KI und maschinelles Lernen – Verwandte oder nur Bekannte?
Der Begriff der künstlichen Intelligenz gleicht mittlerweile fast einer Marke. Vielleicht kennen Sie dieses Phänomen: Taschentücher sind im allgemeinen Sprachgebrauch als „Tempo“ bekannt und Küchenkrepp als „Zewa“. Dabei ist es egal, welcher Marke die Produkte tatsächlich angehören. Ähnlich verhält es sich mit dem Begriff der künstlichen Intelligenz. Viele verwenden den Begriff z. B., wenn sie von humanoiden Robotern aus der Science Fiction sprechen. Andere wiederum bezeichnen schon einfache Tabellenkalkulationen als künstliche Intelligenz.
Der Grund für diese schwammige Begriffsverwendung liegt einerseits in der unklaren Definition. Seit Jahren streiten sich Fachleute darüber, was „Intelligenz“ ist. Da ist es nicht verwunderlich, dass auch der Begriff „künstliche Intelligenz“ schwer zu bestimmen ist. Andererseits verstehen viele nicht, welche Abläufe Intelligenz erfordern und welche nicht. Treppensteigen ist z. B. ein komplexer Bewegungsablauf, der die Zusammenarbeit von Muskeln, Nervenbahnen und Gehirn erfordert. Für uns Menschen ist der Ablauf selbstverständlich und die vielen Zwischenschritte passieren fast automatisch. Für Computer hingegen handelt es sich dabei um eine schwer zu erlernende, komplexe Aufgabe. Dagegen ist Rechnen für Computer leicht, während es uns Menschen oft höchste Konzentration abverlangt.
All diese Faktoren machen es schwer, den Begriff der künstlichen Intelligenz klar abzugrenzen. Einige Anhaltspunkte gibt es aber. Die zwei „A’s“ Autonomie und Anpassungsfähigkeit – diese Schlagworte bestimmen, was künstliche Intelligenz ist und was nicht. Ein Computer gilt dann als autonom, wenn er komplexe Aufgaben ausführen kann und den Menschen dafür nicht benötigt. Anpassungsfähig ist ein Computer dann, wenn er aus Erfahrungen lernt und so das Ergebnis verbessert. An dieser Stelle kommt das maschinelle Lernen ins Spiel. Fälschlicherweise wird es oft mit künstlicher Intelligenz gleichgesetzt. In Wahrheit ist das machine learning sowohl ein Teilgebiet der künstlichen Intelligenz als auch der Statistik. Maschinelles Lernen ist eine Möglichkeit, die Computer anpassungsfähig macht. Es funktioniert auf der Basis von Erfahrung bzw. Daten. Je mehr Informationen ein Computer in Form von Daten erhält, desto besser lernt er, komplexe Aufgaben zu lösen.
Ein Beispiel: Ein System für autonomes Fahren soll Ampeln im Straßenverkehr zuverlässig erkennen. Je mehr Bilder es von Ampeln kennt, desto zuverlässiger kann das System jede Art von Ampel identifizieren. Es lernt durch eine große Anzahl von Ampelbildern und wird anpassungsfähiger bzw. intelligenter. Machine Learning ist also eine wichtige Voraussetzung für künstliche Intelligenz.
KI hat viele Gesichter – Begriffe rund um intelligente Maschinen
Im Zusammenhang mit künstlicher Intelligenz sind Sie vielleicht schon auf die Bezeichnungen „allgemeine“ bzw. „spezifische“ künstliche Intelligenz gestoßen. Auch von „starker“ und „schwacher“ künstlicher Intelligenz haben Sie vielleicht schon gehört. Wir möchten hier Licht ins Dunkel bringen und Klarheit in Bezug auf die verschiedenen „Gesichter“ der KI schaffen.
Allgemeine künstliche Intelligenz betrifft Maschinen, die viele verschiedene intellektuelle Aufgaben ausüben können. Spezifische künstliche Intelligenz hingegen beschreibt Computer, die auf eine Aufgabe spezialisiert sind. Diese Form finden wir in unserem Alltag. So sind Chatbots, Fahrassistenzsysteme und Musik- bzw. Film-Streamingdienste mit personalisierten Inhalten allesamt spezifische Formen der künstlichen Intelligenz.
Zusätzlich gibt es die Unterscheidung zwischen „starker“ und „schwacher“ künstlicher Intelligenz. Erstere beschreibt eine maschinelle Intelligenz, die mit dem menschlichen Verstand gleichgesetzt werden kann oder diese sogar übertrifft. Letztere steht für Systeme, die die menschliche Intelligenz in Teilen schon erreichen, aber nicht intelligent im menschlichen Sinne sind. Beispiele sind Bild-, Sprach- und Texterkennung.
Intelligenz vs. intelligentes Verhalten – ist da ein Unterschied?
Um die Frage gleich zu beantworten: der Philosoph John Searle meint ja. Von ihm stammt das berühmte Gedankenexperiment „Das chinesische Zimmer“. Stellen Sie sich vor, eine Person ohne Chinesisch-Kenntnisse sei in einem Zimmer eingesperrt. Die Person bekommt Fragen auf Chinesisch durch eine Türöffnung ins Zimmer gereicht. Mittels eines Handbuchs kann die Person die Fragen auf Chinesisch scheinbar beantworten, obwohl sie die Sprache nicht beherrscht. Für Außenstehende wirkt es so, als habe die Person in dem Zimmer ausgezeichnete Chinesisch-Kenntnisse. Sie wirkt intelligent. Tatsache ist jedoch, dass sie sich nur intelligent verhält. Sie beantwortet zwar mithilfe des Handbuchs die Fragen richtig (intelligentes Verhalten), kann aber kein Chinesisch (Intelligenz).
Das Chinesische Zimmer – oder: Intelligenz vs. Intelligentes Verhalten
John Searle überträgt dieses Gedankenexperiment auf die künstliche Intelligenz von Computern. Es entsteht eine Streitfrage: Sind Computer intelligent oder verhalten sie sich nur so? Laut Searle können Computer kein Wissen und Verständnis besitzen, wie es Menschen besitzen. Unabhängig von Searles Einwand können wir aber festhalten: Die Intelligenz von Maschinen ist hilfreich, um praktische Probleme zu lösen. Ob es sich dabei um nur um intelligentes Verhalten oder um Intelligenz handelt, ist vorerst zweitrangig.
Alan Turing und der Turing Test
Bekannter als das Chinesische Zimmer ist der nach dem Pionier der Informatik benannte Turing Test. In dem Test tauscht sich ein Mensch (in der Grafik C) mit zwei Spielern (in der Grafik A und B) schriftlich aus. Wenn der Mensch nicht bestimmen kann, ob A oder B der Computer ist, sich die „Intelligenz“ eines Computers also nicht von der eines Menschen unterscheidet, dann hat der Computer den Turing Test bestanden.
Der Turing Test
Credits: Juan Alberto Sánchez Margallo / CC BY (https://creativecommons.org/licenses/by/2.5)
Wir halten fest: Das maschinelle Lernen ist ein Teilgebiet der KI. Computer lernen anhand großer Datenmengen, bei komplexen Aufgaben zunehmend anpassungsfähig und autonom zu agieren. Diese Fähigkeiten zeichnen die künstliche Intelligenz aus. Auf diese Weise sind Maschinen in der Lage, Arbeitsabläufe automatisiert auszuführen. Eine große Hilfe für uns Menschen!
Machine Learning und Crowd Guru – wir trainieren Algorithmen
Algorithmen müssen anhand vieler Daten lernen, bevor sie anpassungsfähig und autonom agieren können. Unsere Crowd übernimmt das Algorithmen-Training für Ihr Unternehmen. Da Ihr Auftrag parallel von hunderten Crowdworkern (unseren Gurus) bearbeitet wird, können Sie mit schnellen Ergebnissen rechnen. So verfügen Sie z. B. über einen gut funktionierenden Chatbot in deutlich kürzerer Zeit, als wenn Sie den Algorithmus intern in Ihrem Unternehmen anlernen.
Unsere Gurus verfügen außerdem über einen großen Erfahrungsschatz in der intelligenten Bildsegmentierung für autonomes Fahren. Lesen Sie mehr darüber in unserer Case Study: Algorithmustraining aus der Crowd – intelligente Bildsegmentierungen für autonomes Fahren.
Bei Interesse sprechen Sie uns gerne an. Wir freuen uns auf Sie!
