Sprache

  • English
  • Deutsch
  • Español
  • Français

Künstliche und Erweiterte Intelligenz: Interview mit Bob Rogers, Chief Data Scientist bei Intel Trends

Von Ronald van Loon am 23. August 2017

Vor kurzem habe ich mich mit Bob Rogers, Intels Chief Data Scientist for Analytics and AI, unterhalten.

Ich habe Antworten auf einige der meistgestellten Fragen im Zusammenhang mit Künstlicher und Erweiterter Intelligenz gesucht. Das gesamte Interview war äußerst aufschlussreich und hat manche Aspekte dieses Themas beleuchtet, über die nur die wenigsten Leute Bescheid wissen.

Also was ist eigentlich KI? Künstliche Intelligenz ist menschenähnliche Intelligenz, die ähnlich funktioniert wie unser Gehirn — selbstverständlich nur annähernd. Sie unterstützt unsere Leistung, vereinfacht unser Leben und verbessert unsere Fähigkeit, Informationen zu verarbeiten.

KI kann, was wir nicht können – und zwar in jeder beliebigen Sekunde eine ganze Menge mehr Daten verarbeiten. Die aktuelle KI-Technologie ist leistungsstark genug, um auf einem Foto ein Kätzchen – oder ein Objekt am Straßenrand – zu identifizieren und dann die Wahrscheinlichkeit zu kalkulieren, dass dieses Objekt sich auf die Straße bewegt.

Autonom operierende Fahrzeuge sind ein gutes Praxisbeispiel für KI-Technologien.

In der Zukunft wird KI in der Lage sein, die wichtigsten Elemente in riesigen Datensätzen zu identifizieren und entsprechende Aktionen einzuleiten.

Hier also die Frage, die sich die meisten von uns stellen: Wie wird die KI in unser Leben treten? In der vorhersehbaren Zukunft wird KI eingesetzt, um unsere Fähigkeiten zu erweitern, damit wir umfangreichere Aufgaben mit größerer Genauigkeit und in weniger Zeit erledigen können.

Mal sehen, was Bob Rogers über KI, Erweiterte Intelligenz und die interessanten Anwendungsmöglichkeiten zu sagen hat.


Wie können wir KI besser verstehen? Und wie haben sich die KI und die Erweiterte Intelligenz mit der Zeit entwickelt?

Es gibt einen feinen Unterschied zwischen Künstlicher und Erweiterter Intelligenz. Bob Rogers beschreibt diesen als „Unterschied in der Anwendung der Technologie“.

KI hat sich in der letzten Zeit enorm entwickelt. Die Ära begann damit, dass wir die Informationen beschrieben und die Bedeutung extrahiert haben. Doch heute sind KI-Lösungen viel fortgeschrittener, sodass sie mit riesigen Datenmengen in wenigen Sekunden umgehen können.

Analysesysteme der Vergangenheit waren einfache Frage-Antwort-Systeme.

Wenn Sie zum Beispiel wissen wollten, wie viele Produkte im letzten Quartal verkauft wurden, erstellte die Technologie einen einfachen Bericht.

Später verwendete man Lernalgorithmen und stellte schwierigere Fragen, zum Beispiel, wie man Kunden sinnvoll basierend auf ihren Eigenschaften in Gruppen einteilen könnte.

Dieses Vorgehen heißt Clustering und führte im Anschluss zum überwachten Lernen. Heute kann KI viel komplexere Aufgaben ausführen, wie etwa bestimmen, welche Kunden mit der größten Wahrscheinlichkeit ein weiteres Produkt erwerben und wann dies basierend auf ihren früheren Kaufgewohnheiten geschieht.

KI kann nun Elemente unstrukturierter Daten, wie Bilder, Texte und Videos verstehen. Sie kann die einfache Bilderkennung schneller, genauer und beständiger durchführen als wir Menschen.
Zurück zum Kätzchen auf dem Foto – KI wird interessanter, wenn wir beginnen, kontextuelle Fragen zu stellen.

Gibt es weitere Objekte auf dem Foto? Was ist im Hintergrund noch zu sehen? Ein einfaches Beispiel dieser Art von KI ist das automatische Organisieren ähnlich gearteter Fotos auf Ihrem Telefon über eine App.

Viele von uns machen sich Sorgen, dass die KI kognitive Aufgaben ersetzen wird. Sehen wir es einmal so: KI kann Menschen, die eine bestimmte Verkehrsregel brechen, an vielen Millionen verschiedenen Orten gleichzeitig identifizieren und sofort Bilder aufnehmen, um die Ergebnisse zu belegen.

Menschen können die Aufgabe in diesem Umfang nicht bewältigen und würden sich auch gar nicht mit einer einzigen kognitiven Aufgabe dieser Art befassen wollen. Die KI wird uns nicht ersetzen – sie erweitert lediglich unsere Fähigkeiten.

Die Technologie verspricht, menschenähnliche Intelligenz zu nutzen, um komplexe globale Fragen und Probleme zu lösen. Das Projekt „Intel Inside Safer Children Outside“, das darauf abzielt, den Kindesmissbrauch zu beenden, ist ein solches Beispiel.

Eine Nichtstaatliche Organisation gleicht Kinder in Escort-Anzeigen mit als vermisst gemeldeten Kindern ab. Die Datenbank der vermissten Kinder enthält 460.000 Bilder, die jedes Mal durchsucht werden müssen, wenn eine Escort-Anzeige mit einem Kinderfoto von der Fahndung identifiziert wird.

Zwar haben Menschen diese Aufgabe erarbeitet, doch die KI kann durch ein System viel schnellere Resultate liefern. Wenn wir KI und menschliche Intelligenz kombinieren, sind die Ergebnisse erheblich besser.

Mit anderen Worten, KI hilft uns, die einzelnen Punkte zum großen Ganzen zu verbinden.


Wie unterstützt KI die menschlichen Fähigkeiten und wie verbessert sie unser Leben?

KI-Entwickler suchen nach Herausforderungen, die erweiterte Fähigkeiten erfordern und streben danach, Tools für Aufgaben zu entwickeln, die wir selbst nicht erledigen können.

Denken wir an Ärzte, die zuweilen nur Sekunden oder Minuten haben, um wichtige Entscheidungen zu treffen.

Beispielsweise beobachten Trauma-Chirurgen meist eine große Anzahl unterschiedlicher Patientenfaktoren, um den Fortgang der Behandlung zu bestimmen. Diese Faktoren hängen auf komplexe Weise zusammen, so könnte KI die relevantesten Veränderungen eines Patienten in Echtzeit tracken, integrieren und hervorheben, damit der Chirurg die Situation einschätzen, schneller reagieren und vielleicht damit Leben retten kann.

Wir wollen der KI natürlich keine derartigen Entscheidungen überlassen, doch Ärzte könnten ihre Arbeit besser erledigen, wenn KI ihnen die Informationen liefern würde, die sie für solche komplexen Entscheidungen benötigen.

Oder hier ein weiteres Beispiel: Können Sie die wichtigsten Informationen in einer Milliarde Dokumente identifizieren, wenn ein Schlüsselbegriff gesucht wird?

AI kann sie nicht nur identifizieren, sondern auch priorisieren. Suchmaschinen lernen fortwährend, um zukünftig bessere Ergebnisse zu bieten.


Welches sind aktuelle erfolgreiche Anwendungsbeispiele von Erweiterter Intelligenz?

In der Praxis erlaubt uns die Erweiterte Intelligenz, Bilder und Videos zu nutzen, um Sprache zu erkennen und Texte zu interpretieren.

Zurück zum Beispiel aus dem Gesundheitswesen, hier können wir tatsächlich vielfältige Einsatzmöglichkeiten der Künstlichen Intelligenz beobachten.

Sie kann beispielsweise helfen, Patienten zu identifizieren, bei denen sich eine lebensbedrohliche Situation entwickelt und sogar entsprechende Therapien vorschlagen. KI kann umsetzbare Insights in Echtzeit vorschlagen, damit Ärzte besser informierte Entscheidungen treffen können.

KI kann unterschiedliche Systeme im Gesundheitswesen koordinieren und die wichtigsten Informationen aus unstrukturierten Daten herausfiltern, wie zum Beispiel ärztliche Verordnungen und Patientengeschichten, die in gescannten Dokumenten eingebettet sind, sodass die Ärzte in einer Organisation die notwendigen kritischen Informationen von einem anderen Gesundheitssystem erhalten. Die KI kann somit verschiedene Systeme für lückenlose Information miteinander verbinden.

Das Maschinelle Lernen kann zudem genutzt werden, um Patienten basierend auf ähnlichen Umständen und Krankheitsbildern zu gruppieren. Oder es kann Patienten, die ein Herzversagen erlitten haben, identifizieren und mit solchen korrelieren, bei denen ein großes Risiko des Herzversagens besteht.

Seit Kurzem gibt es „contextually intelligent agents“ – CIAs – als leistungsstarkes Tool für Patienten, um ihre medizinische Versorgung nach einer akuten Krankheit oder Operation zu koordinieren. Ein CIA ist ein Coach oder Assistent, der KI verwendet, um mit einem Patienten auf natürliche Weise durch Text oder Sprache zu interagieren, und der die KI ebenfalls einsetzt, um empfohlene Maßnahmen zu priorisieren und den Patienten durch den Genesungssprozess zu führen.

Ähnliche Anwendungen sind in den Bereichen Betrugserkennung, Finanzdienstleistungen und Einzelhandel zu finden.


Wie kann ich das erste KI-Projekt meines Unternehmens einrichten?

Unternehmen können heute wichtige Daten erfassen und speichern, doch die Frage lautet: Wie entlocke ich den Daten ihren wahren Wert? Für die meisten Unternehmen besteht die Schwierigkeit darin, strategisch vorzugehen.

Bob schlägt vor, dass Sie zuerst an eine Frage denken, die sie gern beantwortet hätten. Sehen Sie KI als simple Aufgabe an, die für Sie ausgeführt wird und die Ihnen wertvolle Informationen zu Ihrer Frage liefert. Schließlich meint Bob: „Glauben Sie einem Wissenschaftler, dies ist KEINE große Wissenschaft!“

Das Training erfolgt schnell und effizient durch eine Vielzahl an Algorithmen des Maschinellen Lernens, darunter Tiefgehendes Lernen (Deep Learning) mithilfe von Methoden wie Transferlernen.
Wie können Sie also die KI in Ihre Unternehmensprozesse einbauen?

In der Praxis beginnen Sie mit Ihren aktuellen Systemen und klassischen Algorithmen. Nach und nach möchten Sie neue Fähigkeiten hinzufügen, die neue und schwierigere Probleme bearbeiten und die Ihnen erlauben, unstrukturierte Daten in Form von Bildern und Videos einzuführen.

Mehr Daten bedeutet bessere Insights. Der Schlüssel liegt also in der anfänglichen Nutzung Ihrer Expertise. Steigen Sie dort ein, wo Sie am besten sind, und dann entwickeln Sie von dort aus weiter. Intel hat bereits mehrere Unternehmen mit fortschrittlichen Tools für das Maschinelle, Tiefgehende und Gedächtnisbasierte Lernen bei der Einführung von KI unterstützt – den Prozessen, die den eigentlichen Kern der Künstlichen Intelligenz ausmachen.

Folgen Sie Ronald van Loon, Top Ten Global Influencer für Big Data, IoT und Maschinelles Lernen auf LinkedIn und Twitter für weitere interessante Informationen.

Und wenn Sie Interesse haben, die Künstliche Intelligenz und ihre weiteren Möglichkeiten zu erforschen, laden wir Sie ein, im Oktober unsere Now You Know Europe Conference in London zu besuchen. Hier erfahren Sie mehr.


Mehr Insights erhalten

Mit Brandwatch Analytics können
Sie wertvolle Einblicke aus Social Data gewinnen. Finden Sie heraus, warum wir die Expertenwahl sind.

Demo anfordern

Ronald van Loon

Ronald hilft datengetriebenen Unternehmen dabei mithilfe von intelligenten Lösungen und praktischen Methoden den Unternehmenserfolg voranzutreiben. Ronald ist seit über 18 Jahren in der Daten(prozess)management-Domaine aktiv, gründete mehrere Unternehmen und ist jetzt Leiter bei Adversitement – ein führender Anbieter von Big Data- und Datenprozessmanagementlösungen.