KI klingt erstmal schwierig und kompliziert. Dabei kann man Künstliche Intelligenz leicht verständlich erklären … wie in dieser Serie von Blog-Artikeln.
Bei welchen Fragen und Aufgaben stößt Künstliche Intelligenz (noch) an ihre Grenzen? Bei welchen ist der Mensch der Maschine (noch) überlegen?! Sehen wir es uns an.
In den bisherigen Teilen dieser Serie zu „Künstliche Intelligenz – leicht verständlich“ haben wir Beispiele gesehen, die tatsächlich heute mit dem Stand der Technik möglich sind: Zum Beispiel können Menschen an ihrer Gangart erkannt werden (vgl. Teil 5) oder KI kann ansatzweise erkennen, wie das Wahlverhalten von Menschen ist, indem ihre Umgebung gefilmt wird (vgl. Teil 3). Alle Blogartikel sind am Ende dieses Artikels verlinkt.
Vieles ist mit KI schon möglich und wir stehen noch ganz am Anfang dieser Entwicklung. Die nächsten Jahrzehnte werden noch sehr viel mehr Möglichkeiten bringen.
Allerdings möchte ich auf vier Punkte hinweisen, um vielleicht die Euphorie etwas zu bremsen.
1. Daten sind der Treibstoff der KI
Künstliche Intelligenz ist vor allem momentan eine Disziplin, die auf neuronalen Netzen basiert. Neuronale Netze funktionieren nur dann, wenn man viele Daten hat, also viele Lernbeispiele. Das heißt, unser Hund aus Teil 2 muss sehr oft ins Gras springen, bis er lernt, das richtige Stöckchen zu holen. Ein selbstfahrendes Auto muss sehr viele Verkehrsschilder gesehen haben, um zu lernen, welches Schild was bedeutet.
Daten sind der Treibstoff der modernen Künstlichen Intelligenz und hier haben natürlich Unternehmen mit sehr vielen Datensätzen – wie Google, Microsoft und Co – einen klaren Vorteil gegenüber kleinen Unternehmen.
Ein Forschungsfeld ist, ob auch mit wenigen Daten gute Ergebnisse zu erzielen sind. Im Moment geht das noch nicht. Aber es wird fleißig daran geforscht.
Maschinen sind sehr schlechte Verwerter von Daten. Nehmen wir als Beispiel ein Kleinkind und zeigen ihm zum ersten Mal einen Apfel. Sagen wir dem Kind: „Das ist ein Apfel!“ Am nächsten Tag zeigen wir dem Kind einen weiteren Apfel, vielleicht von einer anderen Sorte; aber es ist auch ein Apfel. Wenn wir am dritten Tag mit dem Kleinkind in den Supermarkt gehen, wird es in der Obst- und Gemüseabteilung auf einen Apfel zeigen und sagen: „Das ist ein Apfel!“
Das heißt, ein kleines Kind – wenn man das als Maßstab für Künstliche Intelligenz nehmen sollte – ist in der Lage anhand von zwei bis drei Beispielen etwas zu erlernen; zum Beispiel das Konzept „Apfel“, unabhängig davon welche Apfelsorte es ist.
KI-Maschinen sind sehr viel schlechtere Verwerter von Daten. Man müsste also einer Maschine wahrscheinlich Hunderte oder Tausende von Äpfeln zeigen, damit ein KI-System zuverlässig dieses Konzept kennt. Das heißt, man braucht im Moment noch sehr große Datenmengen. Dabei spielt natürlich das Thema Datenschutz eine große Rolle.
2. Sprachverstehen ist (noch) auf einem sehr niedrigen Niveau
Bei unserem Beispiel zu einem Frage-Antwort-Test in Teil 4 haben wir gesehen, dass Sprachverstehen noch auf einem sehr niedrigen Niveau ist. Alles, was mit Sprache zu tun hat, sei es Text, Chatbots oder Spracherkennung – also ich spreche aktiv mit einem System – ist noch sehr rudimentär ausgebildet und nur in sehr beschränkten Anwendungsbereichen wirklich möglich.
Woran liegt das? Maschinen erkennen zwar komplizierte Muster, aber im Prinzip nur in statistischer Art und Weise und nicht die Bedeutung dieser Muster. Ohne dass ich verstehe, was mir jemand wirklich sagt, kann ich nicht darauf reagieren.
Also stellen Sie sich vor, Sie reden mit einem Kollegen und Ihr Kollege erzählt Ihnen eine halbe Stunde irgendetwas, was Sie vorher noch nicht gewusst haben. Dann gibt es zwei Möglichkeiten.
- Erstens: Sie verstehen es nicht; wenn Sie es nicht verstehen, dann werden Sie sich auch nicht mehr an die Worte des Kollegen nach einem Tag erinnern können; Sie können sich einfach nicht merken, was er wirklich inhaltlich gesagt hat.
- Oder zweitens: Sie verstehen es; dann verstehen sie die Inhalte und werden sich vielleicht den Rest Ihres Lebens erinnern und entsprechend agieren können.
Das heißt, das inhaltliche Verstehen ist ein wichtiger Punkt in der Kommunikation. Dazu sind KI-Systeme noch nicht in der Lage.
Es gibt Forschungsansätze, die in den Bereich der sogenannten symbolischen KI fallen. Aber das hat noch niemand so richtig „zum laufen“ bekommen.
Natürlich gibt es Sprachassistenten wie Google Assistent, Alexa oder Siri, die sich alle rühmen mit Künstlicher Intelligenz zu arbeiten. Aber versuchen Sie mal mit so einem System eine Konversation über fünf oder sechs Sätze hinzubekommen. Sie werden es nicht schaffen. Diese Systeme wissen sehr viel; aber sie sind darauf trainiert, dass sie nur kurze Sätze verstehen, die ihnen eine „Heerschar“ von Programmierern vorgegeben hat.
3. KI-Systeme sind Inselbegabungen
Öfter hört man in den Medien: „Das System lernt von selbst dazu“ und „KI ist es nur dann, wenn die Maschine von selbst lernt.“
Die modernen System lernen zwar von selbst. Allerdings lernen sie nur für den Einsatzzweck, für den sie gedacht sind. Das bedeutet: Wenn Sie ein KI-System haben, das zum Beispiel gut Schach spielt, oder ein KI-System, das einen Menschen an seiner Gangart erkennt (vgl. Teil 5), dann wird es ein Leben lang nur genau diese eine Tätigkeit ausüben können und niemals etwas anderes erlernen.
Also ein System, das gut Schach spielt, wird niemals irgendwie von selber drauf kommen: „Ach, jetzt lerne ich mal Mühle und spiele auch mit Menschen.“ Ein System, das einen Menschen an seinem Gang erkennt, wird niemals auf den Gedanken kommen, einen Menschen noch an seinem Gesicht zu erkennen.
Diese Systeme sind also sehr stark zugeschnitten und sind im Prinzip momentan Werkzeuge für einen sehr eingeschränkten Anwendungsbereich. Das macht sie dann auch oft eingeschränkt nützlich. Wenn ich nämlich sehr viele dieser Einzelwerkzeuge habe, weiß ich immer noch nicht, wie ich diese Werkzeuge zusammenbringen kann. Also ist 1 plus 1 nicht gleich 2. Wenn wir zwei Spezialsysteme haben – jedes auf einen bestimmen Anwendungsbereich spezialisiert – heißt das nicht, dass wir daraus ein System bauen können, das diese Fähigkeiten in sich vereint.
4. KI arbeitet meist intuitiv
Last but not least: KI von heute, was wir in den letzten Jahren als große Erfolge gesehen haben, ist im Prinzip alles EQ (Emotionale Intelligenz) und nicht IQ (Intelligenzquotient), vgl. Teil 2.
KI-Systeme haben kein logisches Kombinationsvermögen, wie wir es z. B. von Sherlock Holmes kennen. Dieser kennt ein paar Fakten, kennt ein paar Regeln über das Leben und weiß dann irgendwann, dass der Gärtner der Mörder war. Und zwar indem er – „ich kombiniere, Watson“ – aus verschiedenen Fakten und logischen Zusammenhängen die Lösung ableitet. Diese Art von Intelligenz, die einen gewissen mathematischen „Touch“ hat, funktioniert in der KI heute noch nicht.
Sondern die KI von heute sind sehr komplizierte statistische Systeme, die auf eine intuitive Art und Weise anhand von Beispielen erlernen, was richtig und falsch ist. Erstaunlicherweise so kalt und technisch diese Maschinen eigentlich erscheinen, basieren sie eher auf einer emotionalen Intelligenz denn auf einer intellektuellen Intelligenz.
Künstliche Intelligenz – leicht verständlich
Zum Schluss möchte ich kurz noch auf unser Seminar hinweisen: Künstliche Intelligenz (KI) erfolgreich einsetzen. Dieses ist jenseits von den großen Sprüchen und was KI alles kann – sondern die Grundkonzepte werden wirklich gut und einfach erläutert, was alles möglich ist und was nicht möglich ist. Auch für Nicht-Techniker verständlich erklärt. Ich freue mich immer über KI zu sprechen.
Auch dieser sechste und letzte Artikel dieser Serie stammt von Florian Werner-Jäger. Lernen Sie mehr zu KI und setzen Sie KI in Ihrem Berufsalltag – auch als Nicht-ITler – zu Ihrem Vorteil ein mithilfe des KI-Seminars Künstliche Intelligenz (KI) erfolgreich einsetzen.
Abonniere den Blog für rechtzeitige Infos über neue Inhalte.
Rückblick auf Künstliche Intelligenz – leicht verständlich
Im ersten Teil haben wir wichtige Aspekte und Begriffe zu KI kennengelernt: Neuronales Netz, Regression, Klassifikation.
Der zweite Teil beschreibt, wie Maschinen lernen, damit Künstliche Intelligenz entsteht, und warum KI mehr mit der emotionalen Intelligenz zu tun hat als mit dem Intelligenzquotienten.
Im dritten Teil sahen wir, wie Künstliche Intelligenz vorhersagen kann, welche Partei ich wähle – mithilfe von Bilderkennung.
Im vierten Teil lernten wir, ob Künstliche Intelligenz Texte besser lesen und verstehen kann als wir, wie gut also Textverständnis funktioniert.
Im fünften Teil haben wir betrachtet, ob Künstliche Intelligenz mich identifizieren kann – und zwar nur an der Art und Weise, wie ich mich bewege, wie ich gehe.