Warum Künstliche Intelligenz unsere Welt verändert

Artificial neuron Artificial neuron (Quelle: ktsdesign | fotolia.de)

Künstliche Intelligenz (KI) erlebt derzeit einen Siegeszug. Die Investitionen in den Markt steigen dramatisch an. Große Internetkonzerne wie Google, Amazon, Facebook, Baidu und Apple überschlagen sich mit Ankündigungen und beim Recruiting der Toptalente. Auch traditionsreiche Konzerne wie IBM – Stichwort Watson – investieren kräftig in das Thema. Immer häufiger liest man von intelligenten Anwendungen, die immer mehr Aufgaben übernehmen können, die vormals Menschen vorbehalten waren.

Von der Euphorie zum Tiefpunkt…

Diese Fortschritte sind nicht von heute auf morgen erfolgt. Als Geburtsstunde der Künstlichen Intelligenz gilt die „Dartmouth Conference“ von 1956. Die anfänglichen Erfolge der damaligen Zeit führten zu einer ersten Euphorie. Herbert Simon, einer der Urväter der KI, erklärte: „Maschinen werden in zwanzig Jahren in der Lage sein, jede Arbeit zu übernehmen, die Menschen tun.“ Und sein berühmter Kollege Marvin Minsky prophezeite: „In einer Generation werden alle Probleme, künstliche Intelligenz zu schaffen, substanziell gelöst sein.“

Tatsächlich zeigte sich aber, dass es für den praktischen Einsatz nicht genügt, Probleme „im Prinzip“ zu lösen. Die Skalierung auf die Komplexität der realen Welt erwies sich als problematisch, so dass sich Ende der 1970er-Jahre ein sogenannter „KI-Winter“ einstellte, in dem die Forschungsgelder für die junge Disziplin dramatisch zurückgeführt wurden. Auf die Phase maximaler Euphorie folgte der Tiefschlag; die Entwicklung der KI verlief im typischen Muster eines Gartner Hype Cycles.

… und wieder zurück

Nach einer Ära sogenannter „Expertensysteme“ stellten sich aber sukzessive Erfolge. Dazu gehört Beispiel der Sieg des IBM-Computers Deep Blue gegen den amtierenden Schachweltmeister Garri Kasparow im Jahr 1996. Galt anfänglich Schach noch als Musterbeispiel der Intelligenz, rückten zunehmend scheinbar einfache Themen in den Vordergrund. In der KI ging es zunehmend um unsere Sinneswahrnehmungen, zum Beispiel unsere Fähigkeit, Objekte zu erkennen, mit Sprache umzugehen und komplexe Koordination vorzunehmen, wie dies beim Autofahren erforderlich ist.

Aber auch hier haben die Maschinen aufgeholt. Ein Meilenstein war der Sieg von IBMs Künstlicher Intelligenz Watson bei der Quizshow Jeopardy! gegen die Champions Brad Rutter und Ken Jennings in 2011. Bei Jeopardy! werden Antworten aus unterschiedlichen Kategorien präsentiert, für die die Kandidaten möglichst schnell eine passende Frage formulieren müssen. Die Aufgaben sind häufig bewusst mehrdeutig formuliert und erfordern die Verknüpfung mehrerer Fakten – was ein Computersystem vor signifikante Herausforderungen stellt.

Von den Erfolgen autonom fahrender Automobile liest man fast täglich. So hat die Google-Flotte aus 20 Fahrzeugen 2009 bis 2015 insgesamt 1,5 Millionen Kilometer autonom fahrend zurückgelegt und war dabei in ganze elf Unfälle verwickelt – ohne jeden Personenschaden und ohne auch nur an einem der Unfälle schuldhaft gewesen zu sein.

Anfang 2017 macht IBM weltweit Schlagzeilen, weil bei einer kleinen japanischen Versicherung (Fukoku Mutual Life Insurance) ein Drittel der Belegschaft in der Zahlungsabteilung durch IBMs Watson System ersetzt wird. Damit wird eindrucksvoll deutlich, dass Systeme der Künstlichen Intelligenz das Potenzial haben, Jobs im Bereich der Wissensarbeiter zu automatisieren und damit zu ersetzen.

Aus technischem Blickwinkel ist bemerkenswert, dass speziell der Ansatz künstlicher Neuronaler Netze (speziell mit dem „Deep Learning“) eine gewaltige Renaissance erlebt hat. Dabei haben sich deren Fundamente im Grunde seit Mitte der 1970er-Jahre nur graduell verändert. Wesentlich für den Erfolg scheint, dass heutzutage große Datenmengen für maschinelle Lernverfahren zu Verfügung stehen („Big Data“) und wir fast über die Cloud jederzeit Zugang zu großer Rechenleistung haben. Wesentlich bei maschinellen Lernverfahren ist, dass einem Computer nicht ein fertiger Algorithmus einprogrammiert wird, sondern dass der Computer den Algorithmus aus Trainingsdaten selbständig lernt. Gerade im Bereich der Wahrnehmung (von Bildern, Videos und Tönen), der Übersetzung und auch der Robotik sind viele Anwendungen erst hierdurch möglich geworden.

Was bringt die Zukunft?

Eine Denkschule mit durchaus prominenten Vertretern wie Elon Musk oder Stephan Hawkings sieht zwar großes Potenzial in der Künstlichen Intelligenz, etwa um Armut zu verringern und Krankheiten zu besiegen. Gleichzeitig warnen sie, dass wir etwas schaffen, das wir nicht mehr kontrollieren können. Interessant ist in diesem Zusammenhang: Es bleibt unwahrscheinlich, dass wir Maschinen mit einem konstanten Intelligenzniveau nahe dem menschlichen schaffen (wie dies speziell im Bereich von Science-Fiction populär ist). Denn würden wir menschliche Intelligenz in einer Maschine erzeugen, könnte sich diese Maschine vergleichsweise einfach selbst verbessern, um sich zu einer Superintelligenz aufzuschwingen, die die Menschheit hinter sich lässt.

Andere sind der Meinung, dass wir in absehbarer Zeit nur Systeme erleben werden, die auf spezielle Fachgebiete und Anwendungen zugeschnitten sind. Sie übertreffen menschliche Leistung nur in einem eng umrissenen Aufgabenfeld. Ein selbstfahrendes Auto mag unsere Leistungen hinter dem Lenkrad übertreffen, wird aber kläglich daran scheitern, ein Meeting zu moderieren.

Unstrittig ist indes, dass sich die Leistungsfähigkeit von Künstlicher Intelligenz sukzessive weiter steigert. Dazu trägt auch das Mooresche Gesetz bei, laut dem sich die Leistungsfähigkeit von Computern etwa alle 18 Monate verzweifacht. Und der Umstand, dass sich die digital verfügbaren Datenmengen grob alle zwei Jahre verdoppeln. Bei beiden exponentiellen Entwicklungen ist kein Ende in Sicht.

Unsere Welt wird sich durch Verfahren der Künstlichen Intelligenz verändern. Dies zeigt sich unter anderem in unserem Umfang mit Computersystemen (meist in der Cloud). Führten früher gleiche Eingaben zu gleichen Ausgaben ohne weitere Nebeneffekte, so „beobachten“ uns die Systeme mittlerweile, lernen aus unserem Verhalten und passen sich uns an. Besonders gut zu beobachten ist das in Form der personalisierten Werbung. Ganz klar: Unsere Beziehung zu technischen Systemen verändert sich.

Die ideale Kombination

Im Geschäftsleben wird sich der Trend fortsetzen, dass gewisse Tätigkeiten durch Computer ersetzt oder ergänzt werden. Die Mustererkennung in bildgebenden Verfahren der Medizin ist dafür ein Beispiel.  Aber auch klassische Schreibtischjobs sind betroffen, etwa wenn juristische Zweifelsfälle recherchiert und geklärt werden müssen. Einerseits bietet dies Chancen für Unternehmen und Organisationen, die diesen Trend vorteilhaft für sich zu nutzen wissen. Andererseits bedroht die Künstliche Intelligenz den Arbeitsplatz vieler Menschen, die sich bislang nicht als mögliches Opfer einer Automatisierung vermutet hätten.

Bemerkenswert ist, dass die Zusammenarbeit von Mensch und Maschine eine noch höhere Bedeutung bekommen könnte. Gelegentlich wird dieses Verfahren als „Augmented Intelligence“ bezeichnet. Im Zusammenspiel zwischen Mensch und Künstlicher Intelligenz lassen sich die jeweiligen Stärken vereinen und die Leistungsfähigkeit maximieren. Auch im Schach ist eine Kombination aus Menschen und Computern derzeit jedem Menschen und jedem Computer allein überlegen. Interessanterweise gewinnt nicht das Team mit dem besten Schachspieler der Welt oder das mit dem stärksten Computer. Am erfolgreichsten ist, wer eine gut aufeinander abgestimmte Kombination findet und die Zusammenarbeit in den Vordergrund stellt.

Ob aber Augmented Intelligence der Weisheit letzter Schluss ist oder nur ein Intermezzo auf dem Weg zur Superintelligenz, das vermag heute niemand fundiert beurteilen. Wir werden sehen.

Autor

Dr. Gero Presser ist Mitgründer und geschäftsführender Gesellschafter der QuinScape GmbH mit Sitz in Dortmund. Das 2001 gegründete Unternehmen beschäftigt über 100 Mitarbeiter und ist spezialisiert auf die Themen Apps und Portale sowie Integration und Analytics.

Kontakt:

Xing
LinkedIn

3 Kommentare
  1. Dr. Erich Behrendt
    Dr. Erich Behrendt says:

    Lieber Herr Presser,

    eine kleine sachliche Korrektur: Der Workshop auf dem Campus des Dartmouth College fand bereits 1956 statt.
    Es gab bereits damals semantische Verschiebungen in der Übersetzung in das Deutsche, Siemens sprach deshalb von wissensbasierten Systemen. Ich denke, das heutige Verständnis von „Künstlicher Intelligenz“ im Kontext von BigData ist nochmals ein anderes als früher die Gestaltungsfelder „Expertensysteme“ oder „maschinelle Mustererkennung“ in den 1980er Jahren.
    Ob ein Mehr an Daten zu besseren Entscheidungen führt? Bereits in der technischen Statistik, also in einem formalen und codifizierten Gegenstandsbereich, kommen wir ohne praxisbewährte Heuristiken nicht mehr aus. Und für dieses brauchen wir dann zielführende Daten/Werkeuge und nicht umgekehrt. Wir werden dies im neuen Kompetenzzentrum eStandards des BMWi aufgreifen und hoffen dabei natrlich auf Ihre Unterstützung.
    Glück auf nach Dortmund aus Recklinghausen
    Erich Behrendt
    Erich Behrendt

    Antworten
    • Gero Presser
      Gero Presser says:

      Hallo Herr Behrendt,

      schön von Ihnen zu hören, noch dazu hier und zu diesem Thema. Sehr gerne unterstützen wir/ich bei dem neuen Kompetenzzentrum, melden Sie sich einfach. Und viel Erfolg dafür.

      Vielen Dank für den Hinweis mit dem Dartmouth College bzw. der Konferenz. Sie haben natürlich recht, es war 1956.

      Beste Grüße nach Recklinghausen,
      Gero Presser.

      Antworten
  2. IDD Redaktion
    IDD Redaktion says:

    Hallo allerseits,

    wir haben die Jahreszahl der Konferenz am Dartmouth College korrigiert.

    Beste Grüße,

    Ihre IDD

    Antworten

Dein Kommentar

Want to join the discussion?
Feel free to contribute!

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.