit menschlichem Leben und Denken vergleichbar. Sie hat keine Gefühle, wird sich nicht eigenmächtig ihrem primären Zweck der Arbeit verweigern oder eigene Ziele verfolgen. Horrorszenarien, wie sie HAL, der Heuristische Algorithmus aus „2001: Odyssee im Weltraum“, zeichnet, sind bislang jedenfalls Fiktion.

Die bereits erwähnte „Schwache“ KI markiert den derzeitigen Status Quo der Forschung. „Starke“ KI oder Artificial General Intelligence (AGI) soll in Zukunft die Intelligenzstufe von Menschen erreichen und dann Aufgaben erfüllen, die normalerweise nur von einem Menschen erbracht werden können.

Artificial Superintelligence (ASI) ist ein weiteres erklärtes Ziel. Diese steht nochmals eine Stufe über der AGI und bezeichnet eine Form der KI, die intelligenter ist als der Mensch.

Die KI Methode des Machine Learning ist aus vielen Unternehmens- und Lebensbereichen nicht mehr wegzudenken.

Typische Einsatzbereiche der KI sind:

  • Spamerkennung und E-Mail-Klassifizierung
  • Personalisierung von Inhalten
  • Dokumentenklassifizierung
  • Prognose der Kundenmigration
  • Automatisierte Lösungsempfehlungen für den Kundendienst
  • Sentiment-Analysen (z.B. positive / negative Meinungen oder Äußerungen)
  • Routing
  • Entscheidungen von Nachrichten
  • Betrugserkennung bei Transaktionen
  • Diagnosesysteme
  • Empfehlungssysteme
  • Stauprognosen
  • Genomanalyse und Medizinische Diagnostik
  • Chatbots
  • Intelligente Assistenten (zB Siri, Alexa)
  • KI und das Internet der Dinge (Verbindung von Künstlicher Intelligenz und dem Internet der Dinge (Internet of Things – IoT); Die Kombination von „Smart Devices“ mit KI ermöglicht es, intelligentes Verhalten der Geräte zu simulieren und fundierte Entscheidungen mit wenig oder gar keiner menschlichen Intervention zu treffen.
  • Autonomes Fahren
  • KI im Gesundheitswesen
  • KI im Energiesektor (Nutzung von KI zur effizienten Kühlung von Datenzentren bei Google mit dem Programm DeepMind. Um den Energieverbrauch in den Datenzentren zu senken, setzte Google die KI von DeepMind zur Steuerung der Kühlung ein. Die Kühlungskosten konnten durch die KI um 40 % gesenkt werden)

Künstliche Intelligenz:

  • vereinfacht Arbeitsabläufe,
  • ermöglicht genauere Prognosen und schnellere Entscheidungen auf einer besseren Datenbasis,
  • schafft neue datenbasierte Geschäftsmodelle,
  • erhöht die Anpassungsfähigkeit von Unternehmen auf Marktveränderungen durch Echtzeitinformationen sowie Vorhersagen jenseits menschlicher Fähigkeiten (Effizienzsteigerung) und
  • ist ein Schlüssel zu erhöhter Wettbewerbsfähigkeit.

Drei gute Gründe für den Einsatz von KI in Unternehmen:

  1. KI optimiert Arbeitsprozesse
  2. KI spart Kosten
  3. KI hat ein hohes Wertschöpfungspotential

Durch die zunehmende Implementierung von KI-Systemen als eine der wesentlichen Produktkomponenten und Funktionen in digitalen Produkten und Services (Smartphones, Autos, Smart Home-Geräten etc.) wird der Wertschöpfungsanteil der KI außerdem entsprechend weiter steigen.

Zu den wichtigsten Problemen im Zusammenhang mit der Nutzung Künstlicher Intelligenz zählen u.a:

  • Bugs (Programmierfehler der KI-Software)
  • Cybersecurity (Angriffe auf die KI durch Hacker)
  • „Sorcerer's Apprentice“ Phänomen (die KI-Systeme führen unerwartete und falsche Handlungen aus – »die Geister, die ich rief«)

Erfahre mehr zu Anwendungen Künstlicher Intelligenz

KI auf den Weltmärkten

Der State of AI in the Enterprise Survey des Beratungsunternehmens Deloitte ist ein aktueller Zustandsbericht zu Entwicklung, Anwendung und Hemmnissen Künstlicher Intelligenz in deutschen Unternehmen. Er beruht auf einer Befragung von 100 AI-Experten durch das Beratungsunternehmen Deloitte in Q1 2019. Alle Befragten stammen aus Unternehmen, die bereits mindestens einen AI-Prototypen oder eine AI-Anwendung umgesetzt haben. Die Fragen richteten sich ausschließlich an Führungskräfte mit unmittelbarer Verantwortlichkeit für AI-Strategie, -Entscheidungsfindung, -Budgetierung und -Implementierung. Deloitte liefert damit eine repräsentative Schnittmenge aktueller deutscher Bemühungen auf dem internationalen Markt der KI. Wir versammeln die wichtigsten Zahlen und Ergebnisse der Befragung.

Die Microsoft Initiative „Make Your Wish“

KI-basierte Texterkennung, KI für Pflanzen oder intelligente Wartungssysteme. Die Bandbreite derer Ideen aus der Bevölkerung, die es ins Finale der Microsoft „Make Your Wish“-Initiative geschafft hatten, war groß und auch darüber hinaus fanden sich unter den insgesamt 100 Teilnehmern alles andere als DAU´s (Dümmster Anzunehmender User) oder FSVG´s („Fehler sitzt vor Gerät“) - Kürzel, die augenzwinkernd unter KI-Entwicklern u.a. für Zielgruppen-Persona gebräuchlich sind. - Die Gesellschaft hat also durchaus klare Vorstellungen davon, wie KI konkret unterstützend aussehen kann und will diese Ideen auch mitentwickeln.

AppZen kommt mit KI Spesenbetrügern auf die Schliche

Mit ihrer schlauen Software-as-a-Service verspricht das US-Unternehmen aktuell in Echtzeit die 100%ige Auslesung von maßgeblich firmeninternen Spesenabrechnungen bzw. Forderungen im Supply Chain auf der Basis von KI. Damit positioniert sich das Bilanzierungs - StartUp in einem Meer aus Quittungen und Rechnungen, die bislang zeitintensiv und de facto nur zu 20% im vergleichsweise analogen Firmenalltag hinterfragt wurden. Kunden wie IBM, Airbus oder Novartis nutzen bereits den Service von CEO Anant Kale und seinem Team. Pünktlich zur Jahresbilanz werfen wir einen Blick auf den digitalen Kassenprüfer!

Wie wird Künstliche Intelligenz künftig unser Leben bestimmen?

Was bedeutet dies für unsere Interaktion mit dieser “neuen Spezies“? Wie definieren wir menschliche Intelligenz überhaupt und (daraus folgend) Künstliche Intelligenz? Werden wir selbstfahrenden Autos und Artficial Doctors in Zukunft unser Vertrauen schenken und wer ist verantwortlich, wenn diese Maschine einen Fehler begeht? – ein Faktencheck!

Bild-Urheber:
iStock.com/agsandrew