«Die Künstliche Intelligenz existiert nicht» (Luc Julia)

Die sogenannte « künstliche Intelligenz » («KI») ist heutzutage in aller Munden und zahlreiche Artikel werden jeden Tag im Internet darüber veröffentlicht. Das Thema generiert viele Debatten und Diskussionen zwischen den Einen, die Angst haben, dass Terminator-Roboter die Welt erobern werden und den Anderen, für die eine Zukunft ohne «KI» nicht mehr denkbar ist.

Von Christophe Makni

Die Experten selbst sind sich untereinander nicht einig. Luc Julia, einer der Hauptarchitekten von dem SIRI Assistenten bei Apple behauptet, dass eine echte künstliche Intelligenz nie existieren wird. Andere wie Elon Musk investieren erhebliche Beträge in die KI-Forschung und träumen von einer Welt wo Autos, Züge, Busse, Taxis etc. selbstgesteuert herumfahren.

Silicon Valley und China mit grossem Vorsprung

Dies generiert wiederum soziale und wirtschaftliche Fragen, da wahrscheinlich viele Jobs von der KI mittelfristig betroffen sein werden. Dank der KI werden aber auch neue Jobs kreiert, die wir uns heute gar nicht vorstellen können. Laut dem McKinsey Global Institute wird die KI bis 2030 eine zusätzliche globale Wertschöpfung von 13 Billionen US Dollars ermöglichen.

Dass jedoch alle Länder davon profitieren werden scheint nicht der Fall zu sein. Kai-Fu Lee, in seinem Bestseller «AI Superpowers: China, Silicon Valley and the new world order» zeigt deutlich, dass der Gap zwischen den beiden KI-Superpowers China und Silicon Valley und dem Rest der Welt bereits sehr gross ist. Zu gross? In den Vereinigten Staaten arbeiten fast alle KI Top Spezialisten für Google oder Facebook (80 % aller promovierten Machine Learning Engineers waren 2018 entweder bei Google oder bei Facebook angestellt). Und sowohl die amerikanischen wie auch die chinesischen Tech Companies haben über die vergangenen Jahre riesige Volumen an Daten gesammelt, was eine Voraussetzung für die Verwendung von KI-Algorithmen ist. Es ist so, dass mit mehr Daten Produkte und Dienstleistungen einer Firma kontinuierlich verbessert werden können, was zu einer höheren Kundenzufriedenheit, zu mehr Kunden und dann zu noch mehr Daten führt. Dank der künstlichen Intelligenz können Firmen damit einen substanziellen Wettbewerbsvorteil erzielen.

Künstliche Intelligenz = Maschinelles Lernen?

Der Begriff «künstliche Intelligenz» ist aber eigentlich nicht ganz passend, da es eher um «Machine Learning» geht, das heisst um Systeme, die in der Lage sind, ein konkretes und bestimmtes Problem zu lösen indem sie selber anhand von Daten lernen (d.h. ohne explizit programmiert zu werden). Bekannte Beispiele dafür sind der autonome Schach-Spieler Deep Blue, der 1997 gegen Garry Kasparov gewann oder der AlphaGo, der 2016 den besten GO Spieler aller Zeiten Lee Sedol besiegt hat. Solche Systeme sind heute in der Lage, Bilder oder Stimmen zu erkennen, Empfehlungen zu machen, Daten automatisch zu klassifizieren, Dokumente auszulesen, Prozesse automatisch durchzuführen etc.... Die Anzahl von Use Cases in jeder Branche ist bereits lang. Eigentlich verwendet jeder von uns jeden Tag Dutzende von Anwendungen, die bereits KI-basiert sind (amazon, gmail, netflix, spotify, whatsapp, facebook, youtube etc.).

Die Facetten von Maschinellem Lernen

In einer nahen Zukunft werden die meisten Anwendungen mit einem selbst-lernenden Teil ergänzt, so dass ohne Machine Learning kein Auskommen mehr sein wird. Hinter dem Begriff von «Machine Learning» stecken verschiedene Familien von Algorithmen. Die aktuellen klassischen Arten von maschinellem Lernen sind «Supervised Learning» (Classification, Regression), «Unsupervised Learning» (Clustering, Association), «Reinforcement Learning» und «Deep Learning» (künstliche Neuronale Netze). Für jede dieser Arten gibt es dann spezifische mathematische Modelle, die je nach zu lösendem Problem mehr oder weniger geeignet sind.

In sich ist ein Machine Learning Algorithmus technisch gesehen nichts anderes als ein System, das mit mathematischen Operationen selber versucht, ein Optimierungsproblem zu lösen. Es ist dann der Job von einem sogenannten Data Scientist oder Machine Learning Engineer, die richtigen Daten für das System auszuwählen, zu bereinigen und dann das System zu trainieren (und eben nicht zu programmieren), bis die Performanz gut genug ist, damit das System mit realen Daten im Betrieb verwendet werden kann. In der Praxis sind dazu weitere Aspekte, die zu berücksichtigen sind, zum Beispiel Governance, Ethik, Sicherheit etc. Vorfälle zum Beispiel betreffend Video Identifikation in Amerika (Der Film «Coded Bias» zeigt Details dazu) sind bereits passiert. Daher gibt es gewisse Regeln und Best Practices, die zu berücksichtigen sind, wenn man mit KI startet.

Wissen über maschinelles Lernen ist ein Wettbewerbsvorteil

Dank Machine Learning können gewisse Probleme automatisiert gelöst werden. Es ist für alle sinnvoll, sich mit dem Thema vertieft auseinander zu setzen, um besser zu verstehen, dass es bei KI eigentlich nicht um eine reine «künstliche Intelligenz» geht, sondern vor allem um moderne mathematische und statistische Ansätze, die es ermöglichen, komplexe Probleme zu lösen. Daher kann sich auszukennen mit KI dazu beitragen, sich einen entscheidenden Wettbewerbsvorteil zu verschaffen, im eigenen Business oder in der Bewerbung um einen interessanten Job.

Seminar zum Blog:

«Künstliche Intelligenz» - was man unbedingt darüber wissen muss