Suchen

IoT-Basics

Künstliche Intelligenz: Anwendungen, Projekte, Trends

| Redakteur: Jürgen Schreier

Neben Blockchain und Bitcoin der momentan größte Hype in der Digitalszene heißt Künstliche Intelligenz (KI). Die wirtschaftliche Bedeutung der Technologie ist enorm. Der Artikel gibt einen Überblick über aktuelle Projekte und Use Cases. Außerdem stellen wir einige KI-Forschungsvorhaben und -felder vor.

Firmen zum Thema

Selbstfahrende Autos, genauere medizinische Diagnosen oder Unterstützung bei der Aufklärung von Verbrechen: Künstliche Intelligenz wird schon heute in vielen Lebensbereichen eingesetzt und gilt als Schlüsseltechnologie der kommenden Jahre.
Selbstfahrende Autos, genauere medizinische Diagnosen oder Unterstützung bei der Aufklärung von Verbrechen: Künstliche Intelligenz wird schon heute in vielen Lebensbereichen eingesetzt und gilt als Schlüsseltechnologie der kommenden Jahre.
( Bild: Pixabay / CC0 )

Technothrill und jede Menge Action: Das verspricht der aktuelle Pageturner "Die Tyrannei des Schmetterlings" von Bestsellerautor Frank Schätzung. Das Thema seines Romans ist: Künstliche Intelligenz. Erwartungsgemäß läuft diese komplett aus dem Ruder. Die in einem Quantencomputer residierende KI-Engine entwickelt irgendwann einen eigenen Willen und beginnt, systematisch die Menschheit zu eliminieren, anstatt deren Probleme zu lösen, wie von ihrem Schöpfer intendiert.

Bildergalerie

Bildergalerie mit 23 Bildern

Wie immer bei Schätzing ist für Hochspannung gesorgt. Und auch sonst ist der Experte für rasante Thriller mit Öko- und Technologiebackground voll am Puls der Zeit. Denn kaum ein Thema - sieht man einmal vom Thema Blockchain ab - wird aktuell so sehr gehypt wie Künstliche Intelligenz. Insgesamt 1,2 Milliarden Ergebnisse liefert Google zusammen genommen zu den Suchbegriffen Künstliche Intelligenz, Artificial Intelligence und Machine Learning. Zum Begriff Blockchain spuckt die (selbst mit Künstlicher Intelligenz arbeitende) Search Engine "nur" 117 Millionen Fundstellen aus – und nimmt man den Begriff Bitcoin noch hinzu, so sind es summa summarum 386 Millionen.

Artificial Intelligence - ein Begriff aus den 1950ern

Der momentane Hype ist zunächst erstaunlich, denn Künstliche Intelligenz ist genau genommen ein „alter Hut“ Der Begriff selbst wurde bereits im Jahr 1955 (!) geprägt, und zwar von John McCarthy. Für ihn bestand das Ziel von KI darin, „Maschinen zu entwickeln, die sich verhalten, als verfügten sie über Intelligenz.“ Einige Jahre später erfand der MIT-Wissenschaftler übrigens den legendären LISP-Computer, der Programme schrieb, sie sich selbst verändern konnten. Und das ist eine typische Eigenschaft von KI-Algorithmen.

Auch der Algorithmus mit dem leicht kryptischen Namen "Long short-term memory (LSTM)" - deutsch: langes Kurzzeitgedächtnis -, mit dem heute fast alle Spracherkennungssysteme arbeiten, ist keineswegs taufrisch. Er wurde 1997 von Sepp Hochreiter und Jürgen Schmidhuber (TU München) in einer Veröffentlichung vorgestellt. Als schließlich große Datenmengen zum Training genutzt werden konnten und leistungsfähige Rechner zur Verfügung standen, sorgte LSTM für den Durchbruch von KI.

Noch immer ist, wie KI-Pionier Jürgen Schmidhuber in seiner Keynote bei der Handelsblatt-Konferenz „Künstliche Intelligenz“ im März 2018 in München erläuterte, die Spracherkennung eines der wichtigsten Anwendungsfelder für KI. Jedoch sieht der promovierte Informatiker und Mathematiker, der heute als wissenschaftlicher Direktor bei IDSIA, einem Schweizer Forschungsinstitut für Künstliche Intelligenz, arbeitet, das größte Potenzial im Bereich Cognitive Robotics. Kognitive Roboter bzw. Maschinen sind intelligente Systeme, die sich ihre eigenen Ziele setzen und diese dann konsequent verfolgen.

Wohin die KI-Reise mit solchen kognitiven Maschinen gehen könnte, lotetet aktuell die von Schmidhuber mitbegründeten Firma NNaisense aus. In Zusammenarbeit mit einem großen Fahrzeughersteller arbeitet die Technologieschmiede im schweizerischen Lugano an "schmerzempfindlichen" Automobilen. Die Fahrzeuge lernen aus Fehlern, die sie beim autonomen Einparken machen (z.B. Parkremplern). Wenn sie irgendwo anecken, empfangen sie Schmerzsignale, die sie künftiges "Wohlverhalten" vermeiden können.

Noch ist das alles ein Forschungsprojekt. Trotzdem müsse man damit rechnen, dass der Mensch in naher Zukunft „nicht mehr die Krone der Schöpfung sein wird“, ist Schmidhuber überzeugt. Auch US-Unternehmer Elon Musk (Tesla, SpaceX, Hyperloop) sowie der Zukunftsforscher Ray Kurzweil (Singularity University) hegen wie Schmidhuber die Überzeugung, Künstliche Intelligenz werde früher oder später die "natürliche" Intelligenz des Menschen überflügeln. Kurzweil spricht hier von einer technologischen Singularität.

Künstliche Intelligenz: Definition

Künstliche Intelligenz ist der Überbegriff für Anwendungen, bei denen Maschinen menschenähnliche Intelligenzleistungen erbringen. Darunter fallen das maschinelle Lernen oder Machine Learning, das Verarbeiten natürlicher Sprache (NLP – Natural Language Processing) und Deep Learning. Die Grundidee besteht darin, durch Maschinen eine Annäherung an wichtige Funktionen des menschlichen Gehirns zu schaffen – Lernen, Urteilen und Problemlösen.

Diese Art des Lernens ermöglicht unter anderem das sogenannte Natural Language Processing (NLP). Dabei geht es um die Verarbeitung von Texten und natürlicher menschlicher Sprache, die unter anderem bei dem Sprachdienst Alexa von Amazon zur Anwendung kommt. Als vielversprechendste Methode des Machine Learning wird aktuell Deep Learning gesehen, das sehr tiefe neuronale Netze mit mehreren Ebenen und einem großen Datenvolumen nutzt.

Im Gegensatz zu NLP geht der Algorithmus beim Deep Learning tiefer: Die Maschine erkennt Strukturen, kann diese evaluieren und sich in mehreren vorwärts wie rückwärts gerichteten Durchläufen selbständig verbessern. Dabei verwendet der Algorithmus mehrere Knotenebenen (Neuronen) parallel, um fundierte Entscheidungen zu treffen. Beispielsweise findet die Medizin mit Deep Learning Unterstützung bei der Früherkennung von Krebs oder Herzkrankheiten und kann DNA-Profile von Kindern nach Genmarkern untersuchen, die auf Typ 1 Diabetes hinweisen. In der Forschung wird Deep Learning unter anderem eingesetzt, um tausende Zellprofile und deren aktive Gene auszuwerten oder Teilchenschauer, die entstehen, wenn in einem Teilchenbeschleuniger Protonenstrahlen aufeinanderprallen.

Da diese Art des Lernens komplexe, nicht lineare Probleme löst, kommt sie etwa auch bei selbstfahrenden Fahrzeugen zum Einsatz, um unübersichtliche Verkehrsszenen richtig zu interpretieren: Fußgänger, Radfahrer, Wetter, Verkehrszeichen oder Bäume – das Verhalten der Verkehrsteilnehmer muss unter Berücksichtigung aller möglichen Einflussfaktoren richtig erkannt und vorhergesagt werden.

Quelle: SAP

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Kontaktieren Sie uns über: support.vogel.de (ID: 45324964)