Nachrichten

Von Carl Weinschenk | IT Business Edge

Künstliche Intelligenz (AI) ist eigentlich eine Gruppe von miteinander verbundenen Technologien. Sie ist komplex und für viele Menschen auch ein wenig beängstigend. Sie ist auch riesig und expandiert schnell.

Diese Größe zeigt sich sowohl in den Wertprognosen als auch in der breiten Palette von Branchen, die diese Technologien nutzen. Im Februar hat Markets and Markets schätzte den KI-Markt 2017 auf $16,06 Milliarden. Diese Zahl wird bis 2025 voraussichtlich $190,61 Milliarden erreichen. Das entspricht einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 36,61 %. Das breite Spektrum der Branchen ist ähnlich beeindruckend. Nach Angaben des Unternehmens wird KI im Gesundheitswesen, in der Fertigung, in der Automobilindustrie, in der Landwirtschaft, im Einzelhandel, in der Sicherheit, im Personalwesen, im Marketing, im Rechtswesen und in der Finanztechnologie eingesetzt werden.

Das Fazit ist, dass KI heute schon da ist. So geben beispielsweise die Vorschläge der Suchmaschine eines Streaming-Dienstes oder die von einer Website ausgewählten Anzeigen, die auf dem Computer einer Person angezeigt werden, immer genauer deren Geschmack wieder. Dies ist eine Anwendung von KI. Genauer gesagt handelt es sich um ein Beispiel für maschinelles Lernen, das einer der Bausteine der KI ist.

Maschinelles Lernen bildet zusammen mit mindestens zwei anderen Technologien die KI. Die Verarbeitung natürlicher Sprache ist, wie der Name schon sagt, die Wissenschaft des Verständnisses verbaler Kommunikation. Dies geht über die Entschlüsselung von Wörtern hinaus und umfasst auch Nuancen und Emotionen. Wenn zum Beispiel jemand auf eine Frage "Ja, klar" sagt, kann das entweder scherzhaft gemeint sein (vor allem, wenn es sich um einen Teenager handelt) oder wirklich als bejahende Antwort. Eine NLP-Maschine der Zukunft wäre in der Lage, zwischen diesen Möglichkeiten zu entscheiden.

Der zweite Bereich ist die Computer Vision, bei der es nicht nur darum geht, Bilder oder Videos zu entziffern. So hat ein Mensch in der Regel wenig Schwierigkeiten, das Bild einer Person zu erkennen, auch wenn Jahre vergangen sind, das Gesicht gealtert ist und die Frisur sich verändert hat oder verschwunden ist. Das ist jedoch eine Herausforderung für die Computer Vision, sagte Kimberly Nevala, die Leiterin der Geschäftsstrategie für SAS.

Die Rolle des maschinellen Lernens

Es gibt also drei Hauptbestandteile des KI-Puzzles. Sie können unterschiedlich kombiniert werden, um die gewünschten Ziele zu erreichen. Für einen bestimmten Anwendungsfall können weitere Elemente erforderlich sein, die diesen Kern ergänzen.

Maschinelles Lernen ist das schillerndste Element der KI und vielleicht das Element, das den Menschen Angst macht. "Maschinelles Lernen ist sowohl ein Substantiv als auch ein Verb", sagt Michael Wu, Ph.D. und Chef-KI-Stratege bei die intelligente Preisverwaltung von PROS integrieren,ein Unternehmen, das die AI und andere Tools, um seinen Kunden eine dynamische Preisgestaltung zu ermöglichen. Das Verb "maschinelles Lernen" bezeichnet den Prozess der Umwandlung von Daten in Modelle. [Es kann helfen, die Zukunft vorherzusagen und viele verschiedene Dinge zu tun.

Normalerweise arbeitet ein Computer nach den Anweisungen, die ihm von Menschen gegeben werden. Das wird immer ineffizienter, je komplexer die Aufgaben werden, für die er eingesetzt wird, je mehr sich die ursprünglichen Annahmen, auf denen diese Anweisungen beruhten, ändern und je mehr sich die Ziele des Unternehmens selbst entwickeln. In Szenarien des maschinellen Lernens nimmt das KI-System den gesammelten Input auf und passt seinen Auftrag im Laufe des Prozesses an.

Hier ist ein Beispiel dafür, wie diese Elemente zusammenwirken können: Angenommen, eine KI-Plattform wird eingesetzt, um dem Callcenter-Mitarbeiter eines Kabelfernsehbetreibers Informationen auf der Grundlage der Fragen eines Kunden zu liefern. In Zukunft wird das NLP-Element der KI-Plattform in der Lage sein, den emotionalen Status der Person, die das Callcenter anruft, anhand ihrer Stimme zu beurteilen: Ist sie verärgert? Wird sie sich wahrscheinlich abwenden? Oder ist es umgekehrt ein guter Zeitpunkt, um zu versuchen, der Person ein Upselling anzubieten? Auf dieser Grundlage werden dem Contact Center-Mitarbeiter die optimalen Tools zur Verfügung gestellt. Langfristig wird das maschinelle Lernelement der KI-Plattform diese Erfahrungen nutzen, um die Anleitungen und Materialien, die dem Contact-Center-Mitarbeiter in Zukunft zur Verfügung gestellt werden, besser anzupassen.

Ein anderes Beispiel konzentriert sich mehr auf das Element des maschinellen Lernens. Es gibt natürlich nur vier Grundrichtungen, in die ein Fahrzeug fahren kann: vorwärts, rückwärts, links und rechts. Es ist unmöglich, einem autonomen Fahrzeug (AV) vorzuschreiben, wie es in jedem Fall zu reagieren hat ("Wenn rechts ein Hund ist, fahr nach links" usw.). Mithilfe von Computer Vision kann das autonome Fahrzeug die Hindernisse erkennen und die entsprechende Reaktion einleiten. Das Element des maschinellen Lernens speichert dieses Wissen ("Wenn ein Hund rechts ist, geh nach links"). "Es gibt massive kombinatorische Probleme", so Nevala. "Aktionen sind gut definiert, aber wie man sie einsetzt, ist kompliziert. An dieser Stelle kommt das maschinelle Lernen ins Spiel. Es ermöglicht [dem Fahrzeug], aus Erfahrungen zu lernen."

Die zwei MLs

Es gibt zwei Arten des maschinellen Lernens, überwachtes und unüberwachtessagte Vince Jeffs, der Senior Director für Produktstrategie bei Pegasystems. Er sagte, dass der Großteil des maschinellen Lernens unter Aufsicht erfolgt.

Überwachtes maschinelles Lernen findet in Fällen statt, in denen der Computer eine Eingabe erhält und eine binäre Entscheidung trifft (ein Ja oder ein Nein). Wenn die Maschine mehr Informationen erhält - oder "Training" - bis sie die richtige Antwort findet, ist sie anschließend in der Lage, in ähnlichen Situationen die richtigen Entscheidungen zu treffen.

Beim unüberwachten Lernen, wie der Name schon sagt, wird der KI-Plattform eine große Menge an Daten zur Verfügung gestellt, aus der sie im Wesentlichen herausfinden kann, was sie damit tun soll. "Sie versucht, sich einen Reim auf die Welt zu machen, indem sie Dinge in Eimer packt", sagte Jeffs. "Es ist ein Ansatz, bei dem wir ihr keine Anweisungen geben. Wir 'führen den Zeugen' sozusagen nicht.

Maschinelles Lernen ist ein nie endender Prozess. Nehmen wir an, ein Algorithmus für maschinelles Lernen und die KI-Plattform, mit der er verbunden ist, schlagen vor, dass ein Unternehmen mit drei Mitarbeitern in der Versandabteilung zwei weitere einstellen sollte. Die nachfolgenden Daten werden kontinuierlich ausgewertet. Die Schlussfolgerung kann sich im Laufe der Zeit ändern, und neue Daten gelangen in das System. Es kann sich zum Beispiel herausstellen, dass fünf Mitarbeiter zu viel sind und einer versetzt werden sollte. Oder es stellt sich heraus, dass fünf nicht ausreichen, weil die zusätzlichen zwei Mitarbeiter so viele neue Aufträge gebracht haben, dass jetzt ein sechster Mitarbeiter erforderlich ist. Im Endeffekt handelt es sich um einen kontinuierlichen Prozess.