In unserer Blog-Serie haben wir eine Mission: Licht ins Dunkel der Digitalisierungs-Begriffe zu bringen. Denn wir haben bei Vorträgen und Fachgesprächen immer wieder mal nur „Bahnhof“ verstanden. Es wurde mit technischen Begriffen um sich geworfen und wir haben uns gefragt, ob es anderen wohl auch so ergeht: dass sie die Begriffe zwar schon oft gehört haben, aber sie trotzdem nicht so genau kennen.
Im ersten Teil der Blog-Serie haben wir die Begriffe Digitalisierung und Algorithmen erklärt. In diesem Teil erklären wir die Begriffe Künstliche Intelligenz (KI), Maschinellem Lernen und Deep Learning.
Künstliche Intelligenz (KI)
In der Praxis ist die Künstliche Intelligenz der Versuch, menschenähnliche Intelligenz für Computer und Roboter nachzubauen. KI ist der Überbegriff für einen lernfähigen Algorithmus. Wir erinnern uns von letzten Blog-Beitrag: ein normaler Algorithmus ist eigentlich nur ein Prozess, eine Abfolge von Schritten – wie im letzten Beitrag erwähnt, könnte das beispielsweise das Kochen einer Suppe sein.
In manchen Bereichen ist uns Menschen die KI schon überlegen: wenn es sich um analytisch zu lösende und klar abgegrenzte Problemstellungen handelt, wie zum Beispiel das Spiel Schach. Hier sind die Schach-Computer gar nicht mehr durch einen Menschen zu schlagen.
Anders verhält es sich mit Problemstellungen, die Planung, logisches Denken und natürliche Sprache erfordern. KIs können beispielsweise noch nicht an das Wahrnehmungs- und Abstraktionsvermögen eines Vierjährigen heranreichen. Den Tast- & Geruchssinn einem Computer beizubringen, ist zum Beispiel eine sehr knifflige Angelegenheit und in der Entwicklung noch wenig ausgereift. Ein Computer-Wissenschaftler hat es so formuliert: „KI hat uns in nahezu allem geschlagen, was denken erfordert, doch versagt bei vielen Aufgaben, die wir erledigen, ohne nachzudenken.“
Aber auch bei der KI geht ja die Forschung weiter und wir sind schon gespannt auf die kommenden Entwicklungen. Derzeit lernen beispielsweise Super-Computer, die Emotionen und Gemütszustände von Menschen zu lesen. Basierend auf Tonlagen, verwendeten Wörtern und gezielten Fragestellungen wird aufgrund der Antworten das Befinden bzw. die Emotionen eines Menschen eingestuft. Und noch dazu lernt die KI ja mit jedem Gespräch mit und wird immer besser. Wir können also gespannt sein, wo diese Technologie überall eingesetzt werden wird.
Maschinelles Lernen & Deep Learning
Lernen ist ja die wesentliche Errungenschaft der Künstlichen Intelligenz (KI), das heißt ohne KI gäbe es kein maschinelles Lernen. Und Deep Learning ist die Weiterentwicklung von maschinellem Lernen. Aber beginnen wir mal mit einem Vergleich:
- Maschinelles Lernen eines Computers funktioniert ähnlich wie wenn man einem Schüler ein Buch in die Hand drückt, damit er sich den Lernstoff selbst erarbeitet. Das heißt, der Computer lernt selbst.
- Der Vorgang des Deep Learning geht weiter als maschinelles Lernen, das heißt der Computer lernt nicht nur den Lernstoff, den er erhält, sondern auch aus seinen Fehlern. Das bedeutet, er durchläuft immer wieder eine Lernschleife und verbessert sich kontinuierlich. [1].
Bei maschinellem Lernen vergleicht die Maschine die Resultate mit ihm bereits bekannten. Soll die Maschine zum Beispiel einschätzen, ob es sich bei einem Tier um eine Katze oder einen Hund handelt, vergleicht sie die Eigenschaften: Fell, frisst Mäuse, spitze und runde Ohren, miaut oder bellt, etc.. Findet sie bei dem unbekannten Tier eine oder mehrere dieser Eigenschaften, so kann die Maschine daraus schließen, um welches Tier es sich handelt. Sie lernt damit Katze und Hunde immer besser kennen.
Deep Learning (auf Deutsch: tiefgehendes Lernen) unterscheidet sich vom maschinellen Lernen, indem es Maschinen in die Lage versetzt, über die verfügbaren Daten hinaus zu lernen. Das beinhaltet die Fähigkeit, Informationen zu analysieren und zu bewerten, um logische Schlüsse zu ziehen, Lösungswege auszuwählen und aus Fehlern zu lernen. Je mehr Daten eine Maschine also empfängt, desto grösser ist ihre Lernfähigkeit und desto „intelligenter“ kann sie werden[2]. Am Beispiel der Erkennung von Katze und Hund erkennt die Maschine bei Deep Learning Muster in zum Beispiel einem Foto selbst und findet eigenständig heraus, durch Augen- und Ohrenform, Mundpartie etc., um welches Tier (und sogar welche Rasse) es sich handelt.
In der Praxis begegnet uns Deep Learning beispielsweise in diesen „kleinen Apps“, die es ermöglichen, lustige Nasen oder Hüte auf Fotos zu platzieren. Mithilfe von Deep Learning erkennt das App, wo sich auf dem Foto Nasen, Ohren und Stirn befinden. In den letzten Jahren hat sich Deep Learning vor allem in Bild- & Spracherkennung (wie zum Beispiel Dialekte) sehr stark entwickelt. Das heißt, dass das Lernen von Fremdsprachen schon bald nicht mehr erforderlich sein wird, weil Handy-Apps mithilfe von Ohrsteckern beinahe simultan übersetzen können.
In Teil 3 geht es weiter…
Beim nächsten Teil unserer Blog-Serie werden wir aufgrund der Brisanz eines weiteren Digitalisierungs-Begriffs eine NEUES Thema einschieben.
Dann geht es in der Blog-Serie wieder weiter wie geplant mit den Begriffen Robotik und Sensortechnik sowie Spracherkennung und Chatbots. Im letzten Teil werden Smart/Big Data sowie Virtual & Augmented Reality beleuchtet. Aber vielleicht geht es ja weiter, weil die Entwicklung hört nicht auf…
Neueste Kommentare