Vermehrt drängt sich von KI gestützte Technologie in unseren Alltag.
Doch was begegnet uns, und wo genau tut sie das? Was ist eine Künstliche Intelligenz?
Wirklich eindeutig ist das gar nicht. Erscheint ein Programm intelligent, und vollführt Aufgaben, die ein gewisses Maß an menschlicher Intellekt benötigen, dann lässt sich guten Gewissens sagen, es handelt sich um eine. Heutige Künstliche Intelligenzen haben sich sogar als lernfähig entpuppt.
Was ist Deep Learning?
Eben diese Technologie ist zusammen mit anderen Machine Learning-Varianten Triebfeder heutiger KI-Anwendungen, die uns im alltäglichen Leben begegnen können. Insbesondere, wenn es darum geht, aus großen Datenmengen eine möglichst gute Lösung für ein Problem zu finden, eignet sie sich Deep Learning besonders gut. (Bild: Wikimedia)
Dafür verwendet es sogenannte Künstliche Neuronen, die man in möglichst tiefen Netzen zusammenschaltet, deswegen heißt es auch „Deep“ Learning. Sowohl bei den Neuronen als auch bei den Netzen handelt es sich um Modelle – sie werden als Software implementiert und nicht extra Neuron für Neuron gebaut, wie der Name andeuten würde. Nachdem ein Ingenieur ein Netz entworfen hat, füttert er es mit möglichst vielen passenden Daten in der Trainingsphase, um in der Testphase herauszufinden, ob es sich verbessern konnte.
Beim Lernen gewichtet das Netz auf Basis der aufgenommenen Informationen seine Neuronen neu und knüpft auf diese Weise, ähnlich wie ein Gehirn neue Verbindungen oder verstärkt oder löst Alte, um seinen Fehlerwert möglichst weit zu reduzieren.
(Noch mehr zu Deep Learning erfahren? Der Artikel von golem.de geht weiter ins Detail.)
KI direkt auf unseren Smartphones
Bildquelle: Flickr
Was bedeutet das nun für normale User, die nicht gerade Informatiker oder Data Scientists sind?
Diese kriegen durch KI befeuerte Apps und Features beispielsweise auf ihrem Smartphone an die Hand. So sorgt sie dafür, dass die beliebte Faceapp Gesichter zumeist glaubwürdig und realistisch transformieren kann. Ohne Deep Learning, das seine Anfänge durch KI in den 1960er Jahren hatte, wären Siri und Google Now nicht das, was sie heute sind:
Schließlich gehört gerade die Spracherkennung zu einer ihrer besonderen Stärken und wird durch den gewaltigen Datenfundus, die beide Firmen zur Verfügung haben durch Training immer besser. Ihr hört gerne Musik über Spotify? Da seid ihr nicht alleine, denn seit März 2017 gibt es weltweit 50 Mio. Abonennten. Empfiehlt euch der beliebte Musikdienst ein neues Lied greift er dabei auf durch Machine Learning gelieferte Ergebnisse zurück – Spotify lernt euch also wirklich kennen. Dafür benutzt es verschiedene Heuristiken und Techniken, die in den Folien zu einem Vortrag eines Data Engineer bei Spotify näher beschrieben werden.
Doch da ist noch mehr: Dramatisch gesprochen liegt das Schicksal vieler Websites, Blogs und Internetgrößen in der Hand einer KI. Seit einer Weile nimmt die Machine Learning basierte Software RankBrain als wichtiger Indikator in der Google Suche starken Einfluss auf Suchpositionen sämtlicher Websites. Wonach sich RankBrain richtet? Seinem Design nach soll es insbesondere gute Inhalte belohnen.
Maschinen können Karten spielen
Es gibt auch noch weitere Beispiele. Zum Beispiel kann man Künstliche Intelligenzen Poker spielen lassen. Insgesamt stellt man dabei eher weniger die Frage, wie gut solche Poker KIs im Vergleich zu Menschen sind. Poker sei wie im Fall der KI Liberatus, die selbst weltbeste Pokerspieler schlagen kann, ein interessanteres Spiel für solche Wettkämpfe zwischen Mensch und Maschine, da es komplizierter für beide ist. Zuerst glaubten Experten nicht an die Fähigkeiten der Machine, doch sie bewährte sich gegen vier herausragende Pokerspieler und gewann dabei 800.000 Dollar.
Interessanterweise nutzt Liberatus zwar unterschiedliche KI-Techniken, aber anders als Alpha Go kein Deep Learning. Deepmind, eine von Alphabets KI-Töchtern, schlug im vergangenen Jahr den besten GO-Spieler und machte damit von sich in der Presse reden. Auch Spiele wie Blackjack werden von Künstichen Intelligenzen gespielt. Dafür müssen sie natürlich die Regeln von Blackjack kennen – so wie wir Menschen. Darüber hinaus kann man sie auf Basis unterschiedlicher Ansätze entwickeln und diese miteinander vergleichen. So kann eine Blackjack KI beispielsweise regelbasiert sein und Strategien einsetzen, die auch menschliche Spieler anwenden würden.
Andererseits kann eine solche KI ebenso auf unterschiedliche Machine-Learning Algorithmen setzen – also Algorithmen auf Basis derer Künstliche Intelligenzen sich Neues aneignen. Da wären genetische Algorithmen, die auf die biologischen Vorbilder zurückgreifen oder aber Algorithmen wie Q-Learning. Letzterer baut auf Verstärkendem Lernen. In diesem erlernt die KI selbstständig eine ihren Gewinn verbessernde Strategie, um in dem Spiel besser zu werden.
Wo geht es hin?
Zukünftig wird die Verwendung von Künstlichen Intelligenzen mit an Sicherheit grenzender Wahrscheinlichkeit zunehmen. Unlängst testen Tesla und Google, von denen übrigens jeder dritte Deutsche ein Auto kaufen würde, ihre teilautonomen und vollautonomen Fahrzeuge und werden hierbei immer besser. Ferner ist es Google sogar gelungen, AutoML zu entwickeln.
AutoML ist dazu in der Lage, Deep Learning Netze selbst zu entwickeln. Gegenüber der Technology Review betonte Quoc Le, dass sie selbst solche Netze nach Intuition bauen würden. Denn insgesamt ist das Entwickeln eines Neuronalen Netzes alles andere als trivial. AutoML hat sich unter anderem damit beschäftigt, ein Netz für Sprach- und eins für Bilderkennung zu entwickeln. Bei der Bilderkennung konnte es sich mit den Ingenieuren messen und bei der Spracherkennung schlug es sie sogar.
Diese Entwicklung eröffnet den normalerweise zuständigen Entwicklern zukünftig vielleicht die Möglichkeit sich mit abstrakteren und komplexeren Problemen zu beschäftigen, während eine KI für sie einen Teil der Entwicklungsarbeit abnimmt. Weiterhin entwickeln Firmen wie Nvidia und natürlich Google extra für Machine Learning zugeschnittene Hardware, die den KI-Boom eben die Rechenpower geben dürfte, die sie benötigt, um die gewünschten Ergebnisse zu erreichen.
