Laut Gartner wird bis 2025 mindestens die Hälfte der Unternehmen weltweit ihre eigenen Plattformen für künstliche Intelligenz (KI) entwickelt haben. Aufgrund des rasanten Wachstums des KI-Marktes wird KI zur wichtigsten Kategorie für Infrastrukturentscheidungen werden. Jetzt, da künstliche Intelligenz aktiv in unser Leben tritt, ist es höchste Zeit, dass wir uns über diese aufstrebende Technologie Klarheit verschaffen.
Wie unterscheidet sich KI von der traditionellen Datenverarbeitung? Das ist das Wichtigste, was Sie verstehen müssen, bevor Sie sich mit dem Thema beschäftigen. Bei der traditionellen Datenverarbeitung geben wir Daten ein, fügen einen Operator, eine Regel oder ein Modell hinzu und erhalten eine exakte Antwort als Ausgabe. Das beste Beispiel hierfür wäre eine einfache mathematische Operation. Sagen wir, unsere Daten sind die Zahlen 3 und 5. Wir fügen eine zusätzliche Operation hinzu und erhalten eine exakte Antwort, die 8 lautet. Bei der KI liegen die Dinge anders. Was wir hier eingeben, sind die Daten und die Antwort, um einen Operator als Ausgabe zu erhalten. Wenn wir also 3 und 5 als Daten und 8 als Antwort eingeben, sagt uns der Computer, wie wir zu 5 gekommen sind und gibt uns einen Operator – Addition. Mit anderen Worten: KI tut nicht einfach, was wir ihr sagen, sondern sie trifft Entscheidungen, indem sie Daten analysiert und logikbasierte Techniken anwendet.
Behandeln Sie sie wie Ihr Baby
Die menschliche Intelligenz verleiht uns die Fähigkeit zur Identifizierung, zum Verstehen, zur Klassifizierung, zur Entscheidung und zur Vorhersage. Dank unserer Intelligenz können wir Dinge erledigen, kommunizieren, uns richtig verhalten und Entscheidungen treffen. Auch KI kann Entscheidungen treffen und Maßnahmen ergreifen, genau wie Menschen. Und genau wie wir muss sie erst erwachsen werden, bevor sie die richtigen Entscheidungen treffen kann. KI kann mit einem Baby verglichen werden, das seine Intelligenz zunächst durch die fünf Sinne und dann während der lebenslangen Lernreise entwickelt. Künstliche Intelligenz ist zwar intelligent, aber nicht weiter entwickelt als der Mensch. Auch sie muss Dinge lernen.
Wie bereits erwähnt, lassen wir den Computer bei der herkömmlichen Programmierung „durch Anweisungen lernen“, während er bei der KI „durch Beispiele lernt“. Lassen Sie uns das verstehen, indem wir KI mit dem Schwimmunterricht vergleichen. Wenn Sie einem Kind das Schwimmen beibringen, geben Sie ihm nicht einfach Anweisungen wie „schwimme mit dem Gesicht im Wasser“ oder „staple deine Hände.“ Am besten zeigen Sie dem Kind, wie genau es seinen Körper, seine Arme und Beine bewegen muss, um nicht zu ertrinken. Die berühmte pädagogische Methode „mit Beispielen zeigen“ lässt sich also auch gut auf künstliche Intelligenzen anwenden, aber wir müssen Beispiele auf die Art und Weise liefern, die die KI versteht – wir liefern Daten.
Während Menschen ihre Intelligenz durch die fünf Sinne, Lebenserfahrung, Bildung, Lesen, Fernsehen und andere Dinge entwickeln, entwickelt sich die KI, indem sie aus den Daten lernt, mit denen wir sie füttern. Indem sie mathematische Modelle auf die Daten anwendet, extrahiert sie Wissen und findet Muster, um das Ergebnis vorherzusagen. Je mehr Muster sie erkennt, desto besser sind ihre Problemlösungsfähigkeiten.
KI wie Kochen
Die Bedienung künstlicher Intelligenz ist dem Kochen sehr ähnlich. Sie sollten wissen, welches Gericht Sie zubereiten möchten, und ein Rezept für dieses Gericht haben. Sie sollten auch entscheiden, welche Geräte und Werkzeuge am besten zu verwenden sind und die benötigten Zutaten vorbereiten.
Die Zutaten, also die Daten, sind das eigentliche Wesen der KI. Sie müssen Daten aus verschiedenen Quellen beschaffen – CRM, SAP-Systeme oder Marketing-Datenbanken. Der Prozess der Datenbeschaffung ist genauso wichtig wie die Auswahl des Gemüses für einen Salat – beide sollten frisch und relevant sein.
Die Werkzeuge, die wir zum Kochen verwenden, sind die Plattformen und Algorithmen, auf denen wir unsere KI aufbauen, während das Rezept nicht mehr und nicht weniger ist als ein Modell oder eine strategische Formel, die wir auf die Daten anwenden. Um das erwartete Ergebnis zu erzielen und die Zutaten nicht zu verderben, müssen Sie die richtige Plattform und das richtige Modell finden, denn es gibt Tausende von ihnen.
Das Gericht, das wir schließlich kochen, ist das Ergebnis, das wir von unserer KI erwartet haben – die Vorhersagen, Empfehlungen oder die Erkennung von Anomalien – all die Dinge, bei denen uns die KI eigentlich helfen sollte. Was kommt als nächstes? Wir sehnen uns nach Lob und bieten das Gericht unseren Gästen oder Familienmitgliedern an. „Vielleicht sollte man hier noch eine Zitrone hinzufügen“, „Es ist ein bisschen zu salzig“, „Mit dem Merlot passt es wirklich gut!“ – lernen Sie aus dem Feedback und versuchen Sie beim nächsten Mal, alle nach mehr verlangen zu lassen. In ähnlicher Weise lernt auch die KI aus ihren Erfahrungen und trainiert neu.
KI-Terminologie verstehen
Es gibt viele verschiedene Definitionen von KI. Vereinfacht gesagt, ist künstliche Intelligenz jede Technik, die es Computern ermöglicht, menschliches Verhalten nachzuahmen. Eine der entscheidenden Techniken, die es der KI ermöglichen, Probleme zu lösen, ist das maschinelle Lernen (ML), d.h. die Fähigkeit zu lernen, ohne explizit programmiert zu werden. ML-Algorithmen lernen durch Training, indem sie Muster in Daten erkennen und diese nutzen, um neue Vorhersagen und Empfehlungen zu geben. Eine der Varianten von ML-Algorithmen ist das Deep Learning, das Probleme löst, indem es mithilfe neuronaler Netzwerke Muster aus Daten extrahiert. Mit anderen Worten: Es erkennt verschiedene Arten von Mustern, genau wie ein Mensch. Deep Learning kann herkömmliche ML-Algorithmen bei der Arbeit mit so komplexen Daten wie Bildern, Sprache und Text übertreffen.
Obwohl KI „von selbst“ lernen kann, sprechen wir immer noch von überwachtem und unüberwachtem Lernen. Beim überwachten Lernen trainiert ein Mensch den Computer, Muster zu erkennen. Wenn die Aufgabe beispielsweise darin besteht, Katzen und Hunde auf Bildern zu erkennen, gibt ein Mensch dem System einen Trainingsdatensatz – eine Reihe von Beispielen, in denen die Katzen und Hunde selbst identifiziert und beschriftet sind. Auf diese Weise lernt die Maschine mit einem Menschen als Betreuer, wie sie die Aufgabe selbständig lösen kann.
Der Prozess des unüberwachten Lernens findet ohne menschliche Beteiligung statt. Das bedeutet, dass die Maschine gezwungen ist, selbständig Muster zu finden, wobei die Daten nicht gekennzeichnet sind. Diese Art des Lernens ist für Fälle relevant, in denen der Mensch das Muster nicht selbst erkennen kann und auf die Hilfe des Computers angewiesen ist.
Wenn Sie Ihre virtuelle Assistentin Alexa bitten, Ihnen das Wetter zu sagen, wird sie das tun, weil sie dafür trainiert wurde. Das ist ein vortrainiertes Modell. Bitten Sie sie, einen Uber für Sie zu bestellen, und sie wird es tun. Aber was ist, wenn Sie Alexa bitten, Ihren Lieblingsfilm zu nennen? Höchstwahrscheinlich wird es darauf keine Antwort haben, weil niemand es auf Ihren persönlichen Kontext trainiert hat. Ein vortrainiertes Modell ist also ein Modell, das mit einem bestimmten Datensatz trainiert wurde. Es kann zum Beispiel auf die englische Sprache, Wikipedia oder bestimmte Bereiche wie Bankkonten trainiert werden.
Technologie der Gegenwart
Künstliche Intelligenz ist nicht mehr nur eine Technologie der Zukunft. Sie hält immer mehr Einzug in unser tägliches Leben: digitale persönliche Assistenz, Musikempfehlungsdienste, Algorithmen zur Kaufvorhersage, selbstfahrende Autos und vieles mehr. In den nächsten fünf Jahren werden Unternehmen innovative Techniken für intelligentere und zuverlässigere, verantwortungsvolle und umweltverträgliche Anwendungen der künstlichen Intelligenz einführen. Seit Jahren unterstützt Orion Unternehmen auf der ganzen Welt bei der Umsetzung der besten Praktiken der KI. Wir setzen Deep Learning-Techniken ein, um führende datengesteuerte Lösungen zu entwickeln, die Ihr Unternehmen verändern werden.
Kontaktieren Sie uns , um mehr über unsere Expertise und Dienstleistungen im Bereich KI und maschinelles Lernen zu erfahren.