Blog

KI - the next big thing of IT

Technologie

von  am 25. Apr 2017 um 09:12 Uhr

Eigentlich funktioniert Software ganz einfach, man muss ihr nur sagen, was sie tun soll. Doch genau das ist bei manchen Aufgaben alles andere als einfach. Hier kommt Künstliche Intelligenz (KI) ins Spiel – eine sehr komplexe Disziplin der IT, von der wir noch viel hören werden. Denn mit KI wird die Zukunft entwickelt.

In den letzten zehn Jahren ist KI aus der Nische der Expertenwelt ins Licht der Öffentlichkeit gerückt. Deutlich wurde dies durch den Sieg von IBM Watson in der amerikanischen Spielshow Jeopardy im Jahr 2011 und erst jüngst durch den Sieg von Googles AlphaGo gegen Lee Sedol, einem der stärksten GO Spieler weltweit. Das strategische Brettspiel GO stammt ursprünglich aus China und ist ungleich komplexer als Schach, obwohl es auf relativ einfachen Grundregeln basiert.

Auch in unserer alltäglichen Umgebung hat die KI bereits Einzug gehalten. Sprachgesteuerte Assistenten wie Apple Siri oder Microsoft Cortana lernen die Sprache ihres Nutzers besser verstehen, Fahrassistenzsysteme analysieren und interpretieren mit Radar und Kamera ihre Umgebung und intelligente Fotoalben durchforsten ihre Bildersammlung und suchen alle Fotos, die eine bestimmte Person enthalten.

Drei Faktoren waren für diese Entwicklung maßgeblich

  • Zum einen hat die Big Data-Bewegung nicht nur Produkte, Technologien und Infrastruktur gebracht, um im großen Stil an bestehenden Daten zu lernen. Sie hat auch dem Grundgedanken des Lernens aus Beispielen an Prominenz verholfen. Doch das allein reicht nicht aus.
  • Dazu kommt die vermehrte Nutzung spezieller Hardware wie die Chips der Grafikkarten und sogar speziell für KI designte Hardware (wie die erst kürzlich vorgestellte Tensor Processing Unit von Google). Erst mit dieser neuen Hardware wird es möglich, komplexere Algorithmen auf Big Data in zumutbarer Zeit anzuwenden.
  • Unter Umständen der relevanteste Faktor ist Deep Learning. Dies erlaubt intelligenter Software ein eigenständiges Erkennen von relevanten Merkmalen – man braucht lediglich genügend Beispiele.

Warum Deep Learning den Durchbruch bedeutet

Trotz all der verfügbaren Daten und der enormen Verarbeitungsgeschwindigkeit, waren viele Probleme nach wie vor eine Herausforderung. Es fehlte schlichtweg der passende Lösungsweg. Bei einem spannenden jährlichen Wettbewerb wird dies besonders deutlich: In der seit einigen Jahren statt findenden „Large Scale Visual Recognition Challenge“ müssen unter anderem Objekte auf Fotos in eine von 200 Kategorien – wie z.B. Auto, Tiger oder Trompete – einsortiert werden. Nur: Was macht eine Trompete zur Trompete, wie unterscheidet sie sich von einem Saxophon? Die Vielzahl der möglichen Fotos lässt die Komplexität erahnen. Die Antwort lautet Deep Learning – eine Weiterentwicklung bestehender Lernverfahren. Das Lernen erfolgt hierbei in mehreren Stufen, wobei jede Stufe mit einer wachsenden Abstraktion arbeitet. Erkennt die erste Stufe in einem Bild einzelne Kanten und Farbverläufe, so sind es in der nächsten Stufe bereits einzelne geometrische Formen und in Folge ganze Komponenten – wie ein Mundstück, eine Ventilklappe oder ein Trichter. Schlussendlich kann das System die Trompete erkennen. Dabei muss nicht vorgegeben werden, welche Komponente pro Stufe erkannt wird.

Vielversprechende Anwendungsfelder

Neben den heute bisher sichtbaren Fortschritten gibt es scheinbar unbegrenzte Anwendungsmöglichkeiten, in denen uns intelligente Programme unterstützen können. Ein Einsatzszenario in der Robotik ist das selbständige Erlernen von Arbeitsschritten. Wenn Bauteile ungeordnet in einer Kiste liegen, ist es schwer für einen Greifer, das passende Teil zu entdecken und passend zu greifen. Derzeit werden Ansätze verfolgt, bei denen die Erkennung der Bauteile und das passende Greifen durch einfaches Ausprobieren erlernt wird. Dabei kann der Roboter sogar am Ende selbständig bestimmen, ob der Vorgang erfolgreich war – er das Bauteil also korrekt hält – oder nicht. Damit kann das Lernen quasi über Nacht passieren – alles was man braucht, ist eine volle Kiste und genügend Zeit. Einmal erlernt, wird die Fähigkeit einfach auf alle andere Roboter verteilt und genutzt. Noch befindet sich dieser Ansatz in einem Forschungsstadium – erste Ergebnisse sind aber sehr vielversprechend.

Sei es durch Lernen am Beispiel oder Lernen durch Ausprobieren – es werden immer mehr Aufgaben für den Rechner zugänglich und uns in einer wachsenden Anzahl an Themen unterstützen.

In vielen Anwendungsfeldern wird KI derzeit zum zentralen Innovationstreiber. Das WIRED Magazin hat dies auf den Punkt gebracht, mit deren Prognose der nächsten 10.000 Startups – „Take X and add AI“ [Link Wired Homepage]

Zurück zur Übersicht

Diesen Beitrag teilen

Was sagen Sie zu diesem Thema? Diskutieren Sie mit!