Wissens- und Verstehensvermittlung im Rahmen der Lehre an einer wissenschaftlichen Hochschule einzusetzen war der natürliche Wunsch nach einer jahrelangen solchen Praxis in der eigenen Firma. Ich hatte Glück, weil es mir gelang eine Berufungskommision von meinem diesbezüglichen Wissen, Verstehen und Können zu überzeugen. Anfang der Neunziger Jahre wurde ich an die HFU im Schwarzwald berufen. Auf den Lehrstuhl Programmieren und Softwaretechnik.
Der Lehrerfolg in der eigenen Firma war im Prinzip schon dem Verdienst meiner Lehrer (an den besuchten Schulen und an der TUM in München)
Das wäre es! Statt pure vorweihnachtliche Stille. Wechseln von Piano hin zu Crescendo. Verstehen und Können (als Folge aus dem Verstehen) sollten zunehmend lauter vorgetragen werden. Mag schon sein, dass der dem Verstehen und Können vorausgehende Schritt, das Lernen, in der Tonstärke Piano gespielt wird. Nun geht es aber auf das Semesterende zu und die Studierenden wollen die Ernte des Semesters sicher nach Hause bringen. Da wird es allmählich Zeit, in einer Inventur zu prüfen, was an verwertbarem Material zum Abliefern vorhanden ist. Es gibt ja soetwas wie Lernziele.
Sicher, wir haben bis zum Semesterende (Ende Februar) noch ein paar Tage Zeit. Die meisten kennen das aber: der Zeitenfluß beschleunigt sich geradezu exponentiell, wenn es auf das Semesterende zu geht! Carpe diem…
Schieben Sie also nicht alles auf die letzten Tage! Ich wünsche Ihnen noch eine schöne Vorweihnachtszeit!
Und wenn es soweit ist: friedliche Weihnachten und einen lustigen Jahreswechsel.
Die KI lässt sich in zwei Arten differenzieren. Zu einen gibt es die schwache KI (engl. weak AI), zum anderen aber auch die starke KI (engl. strong AI). Die schwache KI legt ihren Fokus auf die Lösung konkreter Anwendungsprobleme. Bei der starken KI hingegen, möchte man bei einem System eine allgemeine Intelligenz schaffen, die der des Menschen ähnelt oder sogar noch übertrifft. Grundsätzlich kann man sagen, dass die schwache KI die Intelligenz nur simuliert, während die starke KI als echte Intelligenz interpretiert werden kann. Im Folgendem wird dargestellt, in welchen Anwendungsbereichen die KI auf beide Arten eingesetzt werden kann
Schwache KI
Starke KI
Expertensysteme
Logisches Denken
Navigationssysteme
Entscheidungsfähigkeit auch bei Unsicherheiten
Spracherkennung
Planungsfähigkeit
Zeichenerkennung
Lernfähigkeit
Korrekturvorschläge bei Suchen
Kommunikation in natürlicher Sprache
Automatisierte Übersetzungen
Kombinieren aller Fähigkeiten zur Erreichung eins übergeordneten Ziels
Schwache KI vs Starke KI
Einige Wissenschaftler und Philosophen sind der Meinung, dass ein KI-System noch so intelligent scheinen kann, es doch trotzdem eine schwache KI sei. Sie behaupten, dass die menschliche Intelligenz grundsätzlich nicht durch ein Computer Programm simuliert werden kann.
Wie oben bereits genannt ist die starke KI die Art von künstlicher Intelligenz, welche dieselben intellektuellen Verfahren wie der Mensch vorzeigt, oder die eines Menschen sogar übertrifft. Seit der Entwicklung der KI, ist diese Vision das Ziel aller KI-Forschungen. Dieses Ziel in der nahen Zukunft zu erreichen, bleibt jedoch mittlerweile fast unrealistisch. Häufig wird die starke KI in Science-Fiction Filmen oder Literaturen genutzt.
Die Möglichkeiten der KI kann man vielseitig betrachten. Oftmals sind sie dort vorzufinden, wo die Stärken der menschlichen Intuition und Erfahrungen nicht mehr zur Anwendung kommen. Die Möglichkeiten der KI überwinden die Schwierigkeiten, welche der Mensch mit seiner Rechenleistung hat. Zur vollständigen Lösung von Problemen benötigt man jedoch die menschlichen Individuen, wie auch eine hohe Rechenleistung. Aus den Lösungsansetzen zu lernen, wie etwas gelöst werden kann, ist ebenfalls erforderlich für einen Erfolg. Somit sind die Schwächen von Computern klar aufzuzeigen, diese liegen bei dem logischen Schließen und Folgern. Die Möglichkeiten, welche uns die KI heutzutage öffnen sind zwar breit gefächert, aber in einigen Bereichen noch zum Teil eingeschränkt. Beispielsweise besitzen Computer immer noch nicht die Fähigkeit menschliche Handlungen – oder auch die von anderer Lebewesen – zu verstehen oder gar diese nachzuahmen. In der Umsetzung von KI sprechen einige Aspekte für den Einsatz von Computersystemen, jedoch ist der Erfolg hierbei nicht zu garantieren. Ein Rechensystem muss vorerst programmiert werden, damit es in der Lage dazu ist KI entstehen zu lassen. Somit muss jede gestellte Aufgabe, wie das Verhalten unterschiedlicher Individuen, in der Computersprache verfasst und umgewandelt werden.
Die Umwandlung erfolgt zwischen der Zusammenarbeit mehrerer Wissenschaftler, psychologischen Spezialisten und Biologen, wie auch Informatikern. Erst dann kann sichergestellt werden, dass eine optimale Umsetzung erzielt wurde. Die Herausforderung hierbei ist es, die fundamentalen Elemente der verschiedenen Gebiete ideal in die des Eigenen zu integrieren. Die Neurowissenschaft trägt mit seinem Forschungszweig der Gehirnforschung einen potenziellen Beitrag zur Funktionsweise einzelner künstlicher Verhaltensweisen bei. Dies tut sie, indem sie die Funktionen der Verhaltenszüge im Zusammenhang einzelner Neuronen, in unterschiedlichen Individuen, überprüft und beurteilt. Die fortschrittlichen Erkenntnisse der Biologie, sind ebenfalls ausschlaggebend zum Verständnis und zur Umsetzung etlicher Verhaltenszüge der KI. Durch dieses Zusammenspiel entsteht ein Netzwerk aus unterschiedlichen Aspekten der Wissenschaft, wo durch sich die Möglichkeiten, wie auch die Grenzen der KI immer erneut mit dem aktuellen Stand definieren lassen.
Allein der Begriff „Künstliche Intelligenz“ deckt Fragen in uns auf, wie: „Können Maschinen denken?“ oder „Werden Maschinen eines Tages denken können?“. Mit diesen Fragen beschäftigte sich Alan Turing – einer der wichtigsten Begründer der Informatik und somit auch der KI – im Jahre 1950.
Turing schlug vor, um die Frage – Können Maschinen denken? – zu beantworten, müsste man vorerst Begriffe wie „Maschine“ und „denken“ definieren. Anstatt sich mit Definitionen rumzuschlagen, hat er die Frage durch etwas anderes ersetzt, welches damit zusammenhängt und in relativ eindeutigen Wörtern ausgedrückt werden kann. Somit entstand die Idee des Turing-Tests (imitation game, nannte Turing den Test ursprünglich). Der Tester soll zwischen dem Menschen und der KI unterscheiden.
Aus diesem Grundgedanken wurde ein leicht adaptierter Turing-Test vom Cleverbot durchgeführt, um weibliche und männliche Gesprächspartner unterscheiden zu können:
Es gibt eine männliche Person A, eine weibliche Person B und ein Interviewer C (für den Interviewer ist das Geschlecht irrelevant, da dieser als neutrale Person definiert ist). C sitzt in einem geschlossenen Raum und kann somit A und B nicht sehen. C kann nur mit Hilfe eines Bildschirms und einer Tastatur mit A und B kommunizieren. C weiß nicht, welche Person die Frau oder der Mann ist. C kennt beide nur unter X und Y. Das Ziel von C ist es, durch die Kommunikation herauszufinden wer von den beiden Personen die Frau, und wer der Mann ist. Während dem Test gibt B immer ehrliche Antworten und hilft somit C dabei sein Geschlecht herauszufinden. Während dessen versucht A durch unehrliche Antworten C in die Irre zu führen, damit der Interviewer eine falsche Entscheidung bezüglich des Geschlechtes fällt.
Für Turing ist nun interessant was passieren würde, wenn man die Person A durch eine Maschine ersetzt. Wird die Maschine es gleich oft oder öfter schaffen den Interviewer C zu einer falschen Entscheidung zu führen? Kann die Maschine wissend genug kommunizieren, um am Ende dieselbe Erfolgsrate bei C, wie von der Person A zu erzielen? Sollte das der Fall sein, ist Turing dazu bereit der Maschine Denkvermögen zuzugestehen.
Der Turing Test schlug sich somit in die Geschichte der KI ein und wurde Jahre lang in diesem Bereich eingesetzt. Die Maschinen waren lange Zeit aussichtslos, bis sich am 3. September 2011 etwas unglaubliches ereignete. Die Web-Applikation „Cleverbot“ nahm gemeinsam mit 1334 Menschen am Turing-Test-Festival in Guwahāti (Indien) teil. Cleverbot hat es geschafft von fast 60% der Interviewer als Mensch wahrgenommen zu werden, wobei hingegen die wirklich menschlichen Konkurrenten nur 63% erreichten.
ML beruht auf den Prinzipien von Computeralgorithmen, die durch Versuche und Erfahrungen reflexartig lernen. Das ML ist eine Anwendung der Künstlichen Intelligenz, die es Programmanwendungen ermöglicht, Ergebnisse mit äusserster Präzision vorherzusehen. Es macht einen Unterschied zwischen der Erstellung von Computerprogrammen und der Unterstützung von Computern beim Einprägen ohne menschliches Eingreifen.
Die wichtigste Komponente für ein lukratives ML Projekt im Unternehmen sind die Daten.
Grosse Unternehmen kaufen sich diese Datensätze oftmals bei einem anderen Unternehmen ein, welches Eigentümer der Daten ist oder es wird eine Vereinbarung über das Eigentum bzw. der Aufteilung dieser Daten geschlossen. Für kleinere Unternehmen, …
Generell gibt es drei relevante Anwendungsbereiche, über welche sich Unternehmen Gedanken machen müssen, wenn es darum geht Unternehmensbereiche bzw. Anwendungsfälle für ML zu identifizieren.
Ein Selbstversuch: mal versuchen die Benutzung von Mupples zu beschreiben. Passt das? Oder passt es nur für Wordpress und BuddyPress-Kenner*Innen? Lass` deine Meinung in den Kommentaren!
Blog-Leser*Innen sind versierte Web-User*Innen! Kaum vorstellbar, dass jemand eine Bedinungsanleitung für den Mupples-Blog und die MupplesUniversity braucht?
Research-Assistent*Innen gesucht. Das ist die Möglichkeit in einem virtuellen Team beim Recherchieren und Schreiben Erfahrungen zu sammeln. Ideal für Student*Innen und digital Nerds! Interessiert? Anmelden / registrieren und Kontaktformular am Blockende aufüllen. Ich freue mich auf das Gespräch!
