Hast du heute schon deine Accounts auf den sozialen Medien gecheckt? Die Rechtschreibprüfung beim Verfassen einer E-Mail aktiviert? Im Internet nach einem Produkt gesucht? Wenn du mindestens eine dieser Fragen bejahen kannst, hast du die Technologie der Künstlichen Intelligenz genutzt.  

Vielleicht gehörst du wie ich zu jenen, die den Begriff zwar kennen, sich darunter aber nichts vorstellen können. Mitunter löst der Begriff sogar Ängste aus. KI in Form fieser Roboter, die uns die Jobs klauen und die Weltherrschaft übernehmen?  

Damit wir wieder etwas ruhiger schlafen können, erklärt dir unser Blogger Marcel Barrer, was Künstliche Intelligenz eigentlich ist und wie diese bahnbrechende Technologie funktioniert.  

«Achtung Betrug! Künstliche Intelligenz passt auf.» 

«Smarte Wartung: Neues KI-System erkennt auch unbekannte Fehler.» 

Das sind Schlagzeilen aus einem Immobilienportal oder einer technischen Fachzeitschrift. 

Aber kann ein Computersystem intelligent sein? Was versteht man überhaupt unter künstlicher Intelligenz? 

Im folgenden Artikel versuche ich etwas Licht ins Dunkel zu bringen.  

KI beschäftigt sich mit Problemlösungen durch Computersysteme. Würde der Mensch diese lösen, wäre Intelligenz erforderlich.  

Zunächst muss man sich fragen, was Intelligenz überhaupt ist. Intelligenz ist die Fähigkeit, abstrakt und vernünftig zu denken und daraus zweckvolles Handeln abzuleiten. Technisch gesehen sind es Technologien, die menschliche Fähigkeiten ergänzen, sei es im Sehen, Hören, Analysieren, Entscheiden und Handeln. KI wird häufig als Oberbegriff für die beiden Technologien «Machine Learning» und «Deep Learning» verwendet.  

Machine Learning 

Beim» Machine Learning» werden mit Hilfe von Algorithmen Muster und Gesetzmässigkeiten in Datensätzen gesucht. Folgende Beispiele veranschaulichen, wie das funktioniert.  

Sensoren von Maschinen liefern unzählige Daten wie Temperatur, Schwingungen, Störungen. Die massenhaft anfallenden Daten werden Signalmustern zugeordnet. Es sind Schadens-, Verschleiss- oder Fehlerzustände. Weichen die Muster ab, droht ein Schaden. Das System kann also vor dem Schaden Warnungen anzeigen. Tritt ohne Warnung ein Schaden auf, erstellt das System automatisch neue Muster.  

Ähnlich ist das Verhalten in einem Immobilienportal. Auch hier sind Gesetzmässigkeiten hinterlegt, die auf Fake-Wohnungen hinweisen: Zu billige Wohnungen im Grossraum Zürich, am Wochenende aufgegebene Inserate wären Beispiele für Muster, welche auf Fake-Wohnungen hinweisen. Das maschinelle Lernen verhindert, dass solche Inserate erscheinen.  

Auch «Wearables», vernetzte Computersysteme die man am Körper trägt, liefern Unmenge Daten an die Hersteller wie Garmin, Samsung und Apple. Beim Krafttraining können die Systeme Übungen direkt den Sätzen zuordnen. Allerdings funktioniert das in den meisten Fällen nicht zuverlässig. Übungen mit den Beinen kann das System logischerweise nicht erkennen. Hier wären also zusätzliche Sensoren nötig. In der NBA-gehört das Spieler Tracking bereits zum Alltag. Hier werden Beschleunigungen, Drehungen und Sprünge analysiert.  

Deep Learning 

«Deep Learning» ist ein Teilbereich des «Machine Learnings». «Deep Learning» nutzt neuronale Netze, die dem menschlichen Gehirn ähnlich sind. Das System geht ähnlich vor, wie es der Mensch machen würde. Ein neuronales Netzwerk besteht aus einer Eingabeschicht, mehreren Zwischenschichten und einer Ausgabeschicht. Die Eingabeschicht verarbeitet als Beispiel die Pixel eines Bildes. Die Daten gehen an die erste Zwischenschicht dort werden sie gewichtet und gehen an die zweite Zwischenschicht. Dieser Vorgang wiederholt sich. Ist die Anzahl der Zwischenschichten hoch, so spricht man von einem tiefen neuronalen Netzwerk. Typische Beispiele sind Bilderkennung, Spracherkennung und Prognosen. «Deep Learning»- Systeme kommen in diversen Sprachassistenten wie Siri und Alexa vor. Sie erweitern ihren Wortschatz ständig. Tiefe neuronale Netzwerke sind allerdings fehleranfällig. Laut Presseberichten nahm Amazon eine HR-Software vom Markt, da sie Frauen benachteiligte. Da sich in der Regel mehr technikaffine Männer als Frauen bewarben, filterte Amazon die Frauen eher aus. Auch Facebook distanzierte sich kürzlich von der Technologie der Gesichtserkennung, weil diese einen massiven Eingriff in die Privatsphäre bedeuten und zu Diskriminierung führen können.  

Diverse Hersteller bieten KI-Services an. Beispiele sind Microsoft Azure Cognitive Services, Amazon Web Services (AWS) und IBM Watson.  

Der Autor

Marcel Barrer

marcel.barrer@bwzofingen.ch