FRANKFURT SCHOOL

BLOG

Über die Herkunft des Begriffes „Artificial Intelligence“
Weiterbildung / 24. Februar 2020
  • Teilen

  • 8031

  • 0

  • Drucken
Marketing & Sales Koordinatorin
Michelle Neumann ist Marketing & Sales Koordinatorin Bereich Professional & Executive Education der Frankfurt School.

Autorenprofil

Mehr Blog Posts
The Future of AI in Finance: 4 Key Trends to Watch
IT-Governance im Fokus: DORA - Schlüssel zu digitaler Sicherheit im Finanzsektor
Alles unter Kontrolle? KI und maschinelles Lernen in der Finanzbranche

Mit Artificial Intelligence oder, zu Deutsch, Künstlicher Intelligenz verhält es sich ähnlich wie mit dem Begriff Blockchain: Sie haben sicherlich schon davon gehört, gelesen oder darüber gesprochen, aber wissen Sie eigentlich, was sich tatsächlich hinter dem Begriff verbirgt?

Business Aspects

Im ersten von zwei Workshops im Rahmen unseres Zertifikatsstudiengangs „Specialist in AI for Business“ wird den Teilnehmern eine fundierte Einführung in die wesentlichen Aspekte der Künstlichen Intelligenz vermittelt. Thematisch wird ein Fokus auf Trends, Entwicklungsstände, Funktionalitäten und aktuelle Anwendungsbereiche im Geschäftskontext gelegt. Darüber hinaus wird besprochen, wie AI eigentlich „lernt“, denn aktuell ist eine Maschine (Künstliche Intelligenz) noch abhängig von menschlichem Input.

Die Technologie setzt im Moment noch auf Vorhersagen. Dieses Wort verleitet zwar dazu, an das Orakel von Delphi zu denken, hat damit aber herzlich wenig zu tun. Das englische Wort „prediction“ leitet sich vom lateinischen „praedicere“ ab, das ins Deutsche als „vorherbestimmen“ oder „prophezeien“ übersetzt werden kann, sollte hier aber eher im Sinne von „etwas ableiten“ verstanden werden. AI funktioniert in der heutigen Zeit noch durch das Zusammentragen großer Datenmengen, woraus die Künstliche Intelligenz fehlende Informationen ableitet. Man generiert also auf Grundlage derjenigen Informationen, die man hat, diejenigen Informationen, die man benötigt. Klingt an der Stelle weniger magisch als erwartet – das dürfte doch auch von einem Menschen machbar sein? Ist es auch, jedoch sehr viel langsamer und deutlich unzuverlässiger.

Praxisbeispiele

Ein gutes Beispiel für die Vorhersage-Treffsicherheit von KI ist Google Maps. Google Maps kann Dinge tun, die jeder karten- und ortskundige Mensch ebenfalls kann, z.B. Sie von Ihrem Hotel zum Flughafen bringen. Die Informationen, die Sie dafür brauchen, erhalten Sie jedoch von Google Maps sehr viel schneller als von einem Menschen. Außerdem stehen Ihnen die Dienste des Programms auch dann zur Verfügung, wenn das ein Mensch ggf. gerade nicht tut. Google Maps ist darüber hinaus offensichtlich in der Lage, weitere Dinge, die für uns Menschen eine aufwendige Aufgabe darstellen, zu ermöglichen: Es wertet die Verkehrslage aus, plant die (tatsächlich) beste oder kürzeste Route und orientiert sich schnell neu, sollten Sie sich verfahren.

Ein weiteres Beispiel aus der Praxis macht deutlich, dass man mit unspektakulär klingenden Ableitungen sehr viel erreichen kann. Der Google-Übersetzer arbeitete früher nach einem rein Grammatik-basiertem Ansatz. Sätze wurden nur auf Grundlage der  Grammatik-Regeln übersetzt und klangen demnach häufig wie Kauderwelsch. Um dieses Problem zu beheben, richteten die Verantwortlichen im Google Brain Team (- Ja, die Arbeitsgruppe heißt wirklich so! -) ihr System insofern neu aus, als dass es nicht mehr allein nach den Regeln der Grammatik übersetzte, sondern vielmehr danach, wie ein Mensch übersetzen würde. Google löste sein Übersetzungsproblem somit durch Vorhersage.

Ist Vorhersage wirklich intelligent?

Manch einer fragt sich nun sicherlich, ob man Vorhersagen denn überhaupt als einen Akt der Intelligenz bezeichnen kann. Definitiv! In welchem Ausmaß – da spalten sich die Meinungen. Nichtsdestotrotz gehört das Ableiten von Zusammenhängen zur Intelligenz dazu.

Jeff Hawkins, US-amerikanischer IT-Unternehmer und Neurowissenschaftler, geht sogar einen Schritt weiter und sagt „Prediction is not just one of the things your brain does. It is the primary function of the neo-cortex, and the foundation of intelligence.”

Des Weiteren kann eine Prognose ausgearbeitet werden: Durch die anhaltende Vermehrung von Datenwerten lernt eine Künstliche Intelligenz und verbessert ihre Fähigkeiten (machine learning).

Wie genau die technische Umsetzung von Artificial Intelligence realisiert werden kann, lernen Sie unter anderem im zweiten Workshop des „Specialist in AI for Business“. Alle weiteren Informationen finden Sie auf unserer Webseite.

0 Kommentare

Senden