Dieser Artikel wird auch interessant für Sie sein, wenn Sie keine Science-Fiction mögen. Nach dem Lesen werden Sie feststellen, dass wir bereits in vielen Bereichen auf Tuchfühlung mit der künstlichen Intelligenz sind. Und möglicherweise finden Sie hier ein paar Anregungen zur Einbindung des Maschinenlernens in Ihre elektronischen Geräte, um somit einen signifikanten Wettbewerbsvorteil zu erzielen.
Die künstliche Intelligenz ist nichts Neues....
Glauben Sie, dass es sich bei künstlicher Intelligenz und lernenden Maschinen um brandaktuelle Neuigkeiten handelt? Die „Deep Learning“-Technik (tiefes Lernen), die Maschinen nutzen, um auf Grundlage vergangener Erfahrungen und ohne explizite Programmierung Dinge zu lernen, wurde bereits 1955 durch Arthur Samuel angewandt. Er stand einer großen Herausforderung gegenüber, er wollte dem Computer beibringen, wie man Dame spielt und gewinnt. Aber wir könnte man einer Maschine, die exakte Handlungen ausführt, beibringen, ihn im Damespielen zu schlagen? Er ließ einfach zwei Computer gegeneinander spielen und letztlich schaffte es der Computer in den 1970ern die Champions in diesem Spiel zu besiegen.
Das Problem damals war jedoch die Rechenleistung der Computer. Deep Learning, eine der gängigsten Lernmethoden für lernende Maschinen, macht enorme Datenmengen erforderlich. Je mehr Daten und Wiederholungen (Versuch-Irrtum) folglich involviert sind, desto präziser gestaltet sich das Lernen. Samuels Computer waren sicherlich nicht nach 10 oder 100 Spielen erfolgreich im Damespielen. Doch wir haben jetzt eine Technologie und Computer mit ausreichender Rechenleistung, um den Deep-Learning-Algorithmus anzuwenden. Und die Geschwindigkeit des Lernens wird exponentiell wachsen!
Vergessen Sie die explizite Programmierung
Viele der von Ihnen entwickelten und hergestellten bzw. verwendeten Geräte basieren auf traditionellem expliziten Programmieren (WENN-DANN-SONST). Das heißt: „Falls eine Bedingung erfüllt ist, führe diese Aktion aus, ansonsten führe jene Aktion aus“. Das ist schön und gut, doch wir möchten Maschinen immer komplexer und komplexer werdende Aufgaben übertragen, die eine explizite Programmierung der Servicesoftware nahezu unmöglich machen.Das beste Beispiel hierfür ist die Bilderkennung. Wir möchten der Maschine beibringen, einfache Objekte wie bspw. einen Tisch zu erkennen
1. Mit expliziter Programmierung
Wir würden ein Script schreiben, in dem festgelegt wird: „falls es sich um ein quadratisches Objekt handelt und dieses vier Beine hat, handelt es sich um einen Tisch.“ Aber was, wenn der Tisch rund ist? Ok, wird ergänzen das Script um diese Bedingung... Und was, wenn es sich um einen Tisch mit nur einem einzigen Bein in der Mitte handelt? Ok, wird ergänzen das Script auch um diese Bedingung... Und was, wenn es ein ovaler Kaffeetisch ohne Beine ist?
2. Maschinenlernen
Beim Maschinenlernen wird ein völlig anderer Ansatz angewandt. Es werden mathematische Modelle verwendet, die nach ähnlichen Zeichen in Daten suchen. Zunächst unterstützt ein Mensch die Maschine beim Lernen. Er/sie markiert ein paar Bilder des Tischs. Auf der Basis ähnlicher Merkmale versucht die Maschine eine bestimmte Gruppe von Bildern, auf denen ein Tisch zu sehen ist, von einer großen Anzahl unterschiedlicher Bilder zu unterscheiden. Die Person bestätigt/verneint, dass auf dem Bild ein Tisch zu sehen ist. Ausgehend von diesen Evaluationen modifiziert die Maschine ihren Algorithmus für die Tischerkennung. Und nach mehreren Iterationen hat das Serviceprogramm ggf. eine hinreichende Genauigkeit erreicht.
Der Unterschied zwischen traditioneller Programmierung und Maschinenlernen lässt sich am besten an folgendem Schema verdeutlichen:
Bislang haben wir Programme geschrieben, die Output-Daten auf der Grundlage von Eingaben schrieben. Der Output beim Maschinenlernen ist das Programm selbst, das sich auf der Basis von Output-Daten verbessert.
Dennoch stehen wir z. B. in der Erkennung von Hindernissen für autonome Transportmittel, im Bereich des Übersetzens und Dolmetschens, in der angemessenen medizinischen Diagnostik usw. Herausforderungen gegenüber. Könnten Sie sich überhaupt vorstellen, ein Serviceprogramm mit traditioneller expliziter Programmierung zu schreiben? Wie genau würden man eine Software schreiben, die einen Fußgänger von einem Baum unterscheiden kann? Nahezu unmöglich!
Der erste praxisorientierte Pionier im Bereich der KI (künstliche Intelligenz, Artificial Intelligence) ist definitiv Google. Erinnern Sie sich noch, wie fehlerhaft die Übersetzungen des Übersetzungsprogramms anfangs waren, als jedes Wort ausdrücklich, Wort für Wort übersetzt wurde? Heute ist die ganze Übersetzung das Ergebnis von Maschinenlernen und Sie haben die Möglichkeit, diese Übersetzung direkt in dem angezeigten Übersetzungsergebnis zu bearbeiten. Auf diese Weise geben Sie der Maschine einen weiteren Anreiz zur Modifizierung des Programms und folglich zu dessen Optimierung. Und all dies geschieht ohne das Eingreifen eines menschlichen Programmierers.
Oder können Sie sich vorstellen, dass die explizite Programmierung einer intuitiven Websuche möglich ist? Falls die Google-Suchmaschine nicht auf KI basierte, würden Sie diese zweifelsohne nicht mehr verwenden wollen. Die Suchmaschine könnte Ihnen keine relevanten Inhalte zu Ihren Suchanfragen bereitstellen. Heute schreiben wir nicht 1-2 Worte in die Suchleiste, sondern ganze Sätze und Fragen. :-)
Warum sollte das Feld Maschinen und ihrer Intelligenz überlassen werden?
Wir haben bereits in dem Artikel über die Industrie 4.0 von diesem Thema berichtet. Das Ziel der vierten industriellen Revolution ist die Personalisierung und Anpassung an individuelle Anforderungen. In der Welt von heute möchten wir individuellen Komfort genießen, doch es gibt so viele Individuen auf der Welt. Ohne Personalisierung und Anpassung wird dies nicht möglich sein Die Anpassung von Prozessen auf Milliarden von Individuen weltweit liegt nicht in der Macht des Menschen. Doch Maschinen mit KI können dies schaffen.
Maschinen mit KI vergessen nicht. und können daher die Zukunft, auf Grundlage der Vergangenheit, besser prognostizieren Maschinen mit K.I haben keine Vorurteile, sie brauchen keine Emotionen zu berücksichtigen und sie stufen Menschen anhand ihrer Verhaltensweisen und nicht anhand genereller Annahmen (Alter, Geschlecht oder Umfrageergebnisse) ein. Warum sind die meisten Werbeanzeigen und Fahrzeugangebote für Männer, wenn mehr als 60% der Suchanfragen über das Mobiltelefon von Frauen getätigt werden? Die KI kann ein individuelles Angebot für jedes Individuum erstellen, das auf den jeweiligen Interessen basiert, die durch Verhaltensweisen zum Ausdruck gebracht wurden.
Wir Menschen wissen oftmals nicht, was wir eigentlich möchten. Doch Maschinen könnten dies in Zukunft auf Grundlage unseres Verhaltens wissen. Ich bin davon überzeugt, dass die künstliche Intelligenz dem Mann dabei helfen wird, die Frau zu verstehen und Aufschluss darüber geben wird, wie in einer Situation angemessen reagiert werden kann (dies gilt selbstverständlich auch für das Verständnis des Mannes durch die Frau) :-)
Ich möchte KI ausprobieren.
Wie geht das?Falls Sie der Meinung sind, dass es an der Zeit ist, Elemente von künstlicher Intelligenz in Ihren Apps und Geräten zu implementieren, dann empfiehlt es sich, diesen Gedanken in 3 Teile zu untergliedern:1. Lernen – wie und mit welche Daten? Versuchen Sie Ihren Ansatz darauf zu gründen, dass explizite Programmierung umgangen wird. Es mag Sie vielleicht überraschen, aber derzeit sind alle auf Maschinenlernen basierten Technologien gratis erhältlich. Weltweit stehen verschiedene Open-Source-Plattformen und-Frameworks zur Verfügung. Kennen Sie bspw. folgende Technologien?
TensorFlow
Torch
Caffe
AML (Amazon Machine Learning) Apache Mahout
usw.
Viele Cloud-Lösungen (wie z. B. Google Cloud, Microsoft Azure oder Amazon AWS) enthalten diese Frameworks direkt.
Es ist wichtig, dass ich genau weiß, was ich diesen Maschinen beibringen möchte und mit welchen Daten sie gespeist werden sollen. Denn Maschinenlernen per se, ohne eine ausreichende Menge von Daten, ist nutzlos. Sie können mit etwas Einfachem anfangen, nur testweise. Ein Beispiel für eine allgemeine verrückte Idee für alle: Falls es in Ihrem Unternehmen eine Kantine gibt, könnten Sie die Daten von der Speisekarte mit der Menge der verzehrten Nahrung kombinieren, und die KI in Zukunft einen Vorschlag für eine Speisekarte machen lassen :-)
2. Design und Lösungserstellung -Auf welchen Technologien (HW, SW) basiert die Lösung und wie wird die Struktur der Lösung aussehen?
Es wird Sie wahrscheinlich nicht überraschen, dass heute alles in Clouds gespeichert wird. Server, Repositorien, Daten und Rechenleistung befinden sich zentral in einem Cloud-Center, um unsere Möglichkeiten um ein Vielfaches zu steigern. Durch Zentralisierung soll die Effizienz erhöht werden. Eine eigene, unternehmensinterne IT-Infrastruktur ist heutzutage äußerst kostspielig, sodass sich die Ausgaben für den Betrieb qualitativ hochwertiger IT-Services in der Cloud auf eine Reihe von Unternehmen wie das meine verteilen. Die Rede ist von der sogenannten „Share Economy“.
Warum sollten Sie Cloud-Lösungen für Ihre Geräte nutzen?Am einfachsten lässt sich dies mit einem Blick auf ein Produkt von bspw. Amazon erklären. Kennen Sie die „smart box“ Echo Dot mit Alexa? Es handelt sich um ein kleines Gerät, das auf menschliche Sprache reagiert und Ihre Fragen beantwortet. Sie können Sie wirklich alles fragen ... Um diese Intelligenz in das Gerät selbst zu integrieren, bedürfte es einer hohen Rechenleistung und dies würde hunderte, wenn nicht tausende Euro kosten. Doch das Produkt kostet lediglich 30 bis 40 $.
Und wissen Sie warum? Tatsächlich handelt es sich bloß um ein „primitives“ Gerät mit Mikrophon, Lautsprecher und Internetverbindung.
Es lädt Ihre Fragen hoch und sendet diese an den Cloud-Server. Hier befindet sich das Herz und Hirn der gesamten Lösung, die Sprache in Text umwandelt, die das Internet durchforstet, die das gefundene Ergebnis in eine sprachliche Äußerung Ihrer „Assistentin“ Alexa übersetzt und die eine Aufzeichnung an das Gerät sendet. Das Gerät selbst spielt lediglich die Aufzeichnung ab.
Sie brauchen keinen Computer mit Rechenleistung und ausgefeilter Servicesoftware direkt in Ihrem Gerät. Daher kann das Gerät für 30 $ verkauft werden. Es werden viele dieser Geräte verkauft, sodass sich die Kosten für eine Zentrallösung in der Cloud auf alle verkauften Geräte verteilen. Nähern wir uns der „Share Economy“ noch einen Schritt weiter... Amazon verwendet eine Cloud-Lösung nicht nur als Herzstück für seine Geräte, sondern bietet diesen Service gegen eine bestimmte Gebühr auch für alle an, die diesen auf eigenen Geräten implementieren möchten. Die Kosten für das Herzstück der Lösung verteilen sich somit auf andere Dritt-Geräte. Zögern Sie noch, Ihre Produkte mit der Cloud zu verbinden?
3. Nutzen – welchen Nutzen und welche Vorteile wird die entsprechende Lösung haben?
Verbessern Sie durch Ihre KI-Lösung die Lebensqualität von Menschen? Oder könnten Sie mit KI sogar Leben retten, da Sie die Beschränkungen der menschlichen Arbeit überwinden ? Wir werden versuchen, Ihnen zu jedem Fall ein paar Beispiele aus der realen Welt zu nennen:
In den USA wurde damit begonnen, Schlaganfälle durch künstliche Intelligenz
diagnostizieren zu lassen. Selbst eine sehr guter Neuroradiologe benötigt durchschnittlich
30 bis 60 Minuten, um auf Basis von CT-Aufnahmen festzustellen, ob der Patient einen
Schlaganfall hat. Das Problem ist, dass nach 12 Minuten die ersten Hirnschäden auftreten.
Das System, in das riesige Mengen historischer Daten in Form von CT-Aufnahmen mit
Schlussfolgerungen zum Vorliegen oder Nichtvorliegen eines Schlaganfalls eingespeist sind, kann eine zerebrale vaskuläre Störung jetzt innerhalb von 15 Sekunden diagnostizieren! Ein anderes Team kann, ebenfalls mithilfe von K.I, ausgehend von einer großen Anzahl historischer Bilder von Tumoren und umgebender Zellen frühe Krebsformen im Voraus erkennen, während dies dem menschlichen Auge verborgen bliebe. Das Gedächtnis hat so seine Grenzen. Auf den Speicher der KI trifft dies nicht und gleichzeitig kann dieser weitaus schneller funktionieren!
hier nicht von gewöhnlichem Simultandolmetschen. Ein Deep-Learning-System kann
lernen, wie Ihre Stimme moduliert werden kann und im Wesentlichen mit Ihrer Stimme in
einer Fremdsprache sprechen. Natürlich ist das System noch nicht völlig ausgereift, doch
die Grundlage ist vorhanden und die Systeme lernen mit exponentieller Geschwindigkeit.
Im Bereich der Landwirtschaft gibt es zahlreiche Möglichkeiten für die Nutzung von
Maschinen mit künstlicher Intelligenz. Der HW-Entwickler hat ein Gerät entwickelt, das an
den Traktor als „Anhänger“ gekoppelt ist. Dieses Gerät hat mittels Deep-Learning-Methode
alles darüber gelernt, wie eine Anbaupflanze mit idealer Gesundheit aussehen sollte und
wie Unkraut oder sonstige Anzeichen für Schädlinge oder Pflanzenkrankheiten erkennbar
sind. Innerhalb einer Minute werden 5000 Pflanzen gescannt, um zu überprüfen, ob die
Anbaupflanze mit Wasser oder chemischen Spritzmitteln versorgt werden muss. Die Bewässerung oder Besprühung wird somit nicht auf das ganze Feld angewandt, sondern ist lokal auf jede Pflanze abgestimmt. Ein Gerät kann pro Tag 20 Hektar durchkämmen und pro Jahr 2,5 Billionen Pflanzen behandeln. Und der Nutzen für die Menschheit? Mit der aktuellen landwirtschaftlichen Nutzfläche könnten wir fünfmal mehr Nahrung produzieren und gleichzeitig die Wasser- und Pestizidverwendung um 90 % verringern!
Epilog – gibt es doch irgendwelche „Aber”...?
Werfen wir einen Blick auf die Dinge, die Maschinen mit künstlicher Intelligenz bereits heute leisten können. Sie können lesen und schreiben, hören und sprechen, nach Dingen suchen, Kenntnisse sammeln und integrieren. Vielleicht können Sie dies nicht so gut wie der Mensch, doch wir müssen diesen Maschinen die Möglichkeit geben, zu lernen und sich kontinuierlich zu verbessern. Exponentiell zu verbessern!80% der Menschen in den entwickelten Ländern von heute arbeiten in Berufen,. in denen sie Ihr Geld mit dem verdienen, was wir den Maschinen beigebracht haben (z. B. Führung öffentlicher Verkehrsmittel, Zubereitung von Mahlzeiten, Krankheitsdiagnose usw.). Sind wir darauf vorbereitet, dass 80% der Menschen ihren Arbeitsplatz verlieren? Vor noch nicht einmal zwei Jahren, als wir über die Automatisierung in der Industrie 4.0 berichteten, nahmen wir an, dass sich die menschliche Arbeit mehr in Richtung Datenverarbeitung entwickeln würde.
Unglücklicherweise ist auch dies nicht mehr zutreffend. Wir haben Maschinen gezeigt, wie sie lernen können, mit Daten zu arbeiten, Daten zu analysieren und Daten zu überprüfen. Heute heißt es, dass der Mensch weiterhin im Bereich des „Handelns“ (d. h. Entscheidungsfindung und Algorithmusentwicklung) vertreten sein wird.
Doch ist das wirklich so?
Ist nicht jetzt die Zeit gekommen, um über die neuen sozialen und wirtschaftlichen Strukturen unserer Gesellschaft zu sprechen? Welche Bedeutung hätte das Leben für viele Menschen, wenn nicht die Arbeit?
Diese industrielle Revolution (Industrie 4.0) unterscheidet sich von den vorhergehenden Revolutionen. Nach jeder industriellen Revolution gab es einen immensen Anstieg der Ertragskraft, dem jedoch eine Stabilisierung folgte. Jetzt ist die Rede von einer Revolution im Maschinenlernen, bei der wir von einem exponentiellen Wachstum ausgehen, dem vermutlich keine Stabilisierung folgen wird.
Zu guter Letzt gibt es steigendes Interesse an der Verbesserung der Sicherheit. Bis zu welchem Grad können wir garantieren, dass eine bestimmte Interessengruppe von Menschen die KI nicht missbräuchlich verwenden und die erlangten Daten zum eigenen Vorteil nutzen wird? Maschinen mit künstlicher Intelligenz sind wie Kinder, sie sind ein Spiegel für ihre Eltern (den Menschen). Und vielleicht sollten 80% der Beschäftigungslosen schrittweise in den Bereich der Sicherheit geführt werden. Denn alle großen Erfindungen liegen zunächst einer guten und noblen Absicht zugrunde...
Was bedeutet die KI für Sie und uns?
Heute stellt sich sicherlich nicht mehr die Frage, ob in Ihren Apps und Geräten Platz für die KI ist. Die Frage ist, ob wir zu den ersten Technologieführern in der Industrie zählen und hiervon profitieren werden, oder ob wir einfach der Herde hinterhertraben.
Wir haben eine freiwillige Hausaufgabe für Sie :-) Versuchen Sie es mit einer Brainstorming-Sitzung in Ihrem Unternehmen im Hinblick auf Einbettungsmöglichkeiten von KI in Ihre Geräte. Vielleicht blicken Sie aus dem Fenster und sagen: „künstliche Intelligenz? Hier? Unmöglich.“ Doch eine entsprechende KI-Vision und Vorreiterrolle auf dem Markt ist ein garantierter Wettbewerbsvorsprung und Erfolg!
Wir unterstützen Sie gerne durch unsere Komponenten in der HW-Sparte. Und wir berichten Ihnen im Rahmen unserer einzigartigen Workshops, die wir mit Microsoft vorbereiten, noch lieber von den KI-Möglichkeiten. Wir werden versuchen, ein Cloud-basiertes Modellgerät zu bauen, das auf künstliche Intelligenz zurückgreift, in dem unserer HW-Wissen mit Microsofts SW-Wissen kombiniert wird.
In Bälde gibt es weitere Informationen!
Rastislav Talárovič
Head of Marketing Department & Google Partners Trainer
Gefallen Ihnen unsere Artikel? Verpassen Sie jetzt keine mehr! Sie müssen sich um nichts kümmern, wir arrangieren die Lieferung an Sie.
