Tabletnutzung
Digitalisierung

Künstliche Intelligenz und Machine Learning: Mehr als Science Fiction

20.06.2016

Wir sprachen im Rahmen der Zero Outage Konferenz von T-Systems mit David Meyer, Chief Scientist bei Brocade Communications über intelligente Maschinen, Robotics und selbstlernende Netzwerke.

Künstliche Intelligenz (englisch: Artificial Intelligence) als Forschungsgebiet der Informatik ist das Bestreben, Maschinen so zu bauen, dass sie sich wie Menschen verhalten, also nicht nur Probleme lösen, sondern auch eigenständig denken und logische Schlussfolgerungen ziehen können.

Künstliche Intelligenz: Wie Maschinen lernen

In seinem Vortrag „Jüngste Fortschritte bei selbstlernenden Verfahren: eine neue Stufe der Intelligenz bei Netzwerkzuverlässigkeit und –optimierung“ sprach David Meyer u.a. über „machine learning“, einem Teilgebiet der Künstlichen Intelligenz. Im machine learning erwerben Computerprogramme, mit Hilfe von Algorithmen, eigenständig Lösungen für neue und unbekannte Probleme. Dadurch können aus Daten gezieltere Vorhersagen getroffen werden.
Ein Teilaspekt von machine learning ist „deep learning“, eine algorithmische Methode zum “Tuning” neuronaler Netze auf Basis von Daten. Durch deep learning können Computerprogramme Objekte und Gesichter auf Fotos erkennen oder Sprache übersetzen. Die Methode der Bilderkennung wird auch beim autonomen Fahren angewandt. So setzt zum Beispiel Mercedes Benz auf machine learning: Der Fahrzeugrechner muss nicht auf jedes Detail trainiert werden, er lernt typische Strukturen von Straßenszenen einer Stadt zu interpretieren. „Reinforcement learning always takes the optimal action in the situation I am in“, erklärt Meyer das Ziel dieser Methode. Oft braucht es zahlreiche Lernversuche, bis die Maschine die optimale Strategie findet.
Das Silicon Valley in den USA ist mit seinen Startups und Playern wie Apple, Facebook und Google der Hub für Forschung zur Künstlichen Intelligenz. Einer breiten Öffentlichkeit bekannt sind zum Beispiel Siri, die Software von Apple, die der Erkennung und Verarbeitung von natürlich gesprochener Sprache dient, der digitale Assistent Amazon Echo oder AlphaGo, das auf das Brettspiel Go spezialisierte Computerprogramm von Google Deepmind.

Flugsimulatoren können keine Autos steuern

David Meyer
Viele der heute verfügbaren Programme zeigen bereits eine sog. „narrow artificial intelligence“, also die Fähigkeit in einem eingeschränkten Bereich oder Industriefeld Aufgaben zu lösen. Maschinen leiten Logistikzentren, steuern Fahr- und Flugzeuge oder unterstützen im Gesundheitsbereich durch die Analyse medizinischer Daten teilweise effizienter als Menschen.  Aber ein Flugsimulator kann nicht automatisch ein Auto steuern, da er neue Daten wie Objekte und Fußgänger oder Verkehrsregeln erst verarbeiten muss. Heute angewandte Systeme sind noch nicht in der Lage dies automatisch zu tun. Sie brauchen Menschen, welche die Maschinen darauf programmieren auf gewisse Ereignisse entsprechend zu reagieren.
David Meyer ist der Ansicht, dass wir uns auf der Stufe zur Weiterentwicklung dieser bahnbrechenden Technologie befinden, die nicht nur unser persönliches Lebensumfeld, sondern auch unsere Arbeit und die Art wie wir Problemlösungen angehen, komplett auf den Kopf stellen wird: „A lot of people‘s everyday problems are going to chance because lots of things are being automated.“

Werden Maschinen uns ersetzen?

Das beginnt im privaten Umfeld bei intelligenten Kühlschränken, die automatisch Nahrungsmittel bestellen, optimiert auf den individuellen Kalorienbedarf der User, bis hin zu durchgeplanten Arbeitsabläufen. Stellen Sie sich vor, sie müssten nie wieder Excel Sheets für Reportings ausfüllen oder ihren Tagesablauf selbst planen. Die Möglichkeiten von intelligenten Maschinen reichen natürlich noch viel weiter. Sie werden ganze Branchen, die heute von Menschen besetzt sind, wie zum Beispiel Speditions- oder Transportunternehmen einverleiben.

Industrielle Wissensrevolution

In der Vergangenheit waren von den zahlreichen technischen Erfindungen und Errungenschaften hauptsächlich Hilfsarbeiter in Niedrig-Lohn-Segmenten betroffen. Simple und sich wiederholende Arbeitsabläufe wurden nicht mehr von Menschen, sondern von Maschinen erledigt. Laut Meyer machen intelligente Maschinen heute aber vor allem Akademikern, wie Ärzten oder Rechtsanwälten, Konkurrenz.
In diesen Bereichen, werden Maschinen den Menschen jedoch nicht so schnell ablösen. Vielmehr sollen intelligente Systeme als Unterstützung in der Entscheidungsfindung dienen. Ein Arzt hat immer nur das Wissen, das er sich im Laufe seines Lebens durch Studium, Weiterbildung und Praxiserfahrung angeeignet hat. Ein auf künstlicher Intelligenz basierter Computer kann jedoch über die Cloud binnen kürzester Zeit aktuelle Studien und Forschungsergebnisse miteinander vergleichen und so dem Arzt in der Entscheidungsfindung unterstützen. Spitäler könnten solche Systeme aber auch für Administration und Therapie anwenden und so dem Personal wiederrum mehr Zeit für ihre Patienten verschaffen. Was heute mit Krankenhausinformationssystemen (KIS) noch in den Kinderschuhen steckt, wird in wenigen Jahren Realität.

Mit Machine Learning zu Zero Outage

Doch intelligente Systeme erfordern auch ein neues Sicherheits- und Qualitätsverständnis. Jeden Tag verlassen wir uns darauf, dass die Welt um uns herum reibungslos funktioniert: im Aufzug, im Flugzeug, beim Einkauf oder im Operationssaal. Dabei können ein simpler technischer Defekt, menschliches Versagen durch die zunehmende Abhängigkeit von IT jede Alltagssituation zur Bedrohung werden lassen. Die Sicherheit und Qualität von Abläufen und Produkten sind demnach lebensnotwendig. Deshalb will T-Systems noch in diesem Jahr mit dem Aufbau eines Ökosystems von Partnern beginnen, die sich alle dem Null-Fehler Prinzip verpflichten und gemeinsame Regeln für das Qualitätsmanagement einhalten. Auch hier forscht T-Systems mit künstlicher Intelligenz. Maschinelle Lernalgorithmen sollen fehlerhaftes Verhalten von IT-Systemen automatisch und effektiv zum frühestmöglichen Zeitpunkt entdecken, um Ausfallzeiten so gering wie möglich zu halten.