In den vergangenen Jahren wurde Künstliche Intelligenz (kurz: KI) zu einem echten Hype-Thema. Wohl auch deshalb, weil wir damit alle auch zahlreiche Bilder und Ideen aus Science-Fiction-Filmen in Verbindung bringen. Wie es mit Hype-Themen aber nun einmal häufig ist: Nicht alles, was dieser Technologie zugeschrieben wird, hat auch wirklich etwas damit zu tun.
James Bell, derzeit Head of AI & Machine Learning bei Dow Jones, hat im Rahmen einer Rede einmal gesagt: „Machine Learning is done in Python, AI in PowerPoint.“ – und für vieles, das Künstlicher Intelligenz zugeschrieben wird, stimmt das wohl auch.
Doch worum geht es wirklich?
Schon seit Mitte des vergangenen Jahrhunderts stellen sich Menschen selbst lernende Maschinen vor, die uns den Alltag erleichtern und mehr oder weniger menschlich denken können. Diese Gedanken waren Basis für unzählige Filme – und meist sind die menschlichen Maschinen hier nicht so gut weggekommen.
Aber der Reihe nach. Zunächst einmal sollten wir einige Begriffe klären, die für ein tieferes Verständnis der Grundlagen nötig sind. Unter Künstlicher Intelligenz versteht man ganz grob die Idee, Dinge smart zu machen. Es geht also darum, menschliche Tasks und Denkprozesse mit Technologie abzubilden und nachzubauen. Heutige AI-Systems sind in der Regel spezialisiert auf einen oder mehrere Tasks und können diese ausführen – teilweise sogar besser als wir Menschen es können.
Anwendungsfälle für eine solche KI können zum Beispiel die Erkennung oder Analyse von Objekten oder von Stimme sein. Es kann auch um Vorhersagen auf Basis einer größeren Datenmenge gehen, um Übersetzung von Texten oder um die Wiederherstellung von Daten, die beschädigt oder verloren gegangen sind, zum Beispiel bei einem Foto.
Und was ist Machine Learning?
Unter Machine Learning versteht man generell den Ansatz zur Schaffung Künstlicher Intelligenz durch Systeme, die aus Erfahrung lernen können, um Muster in einer Datenmenge zu finden. Maschinen werden trainiert, um diese Muster finden zu können, um daraus Schlüsse oder gar Vorhersagen ziehen zu können.
Während man mit herkömmlicher Programmierung also eine Vielzahl von Filtern benötigte, um bestimmte Dinge zu finden – zum Beispiel bei der Suche nach E-Mails – könnte Machine Learning diese Filter selbst erstellen, in dem sie Zusammenhänge selbstständig erkennt und definiert.
Und das Beste dabei: Machine Learning funktioniert immer besser je mehr Daten ein System erkannt hat – die Algorithmen verbessern sich mit der Zeit also selbst.
Und dann gab es da ja auch noch Deep Learning, richtig?
Richtig. Deep Learning wird als Teilbereich von Machine Learning bezeichnet und oft mit der Idee technologisch abgebildeter neuronaler Netze in Verbindung gebracht. Diese werden in bestimmten Bereichen, wie zum Beispiel bei der Verarbeitung von Bildern, Videos, Texten oder Audio eingesetzt.
Deep Learning kann man deshalb auch als die Technik zur Implementierung von Machine Learning bezeichnen.
Und jetzt?
Wichtig zu verstehen ist, dass die Idee von Künstlicher Intelligenz nicht neu ist und die zuvor beschriebenen Begriffe ein Stück weit aufeinander aufbauen. KI entstand in den ersten Überlegungen bereits in den 1950er-Jahren, in den 1980ern sprach man erstmals von Machine Learning und Deep Learning nahm rund um 2010 an Fahrt auf.
Derzeit sind wir in der Entwicklung noch weit von menschenähnlichen Robotern entfernt, die wir vielleicht aus Serien, wie „Westworld“ kennen. KI kann heute eine oder eine kleine Anzahl an genau definierten Aufgaben sehr gut lösen, eine allgemeine KI, also eine künstliche Kopie unseres menschlichen Denkvermögens über verschiedenste Aufgaben und Herausforderungen hinweg, ist Zukunftsmusik.