5 Mythen über Künstliche Intelligenz und Machine Learning

Erwartungshaltung versus Realität

30.11.2018

Beim Thema Künstliche Intelligenz kennen sich die Menschen aus – das glauben sie zumindest. Wie eine Umfrage im Auftrag des Bundesverbands Digitale Wirtschaft (BVDW) e.V. im Vorfeld der Hannover Messe ergab, kennen 94 Prozent der Leute den Begriff Künstliche Intelligenz und 74 Prozent glauben sogar erklären zu können, was damit gemeint ist.

Dass dem nicht so ist, wird schnell deutlich, wenn man sich die weiteren Zahlen anschaut: 48 Prozent der Befragten glauben, dass der Mensch durch Künstliche Intelligenz die Kontrolle verlieren wird, 69 Prozent befürchten, dass durch KI Arbeitsplätze wegfallen werden und 18 Prozent denken sogar, dass sich durch Artificial Intelligence das Leben verschlechtern wird.

Die Befürchtungen rühren vor allem daher, dass die meisten Menschen falsche Vorstellungen davon haben, was Künstliche Intelligenz eigentlich ist und welche Auswirkungen sie tatsächlich auf unser Leben hat. Ängste und falsche Erwartungen werden auch durch irreführende Marketing-Kampagnen geschürt, in denen von Robotern gesprochen wird, die als autonome Systeme selbstständig lernen. Dies erzeugt bei den Menschen eine große Erwartungshaltung, die nicht erfüllt werden kann.

Hier die Mythen, die man am häufigsten hört:

1.) Künstliche Intelligenz ist dasselbe wie Machine Learning

Es fängt schon damit an, dass die Begriffe Künstliche Intelligenz und Machine Learning oftmals verwechselt oder in einen Topf geworfen werden. Machine Learning ist nicht dasselbe wie Künstliche Intelligenz. Künstliche Intelligenz ist der Oberbegriff für sämtliche Technologien, die menschliche Intelligenz nachahmen. Machine Learning ist lediglich eine Technologie davon. Es vereint zahlreiche Lernverfahren, die auf numerischen Verfahren aufbauen und im Grunde genommen angewandte Statistik sind.

2.) KI ist eine neuartige Technologie, die es ermöglicht, dass Maschinen denken wie Menschen

Künstliche Intelligenz ist nichts Neues. Der Begriff wurde bereits 1955 vom US-amerikanischen Informatiker John McCarthy geprägt. Heute ist Künstliche Intelligenz wieder aktuell und wird leider allzu oft von Marketing-Leuten missbräuchlich verwendet und nicht erreichbare Erwartungen beim Kunden und Anwender geweckt. Die gestiegene Rechnerleistung und das wachsende Datenvolumen machen Anwendungsszenarien rund um das Thema Künstliche Intelligenz möglich. Sie sind jedoch immer nur auf einen kleinen Bereich beschränkt. Ein Computer löst immer nur die Probleme, die er vom Menschen aufgetragen bekommt. Diese Problemlösefähigkeit ist beschränkt. So kann man einem Computer zum Beispiel beibringen, Schach oder Go zu spielen und seinen menschlichen Gegenspieler darin zu schlagen. Allerdings wird sich seine Fähigkeit auch nur darauf beschränken. Wenn neue, ihm unbekannte Probleme auftreten, kann er diese nicht ohne eine separate Programmieranweisung lösen. Ein Computer hat keinen Verstand und ist auch nicht in der Lage, Ironie zu verstehen. Alexa und Siri antworten zwar mitunter recht selbstbewusst auf provokante Fragen, allerdings ist ihre Dialogfähigkeit auch beschränkt – hier ist oft schlicht und einfach Faktenwissen hinterlegt…zwar viel Faktenwissen... aber wenn überhaupt, nur dann wenig „kognitiv“.

3.) Algorithmen lernen selbstständig

Immer wieder ist die Rede von sogenannten „selbstlernenden Algorithmen“, die man nur mit Daten füttern braucht und die dann selbst lernen und dadurch immer besser werden. Richtig ist, dass Algorithmen durch Beispieldaten trainiert werden können, um künftig unbekannte Daten selbstständig zu erkennen. Hierbei muss unter anderem jedoch zwischen unsupervised und supervised Learning unterscheiden. Beim unsupervised, also unüberwachtem, Learning lernt das System nicht näher definierte Strukturen in den Daten. Ein Anwendungsbeispiel hierfür ist das Clustering, das Gruppieren ähnlicher Daten.

Beim supervised, also überwachtem, Learning wird zum Beispiel bei der Textklassifikation vorher definiert, in welche Kategorie oder Rubrik der jeweilige Text eingeordnet werden soll. Das System ermittelt dabei, welche Begriffe in den Texten der jeweiligen Kategorie besonders häufig vorkommen – und welche nicht. Kommen jetzt neue Texte hinzu, werden die entsprechenden Schlüsselwörter verglichen und geprüft, ob sie im Text vorhanden sind oder ob sie fehlen. Danach kann der Text der richtigen Kategorie zugeordnet werden.

Ist sich das System unsicher, spielt es den Text wieder zurück, sodass ein menschlicher Experte die Datei manuell zuordnen muss. Der Algorithmus lernt also nicht von selbst und passt sich auch nicht von selbst an. Das Lernen erfolgt immer nur auf Basis der vorgegebenen Trainingsdaten.

Eine weitere Methode des maschinellen Lernens ist das Reinforcement Learning. Dabei handelt es sich um sogenanntes „Verstärkendes Lernen“, bei dem die Maschine durch ein Belohnungssystem lernt. Es spielt vor allem in der Robotics eine große Rolle und man könnte schnell den Eindruck gewinnen, dass es sich hierbei um ein selbstlernendes Verfahren handelt. Aber auch diese Art des maschinellen Lernens lernt nur durch Feedback von außen. Ein Computer, der Schach spielen lernt, muss dafür trainiert werden, indem er entweder gewinnt oder verliert. Dieses Feedback kann er sich aber nicht selbst geben, sondern muss vom Menschen kommen.

4.) Durch Machine Learning generiert der Computer wie ein Mensch selbstständig Wissen aus Erfahrung und wird irgendwann die menschliche Intelligenz überragen.

Natürlich kann man zum heutigen Zeitpunkt noch nicht genau vorhersagen, wie wir in 20 Jahren leben werden. Fakt ist, dass es bereits heute Aufgaben gibt, die von Maschinen besser erledigt werden können und bei denen uns die Künstliche Intelligenz überlegen ist, wie zum Beispiel bei der Durchführung von Rechenoperationen. Strategisches Denken und emotionale Intelligenz sind der KI aber fremd. Darin bleibt der Mensch unschlagbar. Das Aufgabengebiet einer KI ist stark begrenzt und hängt immer vom Anwendungsfall ab. Es gibt nicht „die“ KI. Auch hier gilt: Damit sie Gesetzmäßigkeiten erkennt, muss man sie mit Daten füttern. Diese Daten müssen miteinander verknüpft werden, damit die KI Zusammenhänge erkennt, Rückschlüsse zieht oder Vorhersagen treffen kann. Dass es sich bei KI um ein autonomes System handelt, das sich selbst weiterentwickelt, ist eine reine Marketingaussage.

5.) Artificial Intelligence und Machine Learning nehmen uns die Arbeitsplätze weg

Sicher werden ähnlich wie bei der Industrialisierung im 19. beziehungsweise Anfang des 20. Jahrhunderts durch Automatisierung Arbeitsplätze wegfallen, weil Maschinen die Arbeit übernehmen. Deshalb wird die Arbeit selbst aber nicht weniger. KI ist aber in der Lage, Menschen von Standardaufgaben zu entlasten. Das Besondere hierbei ist, dass es nicht nur auf den Hilfsarbeiter Auswirkungen haben wird,  sondern auch Akademiker davon betroffen sein werden. So kann KI-basierte Software Anwälten und Wirtschaftsprüfern beispielsweise das Lesen von seitenlangen Verträgen abnehmen, indem sie die wichtigsten Klauseln und Schlüsselstellen extrahiert und sie übersichtlich auflistet. Der Jurist spart sich dadurch enorm viel Zeit und kann sich wichtigeren Aufgaben widmen – wie zum Beispiel dem Prüfen und Auslegen dieser Klauseln.

Bestimmte Arbeitsfelder oder Jobrollen wird es vielleicht so nicht mehr geben oder diese werden sich wandeln – genauso, wie immer mehr Videotheken schließen, weil sich die Leute mittlerweile ihre Filme per Stream auf den Bildschirm holen. Es gibt verschiedene Statistiken und Prognosen über die Auswirkungen von KI auf die verschiedenen Berufe. Laut einer Untersuchung von PwC („Auswirkungen der Nutzung von künstlicher Intelligenz, Juni 2018“) sind besonders die Branchen Handel, Gastronomie, Hotels, Bildung, Gesundheit und der öffentliche Sektor betroffen. Doch die Ängste sind unbegründet. Zwar seien laut OECD knapp 20 Prozent der Arbeitsplätze in Deutschland durch KI bedroht, doch es entstehen dadurch auch neue Aufgabenbereiche, die wiederum neue Jobs und Dienstleistungen ermöglichen. KI schafft also Freiraum für neue Aufgaben. Sie übernimmt lediglich als sogenannter „Artificial Coworker“ einige standardisierte Teilaufgaben. Aber ganz ohne die Steuerung durch den Menschen geht es nicht.

Zurück

Der Autor

Franz Kögl

Franz Kögl ist Mitgründer und -inhaber der Firma IntraFind Software AG und verfügt über mehr als 15 Jahre Erfahrung im Enterprise Search und Content Analytics Bereich. Mehr über Franz Kögl finden Sie in unserem Management Profil

 

Zurück