Aufrufe
vor 4 Jahren

KINOTE 01.2019

  • Text
  • Methoden
  • Lernverfahren
  • Unternehmen
  • Systeme
  • Modell
  • Beispielsweise
  • Menschen
  • Einsatz
  • Banken
  • Intelligenz
Um einen Wandel der Finanzbranche erfolgreich zu meistern, müssen Kreditinstitute sowohl Chancen als auch Herausforderungen der Künstlichen Intelligenz (KI) erkennen. Unter der neuen Marke KINOTE der Bank-Verlag GmbH finden Sie Meldungen, Studien und Fachartikel zum Themenkomplex KI. Wir beantworten Ihre Fragen rund um KI. Wir berichten über Trends, neue Technologien, Forschungsergebnisse und daraus entstehende Möglichkeiten, die KI Ihrem Unternehmen bietet.

12 01 | 2019 KI im

12 01 | 2019 KI im Wandel der Entwicklung Wo selbstlernende Systeme an ihre Grenzen stoßen Ob Google, Amazon, Facebook und Netflix in den USA oder Alibaba und Tencent in China: Weltweit hat längst ein Wettrennen um die Entwicklung intelligenter Systeme begonnen, und die Liste lässt sich leicht um viele Firmen und Länder erweitern. Befeuert wird diese Entwicklung durch günstige Rechenkapazitäten und die riesigen, leicht verfügbaren Datenmengen, die die Grundlage für Maschinelles Lernen, den aktuellen Motor der Entwicklung, bilden.

01 | 2019 13 Die Künstlichen neuronalen Netze, die Grundlage für viele aktuelle maschinelle Lernverfahren sind, gehen dabei auf eine Zeit zurück, noch bevor der Begriff Künstliche Intelligenz geprägt wurde. Die einfachste Form neuronaler Netze wurde 1943 von Warren McCulloch und Walter Pitt beschrieben, seither wird diese Art künstlicher Neuronen nach ihren Entwicklern als McCulloch-Pitts-Zellen bezeichnet. Die Wortschöpfung Artificial Intelligence (AI) wurde erst 1956 im Rahmen des Seminars „Dartmouth Summer Research Project on Artificial Intelligence“ (Dartmouth Workshop) als Forschungsbegriff etabliert. Dieser Workshop gilt heute allgemein als die Geburtsstunde der Künstlichen Intelligenz. Der Begriff AI wurde vermutlich wirklich zum ersten Mal 1955 in dem Projektantrag zum Dartmouth Workshop verwendet. Dabei gab es bereits vorher Diskussionen über Thinking Machines und Arbeiten dazu von Alan Turing. So stammt auch das Konzept des bekannten Turing-Tests bereits aus dem Jahr 1950. Dartmouth-Workshop Im Rahmen des Workshops am Dartmouth College in Hanover, New Hampshire, wurden viele unterschiedliche Themen aufgegriffen, die bis heute aktuell sind. Neben der Beschäftigung mit neuronalen Netzen standen auch die menschliche Sprache („How Can a Computer be Programmed to Use a Lan guage“), die selbstständige Verbesserung der eigenen Programmierung („Self-Improvement“) oder auch Überlegungen zu Zufall und Kreativität („Randomness and Creativity“) auf der Agenda. Viele der Teilnehmer des Workshops bildeten in den folgenden Jahrzehnten das Rückgrat der unterschiedlichen Forschungsrichtungen innerhalb der KI, darunter Marvin Minsky, John McCarthy oder Claude Shannon, und auch Warren McCulloch als Entwickler der ersten neuronalen Netze nahm daran teil. Eine zentrale Frage der AI, die sich bereits damals stellte, ist die Frage nach der Definition des Begriffs „Intelligenz“. Der von Alan Turing 1950 vorgeschlagene und nach ihm benannte Test sollte dabei aus einer Beobachterrolle heraus zwischen einer denkenden Maschine und einem Menschen durch Kommunikation mit dem jeweiligen Gegenüber unterscheiden. Würde ein Beobachter zwischen beiden nicht unterscheiden können, bedeutete dies, dass die Maschine hinsichtlich ihrer Denkfähigkeit nicht von einem Menschen zu unterscheiden ist. Dabei ist der Beobachter von beiden Parteien so getrennt, dass er diese weder sehen noch mit ihnen sprechen kann, um unabhängig von sensorischen Eindrücken in der Kommunikation zu sein. Betrachtet man mit dem telefonischen Assistenten „Google Duplex“ die aktuelle Entwicklung im Bereich digitaler Assistenten mit natürlich modulierten Stimmen, dann wäre selbst der Verzicht auf die Sprachübertragung beim Turing-Test heute kaum noch ein Problem für eine KI. Auf der Entwicklerkonferenz I/O 2018 wurde die Aufnahme eines Telefonats zwischen einem digitalen Assistenten und einem Friseursalon vorgespielt: Bei dieser Terminvereinbarung baute der digitale Assistent sogar „Denkpausen“ ein und imitierte auf diese Weise menschliches Verhalten. Schwache vs. starke KI Obwohl seit Entwicklung des Turing-Tests beinahe 70 Jahre vergangen sind, haben wir bis heute keine eindeutige Definition für den Begriff Künstliche Intelligenz. Es haben sich aber zumindest zwei unterschiedliche Herangehensweisen herauskristallisiert: die sogenannte schwache KI und die starke KI. Die starke KI spricht dann von einem intelligenten künstlichen System, wenn es sich um ein System handelt, das aus eigenem Antrieb handelnd mit seiner Umwelt interagiert, Probleme selbstständig erkennt und löst und sich dabei immer weiterentwickelt. Diesen Begriff der KI findet man auch meist in den Unterhaltungsmedien wieder, sei es ein HAL 9000 aus dem Film „2001: Odyssee im Weltraum“ von 1968 oder aktueller „J.A.R.V.I.S.“ aus der „Iron Man“-Filmreihe. Damit wird das öffentliche Verständnis von KI weitgehend geprägt. Die schwache KI orientiert sich stärker an den Überlegungen, die hinter dem Turing-Test stehen. Hier gilt ein System dann als intelligent, wenn das Problem nicht durch einfache Algorithmen gelöst werden kann und ein Mensch Intelligenz für die Bewältigung dieses Problems benötigen würde (also aus einer Beobachterposition heraus dem System intelligentes Verhalten zubilligt). Diese schwache KI entspricht am ehesten dem, was wir im Moment in der Entwicklung und im technischen Einsatz beobachten können. Allerdings ist es insbesondere bei der schwachen KI sehr schwer, eine Abgrenzung zwischen einem intelligenten und einem nicht-intelligenten System zu finden. Eine Studie von MMC Ventures aus dem Jahr 2019 kommt zu dem Schluss, dass 40 Prozent der Start-ups, die KI als Bestandteil ihres Geschäftsmodells bezeichnen, tatsächlich keine KI einsetzen oder KI keine wesentliche Rolle für das jewei-

die bank