Künstliche Intelligenz
Was ist das und warum sie immer mehr an Bedeutung gewinnt
Künstliche Intelligenz (KI) versetzt Rechner in die Lage, aus Erfahrung zu lernen, sich auf neu eingehende Information einzustellen und Aufgaben zu bewältigen, die menschenähnliches Denkvermögen erfordern. Die meisten heute geläufigen Beispiele für KI – von Schach spielenden Computern bis hin zu selbstfahrenden Autos – basieren vor allem auf Deep Learning und NLP (Natural Language Processing). Mit diesen Technologien können Computer für ganz bestimmte Aufgaben trainiert werden, indem sie große Datenmengen verarbeiten und in diesen Daten Muster erkennen.
Die Geschichte der künstlichen Intelligenz
Der Begriff „künstliche Intelligenz“, auch "Artifical Intelligence" genannt, wurde bereits 1956 geprägt, doch erst heute gewinnt die KI dank größerer Datenmengen, hoch entwickelter Algorithmen und Verbesserungen bei Rechenleistung und Datenspeicherung an Bedeutung. Im deutschsprachigen Raum sind beide Begriffe AI und KI geläufig.
In den 1950er Jahren beschäftigte sich die frühe Forschung zur KI mit Themen wie Problemlösung und symbolischen Methoden. In den 1960er Jahren begann das US-Verteidigungsministerium, sich für diese Arbeiten zu interessieren und Computer darauf zu trainieren, grundlegende menschliche Denkleistungen nachzuahmen. Die Defense Advanced Research Projects Agency (DARPA) führte in den 1970er Jahren beispielsweise Straßenkartierungsprojekte durch und schuf 2003 intelligente persönliche Assistenten, lange bevor Siri, Alexa oder Cortana in aller Munde waren.
Diese frühen Arbeiten ebneten den Weg für die Automatisierungs- und formalen Denkleistungen der Computer von heute, wie beispielsweise in Form entscheidungsunterstützender Systeme und intelligenter Suchsysteme, mit denen sich menschliche Fähigkeiten ergänzen und erweitern lassen.
Hollywood-Filme und Science-Fiction-Romane mögen beschreiben, wie künstliche Intelligenz in Form menschenähnlicher Roboter die Weltherrschaft übernimmt. Tatsächlich sind aktuelle KI-Technologien aber weder so furchteinflößend – noch so intelligent. Stattdessen zeichnet sich die KI durch viele spezifische Vorteile in allen Branchen aus. Lesen Sie weiter und informieren Sie sich über richtungsweisende Beispiele für künstliche Intelligenz in Gesundheitswesen, Einzelhandel und weiteren Branchen.
KI ist seit Jahren integraler Bestandteil von SAS Software. Wir unterstützen heute Kunden aus allen Branchen dabei, von den Fortschritte in KI zu profitieren. Und wir werden weiterhin KI-Technologien wie maschinelles Lernen und Deep Learning in Lösungen aus dem gesamten SAS Portfolio integrieren.Jim Goodnight CEO SAS
Künstliche Intelligenz und maschinelles Lernen
Sehen Sie sich dieses kurzes Video an! Es erklärt die Zusammenhänge zwischen KI und maschinellem Lernen. Sehen Sie, wie diese beiden Technologien funktionieren - anhand von Beispielen und einigen unterhaltsamen Anmerkungen.
Sie möchten Freunden und Familie erklären was künstliche Intelligenz ist? Dann teilen Sie dieses Video, die Erläuterungen sind allgemein verständlich.
Warum ist künstliche Intelligenz so wichtig?
- KI automatisiert das Lernen durch Wiederholung und die Discovery anhand von Daten. KI unterscheidet sich jedoch von der hardwarebasierten Automatisierung mittels Robotik. KI dient nicht der Automatisierung manueller Tätigkeiten, vielmehr führt sie häufig und mit großen Datenmengen anfallende, computergesteuerte Aufgaben zuverlässig und ohne Ermüdung aus. Dennoch bleibt für diese Art der Automatisierung menschliche Intelligenz - etwa für die Einrichtung des Systems und die Ermittlung der richtigen Fragestellungen - unverzichtbar.
- KI macht bestehende Produkte intelligenter. In den wenigsten Fällen wird es eine eigenständige KI-Anwendung zu kaufen geben. Stattdessen werden Produkte, die Sie bereits nutzen, um KI-Fähigkeiten erweitert, so wie etwa eine neue Generation von Apple-Produkten mit Siri ausgestattet wurde. Automatisierung, Gesprächsplattformen, Bots und intelligente Maschinen können in Kombination mit großen Datenmengen viele Technologien zu Hause und am Arbeitsplatz verbessern, von Security Intelligence bis hin zu Anlageanalysen.
- KI ist dank progressiver Lernalgorithmen wandlungsfähig, sodass die Programmierung letztlich durch die Daten erfolgen kann. KI findet Strukturen und Regelmäßigkeiten in Daten. Dadurch erwirbt der Algorithmus eine Fähigkeit und wird zum Klassifizierer oder Prädikator. So wie sich der Algorithmus das Schachspiel beibringen kann, kann er sich auch beibringen, welches Produkt als Nächstes online angeboten werden sollte. Und das Modell verändert sich, sobald neue Daten eingehen. Ein KI-Verfahren, das dies ermöglicht, ist die Backpropagation. Wenn die ursprüngliche Antwort des Modells unzureichend ist, wird es erneut trainiert und mit neuen Daten versorgt.
- KI ermöglicht die Analyse größerer Datenmengen in größerer Tiefe, und zwar mithilfe neuronaler Netze, die unter Umständen viele verborgene Schichten aufweisen. Noch vor wenigen Jahren wäre es fast unmöglich gewesen, ein Betrugserkennungssystem mit fünf verborgenen Schichten aufzubauen. Dank enorm hoher Rechenleistung und dank Big Data sieht das heute ganz anders aus. Für das Training von Deep-Learning-Modellen werden große Datenmengen benötigt, denn die Modelle lernen anhand von Daten. Je mehr Daten Sie für solche Modelle bereitstellen, desto präziser werden sie.
- KI erzielt höchste Genauigkeit dank tiefer neuronaler Netze – das war bisher fast unmöglich. So basieren zum Beispiel alle Ihre Interaktionen mit Alexa, Google-Suche und Google Fotos auf Deep Learning – und je mehr wir diese Funktionen nutzen, desto genauer werden sie. In der Medizin erzielen KI-Verfahren aus den Bereichen Deep Learning, Bildklassifikation und Objekterkennung bei der Krebsdiagnose in MRI-Bildern dieselbe Genauigkeit wie gut ausgebildete Radiologen.
- KI erschließt das volle Potenzial von Daten. Bei selbstlernenden Algorithmen werden die Daten selbst unter Umständen geistiges Eigentum. Die Antworten stecken in den Daten. KI hilft Ihnen sie zu finden. Da Daten heute eine größere Rolle spielen als je zuvor können sie Unternehmen einen Wettbewerbsvorteil verschaffen. In einer von starkem Wettbewerb geprägten Branche gewinnen die Unternehmen mit den besten Daten; selbst dann, wenn alle ähnliche Verfahren nutzen.
WildTrack und SAS: Spurensuche zum Schutz bedrohter Arten.
Flaggschiffarten wie Geparden sterben aus. Mit ihnen schwindet die Biodiversität und unser aller Lebensgrundlage. WildTrack prüft, ob sich künstliche Intelligenz dazu einsetzen lässt, wie einheimische Fährtenleser Spuren zu analysieren und bedrohte Tierarten so vor dem Aussterben zu bewahren.
Künstliche Intelligenz in der Welt von heute
Künstliche Intelligenz in der Praxis
In allen Branchen besteht ein großer Bedarf an KI-Fähigkeiten – insbesondere bei Systemen für die automatische Beantwortung von Fragen, die für Rechtsauskünfte, Patentsuchen, Risikohinweise und medizinische Forschungsarbeiten eingesetzt werden können. Hier einige weitere Einsatzbereiche für KI:
Gesundheitswesen
Mit KI-Anwendungen lassen sich personalisierte medizinische Leistungen bereitstellen und Röntgenbilder auswerten. Persönliche Gesundheitsassistenten als Life Coaches: Sie können Patienten an die Medikamenteneinnahme, Sport und eine gesunde Ernährung erinnern.
Einzelhandel
KI schafft virtuelle Einkaufsmöglichkeiten, die dem Verbraucher personalisierte Empfehlungen liefern und bei der Auswahl von Kaufoptionen interaktiv unterstützen. Auch das Bestandsmanagement und das Flächenlayout lassen sich mit KI verbessern.
Fertigung
KI kann die von vernetzten Geräten in Fabriken übertragenen IoT-Daten analysieren, um mittels rekurrenter Netze, spezieller Deep-Learning-Netze, die mit Sequenzdaten arbeiten, Auslastung und Nachfrage zu prognostizieren.
Sport
KI ermöglicht die fotografische Erfassung von Spielzügen, liefert den Trainern Berichte zur Optimierung von Spielaufstellung und Strategie und verbessert die Spielvorbereitung.
Zusammenarbeit zwischen Mensch und KI
Künstliche Intelligenz soll den Menschen nicht ersetzen. Sie erweitert unsere Fähigkeiten und verhilft uns bei dem, was wir tun, zu besseren Ergebnissen. KI-Algorithmen lernen anders als Menschen und ermöglichen uns einen anderen Blick auf die Welt. Mit ihrer Hilfe sehen wir Zusammenhänge und Muster, die uns sonst verborgen blieben. Die Partnerschaft zwischen Mensch und KI-fähigen Maschinen eröffnet viele Chancen:
- Sie ermöglicht die Nutzung von Analytics in Branchen und Bereichen, die bislang nicht davon profitiert haben.
- Sie steigert die Leistung bei vorhandenen Analysetechnologien wie Computer Vision und Zeitreihenanalyse.
- Sie ermöglicht die Überwindung ökonomischer Hindernisse wie Sprach- und Übersetzungsbarrieren.
- Sie erweitert vorhandene Fähigkeiten und verhilft uns bei dem, was wir tun, zu besseren Ergebnissen.
- Sie verhilft uns zu besserem Sehen, besserem Verständnis, besserem Erinnern und vielem mehr.
Vor welche Herausforderungen stellt uns der Einsatz künstlicher Intelligenz?
Künstliche Intelligenz wird in allen Branchen Veränderungen nach sich ziehen, aber wir müssen auch ihre Grenzen kennen.
Die wichtigste Einschränkung von KI-Systemen ist das Lernen auf der Grundlage von Daten. Es gibt schlicht keine andere Möglichkeit, Wissen in solche Anwendungen einzubetten. Das heißt aber auch, dass sich Ungenauigkeiten in den Daten in den Ergebnissen widerspiegeln. Zudem müssen alle zusätzlichen Vorhersage- oder Analyseschichten separat hinzugefügt werden.
Die KI-Systeme von heute sind für klar umrissene Aufgaben trainiert. Mit einem System, das Poker spielt, können Sie nicht Solitär oder Schach spielen. Ein System zur Betrugserkennung ist nicht in der Lage, ein Auto zu steuern oder Rechtsauskünfte zu erteilen. Ein KI-System zur Erkennung von Betrug im Gesundheitswesen kann nicht einmal präzise Betrugsfälle bei Steuerzahlungen oder Gewährleistungsansprüchen erkennen.
Anders ausgedrückt, sind diese Systeme sehr stark spezialisiert. Sie eignen sich für genau eine Aufgabe und sind weit von menschlichem Verhalten entfernt.
Selbstlernende Systeme sind zudem keine autonomen Systeme. KI-Technologien wie wir sie aus Film und Fernsehen kennen, sind immer noch Science-Fiction. Computer, die komplexe Daten untersuchen und anhand dieser Daten lernen können, bestimmte Aufgaben perfekt auszuführen, werden jedoch immer häufiger eingesetzt.
SAS® Visual Data Mining and Machine Learning
Die Aufbereitung von Daten für die Analyse, die Entwicklung von Modellen mit modernen maschinellen Lernalgorithmen und die Text-Analytics-Integration in einem Produkt vereinfachen den Einsatz von KI. Zudem können Sie Projekte programmieren, die SAS mit anderen Sprachen wie Python, R, Java oder Lua kombinieren.
So funktioniert künstliche Intelligenz
Große Datenmengen in Kombination mit schnellen, iterativen Berechnungen und intelligenten Algorithmen ermöglichen der Software das automatische Lernen anhand von Mustern oder Merkmalen in den Daten. KI ist ein breites Forschungsfeld und umfasst viele Theorien, Methoden und Technologien. Hier die wichtigsten Teilbereiche:
- Maschinelles Lernen automatisiert die Erstellung analytischer Modelle. Mit Methoden aus neuronalen Netzen, Statistik, Operations Research und Physik werden in Daten verborgene Erkenntnisse gesucht, ohne dass in den Systemen explizit programmiert ist, wo gesucht oder welche Schlüsse gezogen werden sollen.
- Ein neuronales Netz ist eine Art des maschinellen Lernens. Diese Netze bestehen aus miteinander verbundenen Knoten (Neuronen), die zur Verarbeitung von Informationen auf externe Eingangsdaten reagieren und Informationen zwischen den einzelnen Knoten weitergeben. Dieser Prozess erfordert mehrere Datendurchläufe, um Verbindungen zu finden und undefinierte Daten zu gewichten.
- Deep Learning nutzt große neuronale Netze mit vielen Schichten von Verarbeitungsknoten. Fortschritte in der Rechenleistung und verbesserte Trainingsverfahren ermöglichen dabei das Erlernen komplexer Muster in großen Datenmengen. Dieses Verfahren wird üblicherweise für die Bild- und Spracherkennung eingesetzt.
- Cognitive Computing ist ein Teilbereich der KI, der eine natürliche, möglichst menschliche Interaktion mit Maschinen anstrebt. Mithilfe von KI und Cognitive Computing soll letztlich eine Maschine entstehen, die Bilder und Sprache interpretiert, menschliche Denkprozesse simuliert – und schlüssig antworten kann.
- Computer Vision nutzt Mustererkennung und Deep Learning zur Erkennung der Inhalte von Bildern oder Videos. Wenn Maschinen Bilder verarbeiten, analysieren und verstehen können, können sie Bilder oder Videos in Echtzeit erfassen und deren Umfeld interpretieren.
- Natürliche Sprachverarbeitung (NLP) bezeichnet die Fähigkeit von Computern, menschliche Sprache, und zwar auch die gesprochene, zu analysieren, zu verstehen und zu erzeugen. Die nächste Stufe in der natürlichen Sprachverarbeitung ist die Interaktion in natürlicher Sprache, damit Menschen in ganz alltäglicher Sprache mit Computern kommunizieren und ihnen Anweisungen vermitteln können.
Darüber hinaus gibt es mehrere Technologien, die KI ermöglichen und unterstützen:
- GPUs (Grafikprozessoren) sind ein Schlüsselelement für KI, denn sie stellen die hohe Rechenleistung bereit, die für die iterative Verarbeitung benötigt wird. Das Training neuronaler Netze erfordert Big Data und hohe Rechenleistung.
- Das Internet der Dinge generiert enorme Datenmengen von vernetzten Geräten, die zum Großteil nicht analysiert werden. Dank der automatisierten Modellerstellung mithilfe von KI können in Zukunft mehr von diesen Daten nutzbar gemacht werden.
- Ausgefeilte Algorithmen werden entwickelt und auf neue Weise kombiniert, um Daten schneller und auf mehreren Ebenen analysieren zu können. Erst mit dieser intelligenten Art der Verarbeitung wird es möglich, seltene Ereignisse zu identifizieren und vorherzusagen, komplexe Systeme zu verstehen und einzigartige Szenarien zu optimieren.
- APIs, also Anwendungsprogrammierschnittstellen, sind portierbare Codepakete, mit denen bestehende Produkte und Softwarepakete um KI-Funktionen ergänzt werden können. Sie können Hausalarmanlagen um Bilderkennungsfunktionen erweitern und interaktive Frage/Antwort-Funktionen bereitstellen, die Daten beschreiben, Bildunterschriften und Überschriften erstellen oder auf interessante Muster oder Erkenntnisse in Daten hinweisen.
Zusammenfassend zielt KI also darauf ab, Software bereitzustellen, die Eingangsdaten sinnvoll interpretieren und dies bei der Ausgabe erläutern kann. KI ermöglicht in Zukunft eine menschenähnliche Interaktion mit Software und bietet Entscheidungsunterstützung für bestimmte Aufgaben. Den Menschen ersetzen kann sie nicht – und das dürfte auch noch einige Zeit so bleiben.
Mehr zu diesem Thema
-
Unlocking a strategic approach to data and AIAI is only as good as the data that powers it – this is a fundamental truth about data and AI that defines the limits of what’s possible with artificial intelligence. It may seem surprising, but it's rarely a bad algorithm or a bad learning model that causes AI failures. It's not the math or the science. More often, it's the quality of the data being used to answer the question.
-
AI anxiety: Calm in the face of changeAI anxiety is no joke. Whether you fear jobs becoming obsolete, information being distorted or simply missing out, understanding AI anxiety can help you conquer it.
-
Mit synthetischen Daten AI-Durchbrüche ermöglichenIn diesem Artikel beleuchten wir die entscheidende Rolle von synthetischen Daten in unseren daten-hungrigen AI-Initiativen, wie Unternehmen Wachstum mit synthetischen Daten generieren können, und welche ethischen Fragen noch nicht geklärt sind.
-
Was sind AI-Halluzinationen?Es ist schwer, Fakten und AI-generierte Fiktion voneinander zu trennen. Erfahren Sie, welche Fehler bei Large Language Models auftreten können und wie es in der Folge zu AI-Halluzinationen kommt – und lernen Sie, GenAI verantwortungsvoll zu nutzen.