JPO : Webinar d'information sur nos formations → RDV mardi à 17h30.

Künstliche Intelligenz: Definition, Geschichte, Chancen und Risiken

Künstliche Intelligenz wird die Welt verändern. Dennoch wird sie von vielen Menschen nicht verstanden. Anhand dieses Artikels erfährst Du alles, was Du über KI wissen musst: Definition, Funktionsweise, Geschichte, Kategorien und Anwendungsfälle.

Künstliche Intelligenz wird die Welt verändern. Dennoch wird sie von vielen Menschen nicht verstanden. Anhand dieses Artikels erfährst Du alles, was Du über KI wissen musst: Definition, Funktionsweise, Geschichte, Kategorien und Anwendungsfälle.

Künstliche Intelligenz ist eine so umfassende und revolutionäre Technologie, dass es schwierig ist, eine genaue Definition zu geben. KI kann als ein Zweig der Informatik betrachtet werden. Das Ziel? Maschinen zu schaffen, die Aufgaben ausführen, die traditionell menschliche Intelligenz erfordern.

Jedoch ist KI eine interdisziplinäre Wissenschaft mit zahlreichen Ansätzen. Heute werden Machine Learning (deutsch: maschinelles Lernen) und Deep Learning (deutsch: tiefes Lernen) in Unternehmen aller Branchen eingesetzt.

Was ist künstliche Intelligenz?

Im Jahr 1950 stellte der Mathematiker Alan Turing die Frage: „Können Maschinen denken?“. Diese Frage sollte tatsächlich die Welt auf den Kopf stellen.

Der von Alan Turing verfasste Artikel „Computing Machinery and Intelligence“ und der daraus resultierende „Turing-Test“ legten den Grundstein für künstliche Intelligenz, ihre Vision und ihre Ziele.

Tatsächlich möchte man mit der Entwicklung künstlicher Intelligenz die Frage von Alan Turing bejahen können. Das Ziel? menschliche Intelligenz mit Maschinen zu simulieren.

Dies ist ein ehrgeiziges Ziel, das auch viele Fragen aufwirft und für Diskussionen sorgt. Aus diesem Grund gibt es noch keine einheitliche Definition von KI.

Die Beschreibung „Intelligente Maschinen“ reicht nicht aus, um zu erklären, was KI wirklich ist oder was eine Maschine „intelligent“ macht. Stuart Russel und Peter Norvig veröffentlichten das Buch „Artificial Intelligence: A Modern Approach“, um dieses Problem anzuschneiden.

In diesem Buch vereinen die beiden Experten ihre Arbeiten zum Thema „Intelligente Agenten“. „KI ist das Studium von Agenten, die Wahrnehmungen aus der Umwelt empfangen und Handlungen ausführen„, so die Autoren.

Historisch gibt es vier verschiedene Ansätze, die den Bereich der künstlichen Intelligenz definieren: menschliches Denken, rationales Denken, menschliches Handeln und rationales Handeln.

Die ersten beiden Ansätze beziehen sich auf das Denken und die Verarbeitung von Gedanken; die anderen beiden beziehen sich auf das Verhalten bzw. die Reaktion der Maschine. Norvig und Russell konzentrieren sich in ihrem Buch vor allem auf rationale Agenten, die so handeln können, dass das beste Ergebnis erzielt wird.

Patrick Winston, Professor of Artificial Intelligence am MIT, definiert KI seinerseits als „Algorithmen, die durch Einschränkungen aktiviert und durch Darstellungen dargelegt werden, die Modelle unterstützen, die Denken, Wahrnehmung und Handeln miteinander verbinden“.

Eine andere moderne Definition beschreibt KI als „Maschinen, die auf Simulationen wie Menschen reagieren sowie beobachten, beurteilen und Reaktionen beabsichtigen können“. Diese Systeme sind in der Lage, „Entscheidungen zu treffen, die normalerweise ein menschliches Maß an Fachwissen erfordern“. Sie haben drei Eigenschaften, die das Wesen der künstlichen Intelligenz ausmachen: Absichtlichkeit, Intelligenz und Anpassungsfähigkeit.

Diese verschiedenen Definitionen mögen abstrakt und komplex erscheinen. Jedoch wird dadurch künstliche Intelligenz als eine Computerwissenschaft etabliert.

Auf der Japan AI Experience 2017 gab der CEO von DataRobot, Jeremy Achin, seine eigene moderne und humorvolle Definition von KI: „Künstliche Intelligenz ist ein Computersystem, das Aufgaben ausführen kann, die normalerweise menschliche Intelligenz erfordern … viele dieser KI-Systeme beruhen auf Machine Learning, einige auf Deep Learning und einige auf sehr langweiligen Dingen wie Regeln“.

Spezialisierte KI vs. allgemeine KI

Es gibt zwei Hauptkategorien von künstlicher Intelligenz. Künstliche Intelligenz des Typen „narrow“ (deutsch: eng) – auch „weak“ (deutsch: schwach) genannt – kann nur in einem begrenzten Kontext operieren. Sie ist häufig auf die perfekte Ausführung einer einzigen Aufgabe fokussiert.

Auch wenn eine solche Maschine intelligent erscheinen mag, ist sie weitaus begrenzter als menschliche Intelligenz. Es handelt sich lediglich um deren Nachahmung.

Beispiele hierfür sind die Google-Websuchmaschine, Bilderkennungssoftware, virtuelle Assistenten wie Apples Siri oder Amazons Alexa, autonome Fahrzeuge oder Software wie IBM Watson.

Die zweite Kategorie hingegen ist die „starke“ künstliche Intelligenz. Eine solche KI ähnelt derjenigen, die man aus Science-Fiction-Filmen und -Büchern kennt.

Es handelt sich um eine Maschine mit einer starken künstlichen Intelligenz, die mit der des Menschen vergleichbar ist und jede Art von Problem lösen kann. Ein universeller Algorithmus, der lernfähig ist und in jeder Umgebung handeln kann.

Tatsächlich existiert diese Art von KI jedoch noch nicht. Bisher ist keine Technologie so weit fortgeschritten, dass sie mit dem menschlichen Gehirn konkurrieren könnte.

Daher bleibt die Schaffung einer allgemeinen KI vorerst der „Heilige Gral“ von KI-Forschenden. Es ist ein ehrgeiziges Streben, das mit vielen Hindernissen verbunden ist. Trotz der technischen Fortschritte ist es nach wie vor sehr schwierig, eine Maschine mit vollständigen kognitiven Fähigkeiten zu entwickeln.

Machine Learning und Deep Learning

Machine Learning (deutsch: maschinelles Lernen) und Deep Learning (deutsch: tiefes Lernen) sind die beiden wichtigsten Techniken der KI, die heute verwendet werden. KI, ML und DL können jedoch schnell verwechselt werden.

Tatsächlich kann künstliche Intelligenz als eine Reihe von Algorithmen und Techniken definiert werden, die darauf abzielen, die menschliche Intelligenz nachzuahmen. Machine Learning ist eine KI-Kategorie, und Deep Learning ist eine ML-Technik.

Beim Machine Learning wird ein Computer mit Daten gefüttert. Die Maschine verwendet Analysetechniken auf diesen Daten und „lernt“ dabei, eine Aufgabe auszuführen.

Um dies zu erreichen, braucht sie keine Millionen von speziellen Codezeilen, um  programmiert zu werden. Aus diesem Grund spricht man auch von „maschinellem“ Lernen.

Machine Learning kann „überwacht“ (engl. supervised) oder „unüberwacht“ (engl. unsupervised) sein. Überwachtes Lernen basiert auf gekennzeichneten Datensätzen, während unüberwachtes Lernen mithilfe von nicht gekennzeichneten Datensätzen erfolgt.

Deep Learning ist eine Art des Machine Learning, die sich direkt an der neuronalen Architektur des menschlichen Gehirns orientiert. Ein künstliches neuronales Netz besteht aus mehreren Schichten, durch die die Daten verarbeitet werden. So kann die Maschine ihr Lernen „vertiefen“ (engl. to deepen), indem sie Verbindungen identifiziert und die aufgenommenen Daten verändert, um die besten Ergebnisse zu erzielen.

STARTE DEINE KARRIERE
IM BEREICH DATA SCIENCE

Du bist an einem Quereinstieg in den Bereich Big Data interessiert, weißt aber nicht, wo Du anfangen sollst? Dann solltest Du einen Blick auf unsere Weiterbildungen im Bereich Data Science werfen.

STARTE DEINE KARRIERE
IM BEREICH DATA SCIENCE

Du bist an einem Quereinstieg in den Bereich Big Data interessiert, weißt aber nicht, wo Du anfangen sollst? 

Dann solltest Du einen Blick auf unsere Weiterbildungen im Bereich Data Science werfen.

KI-Anwendungen

Künstliche Intelligenz dient mehreren Zwecken, unter anderem dem Lernen, der Argumentation und der Wahrnehmung. Sie wird in allen Branchen der Industrie eingesetzt: Ihre Anwendungen sind unendlich.

Im Gesundheitsbereich wird sie eingesetzt, um personalisierte Behandlungen zu entwickeln, neue Medikamente zu entdecken oder medizinische Bilder wie Röntgen- und MRT-Aufnahmen zu analysieren. Virtuelle Assistenten können auch Patienten und Patientinnen helfen und sie daran erinnern, ihre Pillen einzunehmen oder Sport zu treiben, um fit zu bleiben.

Der Einzelhandel nutzt KI, um Kunden und Kundinnen personalisierte Empfehlungen und Werbung anzubieten. Sie hilft auch dabei, die Anordnung von Produkten zu optimieren oder Inventar besser zu verwalten.

In Fabriken analysiert KI Daten von IoT-Geräten, um mithilfe von Deep Learning die Auslastung und Nachfrage vorherzusagen. Damit können mögliche Fehlfunktionen antizipiert werden, um frühzeitig einzugreifen.

Banken wiederum nutzen KI zur Betrugsprävention und -erkennung. Mit dieser Technologie kann man überprüfen, ob ein Kunde oder eine Kundin den von ihm oder ihr beantragten Kredit bezahlen kann, um Datenverwaltungsaufgaben zu automatisieren.

Dies sind nur einige Beispiele für Branchen, in denen künstliche Intelligenz eingesetzt wird. Wie Du sicher bemerkt hast, wird diese revolutionäre Technologie in den kommenden Jahren alle Branchen völlig verändern

Die Geschichte der künstlichen Intelligenz

Die Geschichte der künstlichen Intelligenz beginnt im Jahr 1943 mit der Veröffentlichung des Artikels „A Logical Calculus of Ideas Immanent in Nervous Activity“ von Warren McCullough und Walter Pitts. Da stellen die Wissenschaftler das erste mathematische Modell für die Erstellung eines neuronalen Netzes vor.

Snarc, der erste Computer mit neuronalem Netzwerk, wird 1950 von zwei Harvard-Studenten entwickelt: Marvin Minsky und Dean Edmonds. Im selben Jahr veröffentlicht Alan Turing den Turing-Test, der auch heute noch zur Bewertung von KI herangezogen wird.

1952 entwickelte Arthur Samuel eine Software, die selbstständig das Schachspielen erlernen konnte. Der Begriff „Künstliche Intelligenz“ hingegen wird zum ersten Mal während der Konferenz „Dartmouth Summer Research Project on Artificial Intelligence“ von John McCarthy im Jahr 1956 ausgesprochen.

Während dieser Veranstaltung stellen Forscher Ziele und Vision der KI vor. Viele betrachten diese Konferenz als die eigentliche Geburtsstunde der Künstlichen Intelligenz, wie sie heute bekannt ist.

Im Jahr 1959 erfand Arthur Samuel den Begriff Machine Learning, als er bei IBM arbeitete. John McCarthy und Marvin Minsky gründen ihrerseits das MIT Artificial Intelligence Project. 1963 gründet John McCarthy das „AI Lab“ an der Stanford University.

In den folgenden Jahren wird jedoch an der KI gezweifelt. 1966 weist der amerikanische ALPAC-Bericht auf den mangelnden Fortschritt bei der Forschung im Bereich der maschinellen Übersetzung hin, die darauf abzielt, die russische Sprache im Kontext des Kalten Krieges sofort zu übersetzen. Zahlreiche von der US-Regierung finanzierte Projekte werden abgesagt.

In ähnlicher Weise veröffentlicht die britische Regierung 1973 ihren Lighthill-Bericht, in dem sie die Enttäuschungen in der KI-Forschung aufzeigt. Auch hier wurden die Forschungsprojekte durch Budgetkürzungen beeinträchtigt. Diese Phase des Zweifels dauerte bis 1980 und wird heute als erster KI-Winter“ bezeichnet.

Dieser KI-Winter endet mit der Entwicklung von R1 (XCON) durch Digital Equipment Corporations. Dieses kommerzielle Expertensystem wurde entwickelt, um Befehle für neue Computersysteme zu konfigurieren, und löste einen regelrechten Investitionsboom aus, der über ein Jahrzehnt lang anhielt.

Japan und die USA investieren massiv in die KI-Forschung. Unternehmen geben jährlich mehr als eine Milliarde Dollar für Expertensysteme aus und die Industrie wächst.

Leider bricht der Markt für Lisp-Maschinen 1987 angesichts des Aufkommens kostengünstigerer Alternativen zusammen. Dies ist der „zweite KI-Winter“. Unternehmen verlieren das Interesse an Expertensystemen. Die Regierungen der USA und Japans geben ihre Forschungsprojekte auf; Milliarden von Dollar wurden umsonst ausgegeben.

Zehn Jahre später im Jahr 1997 wird die Geschichte der KI durch ein wichtiges Ereignis geprägt. Die KI namens Deep Blue von IBM triumphiert über den Schachweltmeister Gary Kasparow. Zum ersten Mal wird der Mensch von der Maschine besiegt.

Zehn Jahre später gibt es eine Wiederbelebung der künstlichen Intelligenz dank technologischer Fortschritte. Im Jahr 2008 machte Google große Fortschritte bei der Spracherkennung und führte diese Funktion in seine Smartphone-Apps ein.

2012 füttert Andrew Ng ein neuronales Netz mit 10 Millionen YouTube-Videos als Trainingsdatensatz. Mithilfe von Deep Learning lernt dieses neuronale Netz, eine Katze zu erkennen, ohne dass ihm jemand beigebracht hat, was eine Katze ist. Dies ist der Beginn einer neuen Ära für Deep Learning.

Ein weiterer Sieg der KI über den Menschen erfolgte im Jahr 2016, als das System AlphaGo von Google DeepMind den Go-Spiel-Champion Lee Sedol besiegte. Künstliche Intelligenz erobert auch den Bereich der Videospiele, z. B. mit DeepMind AlphaStar bei Starcraft oder OpenAI Five bei Dota 2.

Deep Learning und Machine Learning werden mittlerweile von Unternehmen in allen Branchen für eine Vielzahl von Anwendungen eingesetzt. KI macht ständig Fortschritte und wir alle werden von ihren Leistungen überrascht. Der Traum von einer starken künstlichen Intelligenz rückt immer näher an die Realität heran…

Risiken künstlicher Intelligenz

Künstliche Intelligenz bietet viele Versprechungen für die Menschheit … aber sie könnte auch eine gefährlichere Bedrohung als die Atombombe darstellen.

Aufgrund ihrer Fähigkeit, zu lernen und sich selbstständig weiterzuentwickeln, könnte KI eines Tages die menschliche Intelligenz übertreffen. Dann könnte sie sich dazu entschließen, sich gegen ihre Schöpfer zu wenden.

Dieses düstere Szenario mag wie aus einem Science-Fiction-Film klingen, jedoch ist es eine tatsächliche Möglichkeit. Führende Experten wie Stephen Hawking, Elon Musk und Bill Gates haben bereits Alarm geschlagen, wenn es um künstliche Intelligenz geht.

Sie sind der Meinung, dass KI in den kommenden Jahren ein unmittelbares und unvermeidbares Risiko darstellt. Aus diesem Grund rufen sie Regierungen dazu auf, diesen Bereich zu regulieren, damit er auf ethische und sichere Weise entwickelt wird. Mehr als hundert Experten und Expertinnen haben die Vereinten Nationen auch dazu aufgerufen, „Killerroboter und andere autonome Militärwaffen zu verbieten.

Andere Experten und Expertinnen sind jedoch der Ansicht, dass die Zukunft der künstlichen Intelligenz einzig und allein davon abhängt, wie sich Menschen für ihre Nutzung entscheiden. Selbst eine scheinbar harmlose KI könnte missbraucht und in böswilliger Weise eingesetzt werden. Das kann man bereits am Aufschwung der „DeepFakes“ sehen: gefälschte Videos, die mithilfe von Deep Learning erstellt werden, um eine Person in einer kompromittierenden Situation zu inszenieren.

Die künstliche Intelligenz wird sich in den nächsten Jahren weiterhin rasant entwickeln. Die Menschheit ist für die Entscheidung verantwortlich, in welche Richtung diese Entwicklung gehen wird…

Jetzt weißt Du alles über künstliche Intelligenz. Lies nun weitere Artikel über Data Science und erfahre mehr über Machine Learning.

Weiterlesen

Möchtest Du informiert bleiben?

Schreib uns Deine E-Mail-Adresse, damit wir Dir die neuesten Artikel zum Zeitpunkt der Veröffentlichung zusenden können!