Was ist eine künstliche Intelligenz?

Die Definition einer künstlichen Intelligenz ist nicht so leicht abzugrenzen. Im Großen und Ganzen kann man es als ein System verstehen, dass ähnlich dem menschlichen Verstand agiert und in der Lage ist, Probleme eigenständig zu lösen. Dabei kann es sich einerseits um einen von Menschen programmierten Computer handeln, der mit Hilfe vorprogrammierter Algorithmen Datensätze verarbeitet und so zum Beispiel Muster erkennen, Prognosen oder Analysen erstellen und Entscheidungen treffen kann. Andererseits kann eine künstliche Intelligenz auch so programmiert sein, dass sie sich selber neues „Wissen“ aneignet. So verbessern sich zum Beispiel mit jeder Suchanfrage die Vorschläge von Google, da sich der Algorithmus immer mehr an das vom Nutzer individuelle Suchverhalten anpasst und so wiederum genauere Prognosen erstellen kann.

Seit wann gibt es solche Systeme? Die ersten Experimente mit „autonom“ funktionierenden Computern fanden schon in den frühen 1950er Jahren statt, als sich amerikanische Wissenschaftler zuerst bemühten, Computerprogramme zu schreiben, die einfache mathematische Probleme lösen können. Wenig später wurden die ersten Schachcomputer entwickelt, die bald schon amtierende Weltmeister besiegt haben. Und von da an, ging die Entwicklung stetig voran.

Wo kommen KI aktuell zum Einsatz?

Besonders in der Datenanalyse und Kommunikation kommen solche komplexen Systeme zum Einsatz. Wenn es darum geht, große Datensätze zu durchforsten und Unterschiede oder Gemeinsamkeiten auszumachen, ist eine Maschine effizienter oft als ein Mensch, da sie für eine bestimmte Tätigkeit perfektioniert werden kann und die Fehlerquellen daher recht überschaubar bleiben. Außerdem haben Maschinen keine körperlichen und emotionalen Bedürfnisse wie wir Menschen, sie müssen keine Pausen machen und beschweren sich auch nicht über das Arbeitsklima.

Die Art und Herkunft der Daten ist nebensächlich, solange Sie für einen Computer verständlich aufgearbeitet werden. So gibt es zum Beispiel schon Programme, welche anhand von Röntgenbildern schon bald mit größerer Wahrscheinlichkeit Krebszellen im menschlichen Körper ausmachen könnte als erfahrene medizinische Experten. Das funktioniert, indem das System ein Röntgenbild mit einer großen Zahl anderer abgleichen kann und so vor Ort eine Analyse anhand von Kriterien erstellt, welche zum Teil durch die Programmierung vorgegeben sind aber auch von der Maschine selbst "entschieden" werden.

Konkrete Anwendungsfelder dieser Technologie sind zum Beispiel die Bildersuche, jedoch nicht die herkömmliche Art, bei welcher NACH einem Bild gesucht wird sondern es wird MIT einem Bild gesucht (ähnlich wie die "reverse image search" von Google): man macht ein Foto von einem Gegenstand und das deep learning Netzwerk rekonstruiert und erkennt diesen dann, verarbeitet die Informationen zu einer Websuche und präsentiert ein Ergebnis, als hätte man mit einer Texteingabe gesucht. 
Auch Zielgruppen können bald schon von diesen Netzwerken generiert werden, da sie die Unmengen an Daten die Facebook, Google & Co. sammeln viel effektiver verarbeiten können und so genauere Profile von Personen erzeugen. So ist eine Echtzeit-Datenverarbeitung möglich, welche für retargeting Kampagnen von Bedeutung sein können, da Kunden noch während dem Einkauf entsprechende Anzeigen zugeschaltet bekommen können. Weiterführend kann auch die inhaltliche Kreation bald schon (zumindest teilweise) von künstlichen Intelligenzen übernommen werden. Die britische Press Association veröffentlich schon jetzt bis zu 30.000 von Computern geschriebenen Artikeln jeden Monat. Besonders zahlenlastige Themen wie die Sportberichterstattung oder das Wetter kommen dafür in Frage. Hier muss die künstliche Intelligenz nur noch die variierenden Daten (also Punktestände oder Luftfeuchtigkeit) in von Menschen erstellte Vorlagen einfügen und veröffentlichen.

Marketing - Marketing - Marketing

Der IBM 702 Großraumcomputer, 1955 - auf diesen Maschinen wurden die ersten Schachprogramme geschrieben.

In der Marktkommunikation finden künstliche Intelligenzen auch vielfältige Anwendungen. Alleinstehende Systeme sind noch selten, meistens findet man sie als Ergänzung zu bereits bestehenden Produkten und Funktionen. Ein Beispiel dafür ist die Spracherkennung in Mobiltelefonen oder Home-Assistent Produkten wie dem Amazon Echo. Auch diese Systeme können selbstständig lernen und so zum Beispiel verschiedene Stimmen unterscheiden und ihren Besitzern zuordnen.

Folgende Anwendungsbereiche kennt jeder von uns aus seinem Alltag:

Suchanfragen im Internet

In den frühen Tagen des Internets war es zwar erstaunlich, auf wie viel Wissen man plötzlich zugriff hat und wie viel bequemer sich neue Informationen gewinnen lassen. Doch bevor Google eine der größten Mächte des 21. Jahrhunderts wurde, musste man noch sehr präzise mit seinen Suchanfragen sein, um auch tatsächlich das zu finden, wonach man sucht. Heute übernehmen Algorithmen den größten Teil der Arbeit, indem Sie die eingegebenen Keywords mit Millionen vorheriger Suchanfragen abgleichen. So können sie vergleichen, welche Ergebnisse andere Nutzer mit der gleichen oder ähnlichen Frage letztendlich für sich aussuchen und präsentieren bei zukünftigen Anfragen jene Ergebnisse, die bisher am relevantesten waren. Weiters kommt speziell bei Google eine Wortanalyse zum Einsatz, welche Begriffe mit mehreren Bedeutungen im Kontext richtig einordnen kann, und so noch genauere Ergebnisse erzielt.

Produktvorschläge

Besonders fruchtbar für den Onlinehandel sind Algorithmen, welche für Kunden interessante Produkte anhand ihres bisherigen Kaufverhaltens vorschlagen. Wer sich auf Amazon einen Campingstuhl bestellt, kann sich fast zu 100% sicher sein, in den nächsten Tagen Vorschläge zu Zelten, Propangasflaschen und Taschenmessern zu bekommen. Auch das sind künstliche Intelligenzen, welche selbstlernend analysieren können, welche Produkte oft in Kombination gekauft werden und daher für einen Kunden interessant sein könnten. Die dafür notwendigen Daten können zum einen von anderen Nutzern der selben Plattform mit einem ähnlichen Kaufverhalten sein aber auch aus dem eigenen Kaufverhalten auf verschiedenen Plattformen.

Spracherkennung

Die ersten kommerziellen Chatbots waren noch mehr Spielereien als nützliche Tools. Mittlerweile sind die meisten Mobiltelefone mit einer Spracherkennung-Software ausgestattet, die sympathisch klingende Namen wie Siri oder Alexa bekommen. Aktuell sind diese Systeme noch sehr einseitig im Gebrauch, wobei der Nutzer bestimmte Befehle geben oder Fragen stellen kann und die KI dann anhand des Gesprochenen das (hoffentlich) richtige Ergebnis liefert. Seitdem Amazon sich mit ihrem Echo in unzähligen Haushalten einen Platz gesichert hat, wächst der Druck anderer Unternehmen mitzuhalten, daher sind in Zukunft noch weitere Entwicklungen in diese Richtung zu erwarten.
Starbucks hat sich die Technologie in einer neuen App zunutze gemacht, mit welchem man sein Getränk per Spracherkennung bestellen und dann in der nächstgelegenen Filiale abholen kann. Auch die amerikanische Baumarktkette Lowe’s verwendet in manchen ihrer Geschäfte Roboter (sie nennen sie Lowebots), welche wie ein Mitarbeiter auf Kunden zugeht und helfen kann, Produkte im Markt zu finden. Und sie helfen auch den Mitarbeitern, zum Beispiel mit der Erhebung des Inventars. 

Mit der Antizipation des „Internet der Dinge“, also einem Netzwerk aus Gegenständen, Fahrzeugen, Haushaltsgeräten, die in ständiger Kommunikation miteinander stehen, geht auch eine rasante Entwicklung solcher Produkte einher. Durch den sogenannten Netzeffekt werden Roboter wie der Lowebot oder die Barista App von Starbucks mit jedem neuen Nutzer und jedem anderen Gerät, welches sich global mit anderen verbinden kann, effektiver und breiter einsetzbar. Auch hier gilt wieder, je mehr Daten von verschiedensten Endgeräten in einem System zusammen laufen, desto individuelle relevantere Ergebnisse kann es am anderen Ende ausspucken.

Was passiert in Zukunft?

Aktuelle Entwicklung passieren besonders im Feld des „deep learning“, einer Form der künstlichen Intelligenz das mit einem Netzwerk ähnlich dem eines biologischen Nervensystems aus unbekannten Inputs selbstständig Zusammenhänge und Unterschiede ausmachen kann und diese dann in zukünftige Bewertungen einfließen lässt. Besonders in der Bild-, Audio- und Spracherkennung, Übersetzungssoftwares und der Medizin wird diese Methode angewendet. das prominenteste Beispiel ist Deep Dream, eine von einem Google Mitarbeiter entwickelte Software zur Bildgenerierung.
Hier wird die Software mit einem oder mehreren Bildern „gefüttert, bis es diese als solche erkennen kann. Im nächsten Schritt wird ein neues, anderes Bild eingespeist und das System schafft dann aus den ersten Referenzbildern gesammelten Informationen ein neues Bild. Die Ergebnisse sind nicht selten etwas verstörend und erinnern an abstrakte Träume (daher auch der Name).

So sieht es aus, wenn man ein van Gogh Bild durch das Google Deep Dream Netzwerk laufen lässt. Die ersten Versionen von Deep Dream wurden dazu trainiert, Hundebilder zu erkennen. Daher neigt der Computer dazu, in neue Bilder auch Hunde hinein zu interpretieren.

Foto: Google

Doch alles hat seinen Preis..

Trotz der allgemein zuversichtlichen Einstellung was die Entwicklung von künstlichen Intelligenzen betrifft gibt es auch warnende Stimmen. So hat gerade erst Elon Musik, Gründer von PayPal, Space X und Tesla, gewarnt:

The biggest issue I see with so-called AI experts is that they think they know more than they do, and they think they are smarter than they actually are. […] They define themselves by their intelligence and they don’t like the idea that a machine could be way smarter then them, so they discount the idea - which is fundamentally flawed.“

Und auch der kürzlich verstorbene Physiker Stephen Hawkins warnte 2014 gegenüber dem BBC, dass eine vollständig entwickelte künstliche Intelligenz das Ende der Menschheit bedeuten könnte. 
Alles in allem könnte man dem Ganzen mit gemischten Gefühlen begegnen, wobei es natürlich bequemer ist, sich vorerst auf die Vorzüge zu konzentrieren.