Serie: Historie der KI

Die bekanntesten KI Anwendungen sind derzeit wohl Alexa, Siri und Cortana, die insbesondere über ihre Präsenz auf „smarten“ Endgeräten bei vielen Menschen ins Bewusstsein gerückt sind. Gleichwohl gibt es natürlich schon andere Anwendungen. So werden Teile des autonomen Fahrens über KI abgewickelt oder Schadensmeldungen bei Versicherungen werden durch einen Robot mit dem Vertrag abgeglichen. In letzterem Fall schlägt die KI vor, ob und in welcher Höhe eine Zahlung getätigt werden soll. Die Freigabe muss dann über einen Menschen erfolgen. In einem Nachtlauf gibt die KI die Zahlung frei oder löst die Rückstellung auf. Das Resultat daraus ist ein verbessertes Cash-Flow Management.

Ein anderes erfolgreiches Beispiel ist die KI-Anwendung einer Messe. Ein Unternehmen möchte gerne einen Kongress zu einem speziellen Thema veranstalten.  Die Anwendung sieht nun vor, dass das Thema (Wort) eingegeben wird. Das Ergebnis ist eine Liste all derer, die an dem Thema geforscht und veröffentlicht haben inkl. der Bewertung der Veröffentlichung, Auftritte als Redner, … und dient somit zur erleichterten Kongressplanung.

Wie bei jedem Hype wird auch in der KI derzeit viel versprochen, was bei einer näheren Betrachtung nicht immer standhält. Die Spracherkennung und auch die Bilderkennung weisen weiterhin Schwächen auf, für deren Behebung die menschlichen Mitarbeiter von den vier Unternehmen der GAFA z.B. als Clickworker¹⁾ eingesetzt werden. Verstörend dabei ist, dass solche Maßnahmen nicht proaktiv kommuniziert werden. Vielleicht gilt es, den Mythos der Perfektion zu bewahren, der diese Unternehmen so wertvoll macht.

Einen Sozialwissenschaftler verwundert es nicht, wenn das System sich nicht nur an den Menschen, sondern der Mensch auch an das System anpasst. Was bei KI Systemen unvollkommen ist, wird vom Menschen ausgeglichen. Hat der Mähroboter Probleme mit der Geometrie des Gartens, so werden wir den Garten anpassen. Verfängt sich der Saugroboter immer an einer bestimmten Stelle, so werden wir die Möbel verrücken. Verleiten Siri oder Alexa nicht zu klaren Kommandos: Alexa, Licht an! Siri, Licht aus!?

In vielen Köpfen – auch von Politikern – geistert herum, dass von nun an alles einfacher, schneller und günstiger würde. Es sei keine Programmierung mehr notwendig. Man müsse nur schnell das System mit den neuen Gesetzes-Vorschriften trainieren und Voilà … !

Nun ist der Preis für den Verzicht von expliziten Wissensregeln – wie zuvor beschrieben – die Verwendung teilweise sehr großer und vor allem geeigneter Datenmengen. Ein geeignetes, neuronales Netzwerk muss herangezogen und die sehr großen Datenmengen müssen, um ein effizientes Training zu gewährleisten, einem aufwendigen Preprocessing bzw. einer Data  Preparation unterworfen werden. Bisweilen stellt es sich erst im Nachherein heraus, dass die Daten²⁾ sich nicht eignen, wenn dieses überhaupt erkannt wird. Ferner sollten ein geeignetes Netz und ein hierfür passendes Trainingsverfahren ausgewählt werden. Darüber hinaus sollte von Anfang an Klarheit herrschen, welche der Daten zum Training und welche zum Testen genutzt werden. Klar ist auf jeden Fall, dass vieles anders ist. Ob dann aber alles einfacher, günstiger und schneller wird?

Teil 5 zum Thema Security mit einem Fazit zur Blogserie erscheint in Kürze.

Quellen:

1) https://www.bernerzeitung.ch/digital/daten/sie-hoeren-auch-bedrohungen-und-uebergriffe-mit-an/story/25871776; Clickworker sind selbstständige Heimarbeiter, die Kleinstaufträge mittels Crowdsourcing Plattformen handhaben, wie Amazon Mechanical Turk

2) Algorithmen der Haftzeitabschätzung USA: https://www.deutschlandfunknova.de/beitrag/usa-algorithmus-diskriminiert-schwarze-straftaeter

Fragen, Feedback und Kommentare zu diesem Beitrag senden Sie bitte an r.hannig@acent.de