Der aktuelle Stand in Sachen Künstliche Intelligenz

Ein Rubic's Cube der bereits mit KI gelöst werden kann.

Künstliche Intelligenz (kurz: KI) gibt es im Grunde schon seit Programmierer in den frühen 50er Jahren damit angefangen haben, Code zu schreiben. Alan Turing stellte 1950 den Turing-Test vor und im Jahr darauf erschienen bereits die ersten Dame- und Schachprogramme. Im Jahr 1956 machte sich KI ihren Namen und in den nächsten 20 Jahren wurde daran gearbeitet, eine intelligente Maschine zu erschaffen – jedoch vergebens. Damals waren Maschinen noch nicht in der Lage, menschliche Gesichter zu erkennen oder Sprache zu verstehen.

Im Jahr 1980 allerdings finanzierte die japanische Regierung das „5th Generation Computer Project“, um einen massiven Parallelrechner zu erschaffen. Mehrere Expertensysteme erschienen, dann wurde es wieder ruhig um das Projekt. Erst im Jahr 1993 konnten erneut Fortschritte erzielt werden, offenbar unterstützt durch das Mooresche Gesetz (die Prozessorgeschwindigkeit wurde alle 18 Monate verdoppelt). KI konnte technologische Fortschritte verzeichnen.

 

Was ist Künstliche Intelligenz?

Aus meiner Sicht ist das ultimative Ziel der KI, eine Maschine zu erschaffen, die genau wie ein Mensch denken kann, die rationalisieren und Probleme so lösen kann, wie wir Menschen es tun. Aber bis dahin ist es noch ein weiter Weg. Wir wissen noch nicht einmal genau, wie der Denkprozess funktioniert.
Man kann einen Menschen mit einer bestimmten Situation konfrontieren und er wird auf seine Kenntnisse, Fähigkeiten und auf sein Urteilsvermögen zurückgreifen, um das Beste aus dieser Situation zu machen. Computer jedoch können das nur in genau den Situationen tun, für die sie programmiert wurden oder mit denen sie gelernt haben, umzugehen.
Selbst fahrerlose Autos können im Grunde nur ein einfaches Problem lösen: Das Auto von A nach B bringen, ohne das Fahrzeug zu beschädigen und ohne die Insassen oder andere Fahrzeuge und deren Insassen zu gefährden. Dies geschieht mit Hilfe von Daten (sowohl statische, wie zum Beispiel Straßenkarten, als auch dynamische Daten wie Lidar-Scans), die dann in Echtzeit mit Algorithmen aus der Welt des maschinellen Lernens verarbeitet werden. Aber damit befassen wir uns später.
Hier können Sie einen Blick hinter die Kulissen werfen: Ein PDF von SAE International – den Leuten, die autonome (also z. B. fahrerlose) Fahrzeuge bauen.
Es ist ein sehr schwieriges Problem, aber Google und andere schienen bereits ganz nahe dran an der Lösung zu sein. Aber ist das wirklich Künstliche Intelligenz? Also, laut meiner Definition nicht. Lassen Sie uns also KI neu definieren: eine Maschine, die ein bestimmtes Problem schneller und/oder besser als ein Mensch lösen kann.

 

Aktuelle Beispiele für Künstliche Intelligenz

Laut dieser Definition gibt es heute in unserer Gesellschaft viele Beispiele von KI und die meisten davon sind in den letzten zwanzig Jahren entstanden.
Spiele, zum Beispiel. Schach- und Go-Programme haben vor kurzem die besten menschlichen Spieler besiegt. Der Zauberwürfel (Rubik’s Cube), Tic-Tac-Toe, Vier gewinnt, Dame und Head’s Up Limit Hold’em Poker wurden alle von Software gelöst. Bridge, Puzzles, Reversi oder Scrabble sind Spiele, die noch nicht von künstlicher Intelligenz gemeistert werden konnten. Dennoch spielt die beste Software bereits heute auf einem weit höheren Niveau als der Mensch. Dies beruht teilweise auf brachialer Methodik und schnelleren Prozessoren. Also nicht die beste Art, die Vorteile von KI hervorzuheben.
Einer der Bereiche, in denen enorme Fortschritte erzielt werden konnten, ist die Interaktion zwischen Mensch und Computer. Telefongespräche mit Computern sind noch nicht ganz perfekt, werden aber immer besser, und der Universal Translator von Star Trek nähert sich immer mehr der Realität.
Die Fehlerrate in der optischen Zeichenerkennung wird immer geringer, und die Sprachfunktion von Computern ist inzwischen so gut, dass es fast unmöglich ist zu unterscheiden, ob es ein Mensch oder eine Maschine ist, die spricht.

 

Automatische Bilderkennung

Was mich total fasziniert, ist die Tatsache, dass Computer-Software heute bereits Objekte (Menschen, Tiere, Gebäude, Gesichter etc.) in Fotografien und Bildern genauso gut identifizieren kann wie ein Mensch.
Wenn Sie das selbst mit einer Open Source Software ausprobieren möchten, versuchen Sie Tensorflow von Google für C++ oder Python Programmierer.
Kompakt-Kameras und DSLR-Kameras gibt es heute mit einem integrierten Gesichtserkennungscode, der Gesichter in einen besseren Fokus rückt und hervorhebt. Die Technologie ist jedoch noch nicht ganz ausgefeilt – manchmal kann bereits ein breites Lächeln die Chancen auf Erkennung reduzieren. Deshalb darf man auf Passfotos übrigens nicht lächeln.

 

Maschinelles Lernen

Die jüngsten Erfolge in Sachen KI werden vom sehr breiten Feld des maschinellen Lernens untermauert. Alles begann in den 90er Jahren, als sich der Schwerpunkt weg von den Bemühungen, eine künstliche Intelligenz zu erschaffen, hin zur Lösung praktischer Probleme bewegte. Diese Entwicklung geht auf das Studium der Mustererkennung und Computerlerntheorie zurück.
Die Anzahl der Anwendungen ist sehr hoch und umfasst zum Beispiel Spam-Filter, Kometenerkennung auf Fotos, Suchmaschinen und Computer Vision.
Der Beitrag von Laura D. Hamilton zu überraschenden Anwendungen für maschinelles Lernen beinhaltet Anwendungen, mit der Schiffe Walen im Ozean ausweichen können, die den Benutzer eines Smartphones daran erkennen, wie er das Telefon hält und bewegt, oder die erkennen können, ob jemand ein Psychopath ist, indem sie sein Twitter-Verhalten analysieren.
Machine Learning und Big Data sind verwandte Themenbereiche. Es handelt sich um eine aktuellere Technologie zur Verarbeitung und Analyse sehr großer Datenmengen, die zu umfangreich sind, um gespeichert zu werden. Große Einzelhändler können zum Beispiel ihre Kunden belohnen, indem sie ihnen Rabattgutscheine oder ähnliches anbieten. Sie können ihre Preise den Konkurrenzpreisen, regionalen Präferenzen und so weiter anpassen.
Eine etwas unkonventionellere Anwendung für Big Data ist das Aufdecken eines Völkermordes in Guatemala über einen Zeitraum von 36 Jahren, basierend auf einer Stichprobe von 80 Millionen detaillierten Aussagen.

 

Fazit: Der KI-Effekt

Wenn Sie sich näher mit künstlicher Intelligenz auseinandersetzen möchten, müssen Sie heute maschinelles Lernen studieren und verstehen, und natürlich auch Mathematik und Statistik sowie Informatik.
Ich vermute, dass durch das Ausbleiben sichtbarer Erfolge in Sachen KI in der Vergangenheit, der sogenannte KI-Effekt auftritt, wenn ein KI-Bereich Erfolg hat und zum Mainstream wird. Dann erhält dieser Bereich einen neuen Namen und wird nicht mehr als KI angesehen! Wie man so schön sagt: „Wenn es funktioniert, dann ist es nicht KI“. Wenn man also nach Argumenten dafür sucht, dass sich die KI-Forschung bewährt hat, dann ist es schwierig, etwas zu finden, das effektiv KI ist!

 

Sie kennen sich aus mit künstlicher und echter Intelligenz? Jetzt brandaktuelle IT-Jobs finden auf dice.com!

 

Weitere Themen:
Big Data im Alltag: 5 coole Beispiele in der Praxis
Künstliche Intelligenz – Wie weit sind wir wirklich?
Cortana vs. Siri vs. Google Now – Wo haben die Entwickler den besten Job gemacht?

 

 

Foto: Pexels

About David Bolton

David Bolton begann schon mit dem Programmieren, als er noch zur Schule ging und bevor es überhaupt PCs gab. Es gefiel ihm so sehr, dass er seinen Abschluss in Informatik machte. Er beschäftigt sich seit fast 35 Jahren mit dem Thema Programmieren – sowohl arbeitsbedingt als auch in seiner Freizeit. In dieser Zeit arbeitete er für Price Waterhouse, British Aerospace, MicroProse (wo Sid Maier Civilization kreiert hat), in einer gescheiterten Dotcom (HomeDirectory.com) und bei Morgan Stanley. Mehr als acht Jahre lange programmierte er Spiele, mehr als 12 Jahre Finanz-Software in London. Sein Leben beschreibt er als eine permanente Lernkurve. Er verfügt über umfangreiche Programmiererfahrung in 6502,Z80 und 68000 Assembler, Basic, Pascal, C, C++, C#, Java, PHP, SQL, Fortran, JavaScript und lernt zurzeit R. Außerdem entwickelt er heute mobile Apps in Xamarin (C#) und schreibt für Dice. Er lebt in New York (in Lincolnshire, England, nicht in den USA).
No comments yet.

Leave a Reply

WP-SpamFree by Pole Position Marketing