Was Künstliche Intelligenz kann
 

Künstliche Intelligenz (KI) schwankt seit Jahren zwischen „Terminator“, „Technologie der Zukunft“ oder „neue Supermacht“ und „funktioniert nicht“, „ist enttäuschend“ oder „kein Vertrauen“.

Nicht umsonst gab es in den rund letzten 70 Jahren immer wieder sogenannte „KI-Sommer“ und „KI-Winter“. Genauer gesagt, gab es seit den 50er Jahren, in denen KI erforscht und entwickelt wurde, zwei KI-Winter: Anfang der 70er Jahre und Ende der 80er wurden die hohen Erwartungen in die Technologie enttäuscht. Investoren haben sich zurückgezogen und Forscher bekamen weniger Fördergelder.

Was hat sich bis heute geändert? Die Technologie wurde besser, wir haben mächtige Server mit viel Speicherplatz, Cloud Computing und es gibt „Big Data“. Eine neue Chance für die Potenziale der künstlichen Intelligenz! Ja, wir leben zur Zeit in einem KI-Sommer. KI ist wieder eine Superkraft, die Hoffnung der Zukunft.

Sie merken schon: die Erwartungen sind enorm. Was ist nötig, dass wir KI erfolgreich nutzen können? Klarheit. Wie entsteht Klarheit? Durch genug Informationen.

Im Folgenden erfahren Sie also was KI kann und was nicht.

Das kann künstliche Intelligenz

Was ist KI? Wie funktioniert KI? Was sind die Chancen und Gefahren der künstlichen Intelligenz?

Die älteste künstliche Intelligenz:

Die Geschichte der künstlichen Intelligenz beginnt mit einem Problem: In den 1940er Jahren versuchte der britische Mathematiker Alan Turing (1912-1954), eine „denkende Maschine“ zu bauen, einen Computer, der eine dem Menschen vergleichbare Intelligenz entwickeln konnte. Zur gleichen Zeit entwickelte Noam Chomsky (1928- ) eine Theorie der Linguistik, die sich auf einen theoretischen Rahmen für die maschinelle Übersetzung stützte. Beide Bereiche waren eng miteinander verknüpft.

Turing entwickelte in den 1950er Jahren den berühmten „Turing-Test“, um die Frage zu beantworten, ob eine Maschine denken kann: Eine Maschine gilt als intelligent, wenn ein Mensch sie im Gespräch nicht von einem anderen Menschen unterscheiden kann. Der Turing-Test ist seit jeher umstritten.

Die KI-Revolution hat gerade erst begonnen und verfügt über ein enormes Potenzial, sich auszuweiten. In den nächsten zwei Jahren wird jeder mit dem Konzept der künstlichen Intelligenz konfrontiert werden.

Stopp.

Lesen Sie noch weiter?

Haben Sie es bis hier hin durchgehalten? Respekt.

Eine KI hat diesen Abschnitt geschrieben.

An dieser Stelle herzlichen Dank an Christopher Ringel, der uns seinen Algorithmus für dieses Experiment zur Verfügung gestellt hat! Die KI wurde mit drei bis vier Sätzen gefüttert und hat daraus einen weiterführenden Beitrag geschrieben.

Sie haben gerade erfahren, wie eine KI darüber schreibt, was künstliche Intelligenz kann und was nicht. Irgendwie ironisch, finden Sie auch?

Was haben Sie beim Lesen des kursiven Abschnitts gedacht? Ich wusste am Ende des Textes nicht mehr, worum es eigentlich geht. Ich konnte die Zusammenhänge und Essenz des Textes nicht ganz nachvollziehen. Es fühlte sich wie eine etwas wirre und lange Hinführung zu einem Thema an. Und das Wichtigste: es gab keine Antwort auf die Frage „Was kann KI?“.

Gleichzeitig war ich fasziniert von den vielen Vorschlägen und Ideen, die der Algorithmus zum Thema „was kann KI“ bietet. Auch wenn kein fertiger Text entstanden ist, den man 1:1 verwenden könnte, sind einige Elemente dabei, auf denen man aufbauen kann.

Nun aber zurück zur Frage.

Klappe, die zweite: Das kann künstliche Intelligenz

Wir begegnen ihr bereits heute ständig im Alltag: Amazon oder Netflix Vorschläge entsprechend den eigenen Interessen, Navigationssysteme, Alexa & Co., die Sprache verstehen und vieles mehr.

All diese Systeme fallen unter die Kategorie „schwache KI“, oder etwas schöner auf Englisch, „narrow AI“. Damit sind Systeme gemeint, die ein ganz bestimmtes Problem lösen. KI-Anwendungen sind sehr fachspezifisch. Das bedeutet, sie können eine Sache sehr gut, schnell und effizient.

So kann beispielsweise unsere Predictive Sales Software sehr gut, schnell und effizient aus hunderttausenden Verkaufsdaten Vorhersagen über das zukünftige Kaufverhalten von Kunden treffen. Die Software ist jedoch nicht dazu in der Lage, Texte zu verfassen oder Sprache zu verstehen. Dazu bräuchte es einen anderen KI-Algorithmus.

Auch können KI-Systeme keine allgemeinen Ziele auf verschiedene Situationen übertragen. Zum Beispiel reicht eine zielgerichtete Anweisung wie: „achte darauf, dass du dich und niemand anderen nicht verletzt“ für das autonome Fahren nicht aus. Nein, es muss jede erdenkliche Verkehrssituation, in verschiedenen Varianten für die Maschine nachgestellt werden, sodass sie weiß, wie sie reagieren muss.

Künstliche Intelligenz kann also immer dort gut eingesetzt werden, wo es Datensätze gibt, in denen der Mensch der Maschine erst einmal vormachen kann, wie es geht. Das nennt sich auch „labeln“. Aus diesem „vormachen, bzw. labeln“, lernt die Maschine dann nach und nach dazu und kann das Gelernte dann auf neue Daten anwenden.

Wie gut funktioniert das heute?

Das sind realistische Erwartungen an eine KI

In speziellen Anwendungsbereichen funktionieren KI-Systeme bereits heute extrem gut. Im Prinzip in allen Situationen, die Routinecharakter haben.

Der obige KI-Text ist ein Paradebeispiel für die Grenzen von künstlicher Intelligenz. Es gibt sehr gute KI-Systeme, die einwandfreie Standardtexte erstellen. So werden bspw. kurze Börsenberichte teilweise schon von einer KI geschrieben und veröffentlicht. Texte mit Routinecharakter. Doch bei komplizierten Argumentationsketten und Fragestellungen stoßen die meisten Systeme an ihre Grenzen.

Um Ihre Erwartungen an ein KI-System realistisch zu halten, sollten Sie sich davor genau darüber informieren. Hier sind unsere Top 3 Fragen, die Sie stellen sollten:

1. Aus welchen Daten lernt die KI?

Eine KI kann nichts wissen, was sie nicht als Grundlage hat. Hat ein Bilderkennungsprogramm bisher nur Hunde und Katzen gesehen, wird es keinen Traktor erkennen.

2. Wie gut ist die KI schon trainiert, bzw. was ist ihre Trefferquote?

Kein System wird immer zu 100 % richtig liegen. Das liegt einfach in der Natur des maschinellen Lernens (ein Teilbereich der KI).

Im Prinzip treffen die Maschinen durch Mathematik und Statistik permanent Vorhersagen: Eine Vorhersage, ob ein Produkt gefallen könnte. Eine Vorhersage darüber, ob auf dem Bild eine Katze zu sehen ist. Eine Vorhersage über die wahrscheinlich schnellste Route.

Maschinen rechnen Wahrscheinlichkeiten aus. Je mehr Daten und Training die Systeme haben, desto besser werden sie.
Professionelle KI-Systeme schaffen eine Genauigkeit von bis zu 98 %.

3. Zu welchem Zweck soll die KI verwendet werden?

Wie gesagt, KI-Systeme sind „Fachidioten“. Sie werden nicht ein einziges mächtiges KI-Tool einsetzen können, welches beispielsweise eine ganze Firma koordiniert und leitet. Dazu sind zu viele verschiedene Fähigkeiten nötig. Heutige KI-Systeme sind in der Regel Hilfestellungen bei routinemäßigen Aufgaben oder Analysen.

Genau wie bei einer KI-basierten Predictive Sales Analytics Software. Die Software erstellt zuverlässige Vertriebsprognosen, wie z.B. welcher Kunde bald abwandert, welchen Preis für welches Produkt am passendsten ist, oder wo es Cross-Selling Potenziale gibt. Das Vertriebsteam hat jedoch immer noch das Ruder in der Hand und entscheidet selbst, ob und welche Vertriebsaktionen danach folgen

 
BERECHNEN SIE JETZT DEN ROI VON QYMATIX PREDICTIVE SALES SOFTWARE
 

Was kann künstliche Intelligenz (KI) und was nicht? – Fazit

Heutzutage gibt es keine „Terminator-ähnlichen“ KI-Systeme. Die meisten KI-Anwendungen haben einen enormen Nutzen als unterstützende Tools im Arbeitsalltag: nämlich bei routinemäßigen und dennoch zeitaufwändigen Aufgaben.

Unser Tipp ist es, sich über die grobe Arbeitsweise der verschiedenen Systeme zu informieren und die richtigen Fragen zu stellen. Nur dann können Sie einer KI-basierten Software im Arbeitsalltag auch vertrauen und insbesondere richtig nutzen.

Insgesamt können wir der Aussage von Dr. Martin Klarmann voll und ganz zustimmen: „Moderne Technologien, wie künstliche Intelligenz, werden kurzfristig überschätzt und langfristig unterschätzt“.

 

ICH MÖCHTE PREDICTIVE ANALYTICS FÜR DEN B2B-VERTRIEB
 

Literaturnachweis:

„Was kann KI“: Interview mit dem Physiker und Neurobiologen Christoph von der Malsburg (2019)



Schreibe einen Kommentar