Machine Learning: Ein Blick in die Vergangenheit und Zukunft der KI

 

Was ist ein Denksportwagen?

Dieser und weiterer Fragen zum Thema KI und Machine Learning werden wir in diesem Artikel auf den Grund gehen. Geschichtlicher Hintergrund und aktuelle Forschung bilden hierbei die Basis für eine Zwischenanalyse des heutigen Standpunkts.

 

Begriffsklärung

Machine Learning ist im Themenfeld Artficial Intelligence (deutsch: Künstliche Intelligenz, kurz KI) zu verorten und gehört zu den wichtigsten Entwicklung- und Forschungsfeldern der Zukunft.

Artificial Intelligence teilt sich in folgende Teilbereiche auf. Reasoning; Knowledge representation; Auomated planning and scheduling; Machine Learning; Natural language processing; Computer vision; Robotics; General intelligence or strong AI. Der Begriff Intelligent trifft in Bezug auf Machine Learning nicht ganz zu, da es mehr um durch Maschinen bzw. Computer erkennbare Muster und Genauigkeit geht.

 

a-2729794_1280.png

 

Machine Learning befasst sich mit der automatisierten Entwicklung von Algorithmen basierend auf empirischen Daten bzw. Trainings-Daten. Dabei liegt der Fokus auf der Optimierung der Ergebnisse bzw. Verbesserung der Vorhersagen aufgrund von Lernprozessen. Künstliche Intelligenz hat zum Ziel Entscheidungen aufgrund erhobener Daten gemäß einem Menschen zu treffen. Die Technologie hinter dem Machine Learning sind sogenannte Neural Networks.

Der Mensch schaut sich seine Ideen bei der Natur ab. Ein bekanntes Beispiel sind die Flügel von Flugzeugen, welche einen Vogel nachahmen. Mit Neural Networks versucht man biologische neurale Netzwerke aus der Tierwelt zu imitieren. Dieser Hintergrund erklärt auch die häufigste Darstellungsform der KI: Ein Gehirn aus verbundenen Punkten. Diese zeigen die Generierung des Outputs aus den Inputdaten über verschiedene Stationen.

 

Die Geschichte der KI und des Machine Learnings

Wer interessiert an der geschichtlichen Entwicklung der KI ist, sollte im Jahr 1950 ansetzen. Zu dieser Zeit kam erstmals die Idee einer nicht biologisch geschaffenen Form von Intelligenz auf. Die eigentliche Umsetzung schien jedoch unmöglich. Aufgewärmt wurde der Denkprozess 1980/90. Der eigentliche Durchbruch der KI lässt sich ab den 2000er erkennen. Angefangen hat der Erfolg mittels intelligenten Sprachassistenten. Der Fokus lag hierbei auf dem Erkennen von gesprochenen Wörtern. Die Möglichkeit der Unterhaltung ist erst seit ein paar Jahren populär. Sprachassistenten wie Cortana oder Alexa erhalten seitdem immer mehr Eingriffspunkte in unseren Alltag.

Im Vordergrund steht bei jeder KI Anwendung die Unterstützung des Menschen. Die Wetterauskunft von Cortana und der Amazon-Einkauf mittels Alexa sollen unseren Tagesablauf angenehmer gestalten. An dieser Stelle lässt sich eine Verbindung zu Machine Learning wie folgt herstellen:

 

coffee-break-1291381_1920
Coffee time?

 

Der Kaffeekonsum steigt exponentiell mit der Müdigkeit an. Wie wäre es also, wenn ein Tool Deine Müdigkeit erkennen würde und Dir dann einen Kaffee bestellt? Der Sinn ist hierbei nicht den Menschen zu überwachen, sondern ihn bestmöglichst zu unterstützen. Da das Verhalten von Individuen aber, wie der Wortlaut sagt, individuell ist, muss die Maschine lernen können. Laut Alexander Klein und seinem Vortrag über „KI für Jeden“ hängt die Qualität der Unterstützung hierbei ausschlaggebend von der Menge der Trainingsdaten ab.

 

Derzeitige Forschung

Den heutigen Standpunkt der KI möchte ich mit einem Vergleich von Microsoft KI Pionier Yoshua Bengio verdeutlichen: Zurzeit ist die Forschung wie ein großer Berg und es scheint, also würden wir den Gipfel mittlerweile sehen. Doch wer sagt uns, dass hinter diesem Berg nicht weitere größere Berge liegen?

Gemeint ist damit, dass die Entschlüsselung des menschlichen Lernprozesses und dessen Übertragung auf Maschinen sehr komplex ist. Wann immer man glaubt den entscheidenden Schlüssel gefunden zu haben, findet man weitere Feinheiten, die alles „auf den Kopf stellen“ können.

Microsoft selbst arbeitet seit Längerem im KI und Machine Learning Bereich.

„At Microsoft, we are focused on empowering both people and organizations, by democratizing access to intelligence to help solve our most pressing challenges. To do this, we are infusing AI into everything we deliver across our computing platforms and experiences.“ Satya Nadella, 2016

Die Microsoft Produkte lassen sich in folgende Bereiche ordnen: KI Plattform; Lösungen für Unternehmen; intelligente Apps sowie digitale Assistenten. Mit Azure Machine Learning Studio kann man schnell und einfach erste KI Anwendungen erstellen. KI Bereitstellung erfolgt containerbasiert von der Cloud. Auch mit R oder Python lässt sich der Einstieg in Machine Learning realisieren.

 

Was ist ein „Denksportwagen“?

 

car-158548_1280

 

Beim Recherchieren für diesen Artikel ist mir aufgefallen, dass das wohl häufigste verwende KI Beispiel das Auto ist. Ob man darin wohl die Liebe der Deutschen zum Auto erkennt? Ein Wort ist mir jedoch im Gedächtnis geblieben: „Denksportwagen“. Auf ironische Weise fasst dieses Wort den Prozess der KI im Automobilbereich zusammen. In Zukunft wird nicht mehr entscheidend sein welchen Motor ein Fahrzeug hat, sondern wie gut seine künstliche Intelligenz und somit Lernfähigkeit ist.

Erinnerst Du dich noch an deine erste Fahrstunde? Die Autos von Morgen müssen selbst das Fahren lernen. Trotz ethischer Konflikte steht eines fest: Das selbstfahrende Auto wird die Anzahl der Unfälle reduzieren können und ist als Prototyp bereits jetzt auf Straßen unterwegs. Die Vorstellung, dass der Fahrer bald nur noch Beifahrer sein wird, mag manchen Menschen noch suspekt erscheinen.

Tatsache ist aber, dass sich KI schon heute in unseren Autos findet. Angefangen bei „Ziel eingeben“ per Sprachassistent bis zu Einparkhilfe. Im puncto selbstfahrendes Auto steht nicht nur die Erkennung von Verkehrshindernissen im Vordergrund, sondern auch deren Vorhersagbarkeit. Wusstest Du, dass 50% der Menschen bei einer rot werdenden Ampel umdrehen obwohl sie schon halb über die Straße gelaufen sind? Solche Risiken soll auch ein Auto lernen vorherzusagen.