12. Oktober 2018

Beispiele für Künstliche Intelligenz und Deep Learning und was bedeutet Big Data?

Künstliche Intelligenz wird unsere Zukunft maßgeblich verändern

©metamorworks – Fotolia.com #183299091 – Künstliche Intelligenz wird unsere Zukunft maßgeblich verändern.

Zugegeben: Manche Fachwörter in der IT klingen kompliziert. Und was sich genau hinter ihnen verbirgt, ist oft nicht sofort klar. Es ist nachvollziehbar, dass sich der ein oder andere im Dschungel von Begriffen wie Künstliche Intelligenz oder Machine Learning verliert und sich fragt: Wie funktioniert Künstliche Intelligenz? Deshalb schaffen wir jetzt Abhilfe.

Wie funktioniert Künstliche Intelligenz?

Künstliche Intelligenz (KI) ist gar nicht so neu, wie es vielleicht den Anschein hat. Bereits Anfang des 20. Jahrhunderts haben sich schon Informatiker und Logiker damit beschäftigt. Sie stellten die These auf, dass Denken Informationsverarbeitung ist und Informationsverarbeitung ein Rechenvorgang. Beim Thema KI geht es im Prinzip darum, dass Maschinen das menschliche Gehirn nachahmen. Ziel ist es, den Computer so zu programmieren, dass er eigenständig Probleme bearbeiten kann und menschliche Denkprozesse mechanisch ablaufen lässt. Kein Wunder, dass KI-Projekte bei vielen Unternehmen auf der Prioritätenliste ganz oben stehen. Die Technologie ist zu einem der größten Treiber der Digitalisierung geworden. Doch wie funktioniert Künstliche Intelligenz in der Praxis? Die Anwendungsgebiete sind zahlreich. Einfaches Beispiel: Der sprechende Chatbot Alexa, der schon in einigen Haushalten und Smart Homes Einzug gehalten hat. Die Analogie zwischen Mensch und Maschine wird dabei bildlich sehr schön deutlich. Die Person ruft dem Bot eine Frage zu, wartet kurz, und der Chatbot antwortet durch das Mikrofon. Doch woher weiß der Chatbot, was er auf welche Frage zu antworten hat?

Deep Learning und Machine Learning

Machine Learning ist ein Oberbegriff. Es beschreibt Verfahren, mit denen ein System selbständig Wissen aus Erfahrungen schöpft. Deep Learning ist dabei ein Teilbereich und beruht auf statistischer Datenanalyse. Beim Deep Learning erkennt die Lösung – um beim einfachen Beispiel des Chatbots zu bleiben – stets wiederkehrende Muster in den Nutzerfragen. Daraufhin bildet sie neuronale Netze aus und erstellt auf Basis neuer Informationen immer neue Verknüpfungen.

Die Maschine optimiert sich quasi selbst. Mit Deep Learning generiert das System oder die Maschine selbst Kataloge mit Merkmalen bestimmter Nutzerfragen. Möchte der Nutzer beispielsweise wissen, welche Freizeitaktionen in seiner Stadt am Wochenende geboten werden, muss die Maschine für ein und denselben Sachverhalt ja unterschiedliche Formulierungen verstehen können. „Was gibt es in München am Wochenende für Veranstaltungen?“ „Welche Events gibt es Samstag in München?“ „Was steht im Eventkalender von München für dieses Wochenende?“ – und viele weitere mehr. Hat der Computer eine gewisse Anzahl an Formulierungen verstanden, wird er auch die nächste und übernächste verstehen, indem er neue Anfragen mit bereits gespeicherten Mustern abgleicht, um sie zu identifizieren. Ein anderes Programm, das wir alle nutzen, ist der Googleübersetzer. Die Qualität seiner gelieferten Texte nimmt stetig zu. Zu unterscheiden, ob eine Übersetzung etwa von Google stammt oder einem Menschen, ist praktisch nicht mehr möglich. Wie ist das machbar? Durch Machine Learning. Der Algorithmus lernt dadurch, dass er immer mehr Texte verarbeitet. Die Maschine trainiert die Fähigkeit, Assoziationen zwischen den Informationen herzustellen. Und genauso lernt auch das menschliche Gehirn. Es verknüpft alte Informationen mit neuen Daten und erweitert so seinen Wissensschatz laufend.

Big Data

Big Data bezeichnet die immer größer werdende Informationsmenge im Internet. 2,5 Trillionen Bytes Daten werden pro Tag erzeugt. Eine Trillion ist eine 1 mit 18 Nullen. Um diese Menge zu speichern, wären 36 Millionen iPads nötig. Wie so viele Daten zusammenkommen können? Ganz einfach: Spricht etwa ein Nutzer mit seinem Chatbot und sagt ihm, was er am Abend noch einkaufen möchte, kann die Lösung die Informationen speichern. Vorteil dabei: Das System lernt die Vorlieben des Anwenders kennen. Beim nächsten Wocheneinkauf, kann es ihm dann bereits die alte Einkaufsliste vorschlagen, die er nur noch für den neuen Einkauf aktualisieren muss. Doch in den Informationen steckt noch sehr viel mehr: Unternehmen können auch herausfinden, wie sie Kunden auf ihrer Customer Journey beim Onlinehandel begleiten können. Mitarbeiter im Gesundheitswesen können Patientenakten mit mehr Informationen anreichern, um einen „360-Grad-Patienten“ zu kreieren. So gewinnen Ärzte also ein viel umfassenderes Bild von Patienten und ihren Beschwerden. Vergleichen Mediziner die Portfolios mittels Datenanalyse miteinander, können sie Krankheitsverläufe vorhersagen und mit Therapien, die sich in der Vergangenheit bewährt haben, frühzeitig behandeln.

Von Alexander Schultz

Suche
Twitter

Copyright © 2018 Fortis PR.BlogKontaktImpressumDatenschutzDEEN

Diese Webseite verwendet nur erforderliche Cookies, die für das Funktionieren der Webseite unerlässlich sind. Durch die weitere Nutzung der Webseite stimmen Sie der Verwendung von diesen Cookies zu. Cookies für Analyse, Personalisierung, Werbung und von sozialen Medien werden nicht eingesetzt.

Mehr Info   Einverstanden