Wie funktioniert KI?

Definition, Ansätze und Zukunftsvisionen

KI ist ein Begriff, welcher heute fast jeder schon einmal gehört hat. Für Menschen aus dem Bereich der IT oder für passionierte Gamer ist die Künstliche Intelligenz ein altbekanntes Thema. Aber was versteht man eigentlich ganz konkret unter KI und wie funktioniert sie? Und was noch viel wichtiger ist: Wie weit ist die Entwicklung der KI heute überhaupt?

Was versteht man konkret unter KI?

Bei der sogenannten KI (kurz für: Künstliche Intelligenz) handelt es sich um ein Teilgebiet der Informatik. In diesem Teilbereich dreht sich alles um ein automatisiertes intelligentes Verhalten sowie um das Maschinelle Lernen. Im Allgemeinen geht es bei der KI darum, bei Maschinen bzw. Computern solche Entscheidungsstrukturen zu integrieren, die den Strukturen des menschlichen Gehirns möglichst nahekommen. Maschinen sollen also mit Hilfe der Künstlichen Intelligenz dazu befähigt werden, Probleme eigenständig und ohne den Eingriff durch einen Menschen zu lösen.

Im Allgemeinen wird zwischen der schwachen und der starken KI unterschieden. Bei der schwachen KI geht es vorrangig darum, das menschliche Denken zu unterstützen. Zu diesem Zweck müssen Systeme dazu fähig sein, eigenständig zu lernen – dieser Aspekt muss ein integraler Bestandteil einer Künstlichen Intelligenz sein. Das Hinzufügen von Informationen im Nachhinein würde den Ansprüchen an die entsprechenden Maschinen nicht genügen. Auch mit unvorhersehbaren und unbekannten Situationen muss eine Maschine mit schwacher KI umgehen können. Letztendlich soll diese Form ein menschliches, intelligentes Verhalten möglichst gut nachahmen können – und zwar zunächst konkret in den Themengebieten Mathematik sowie Informatik.

Die starke KI ist hingegen weitaus weniger mit den menschlichen Denkstrukturen vergleichbar. Vielmehr geht es bei Systeme mit starker KI darum, dass es völlig andersartige Strukturen aufweist, die weder Liebe, Hass, Angst oder Freude kennen. Gefühle können im Bedarfsfall natürlich trotzdem simuliert werden, sofern diese Fähigkeit während der Programmierung berücksichtigt wird.

Funktionsweise von KI

Das Denken bzw. die Intelligenz der Maschinen funktioniert gänzlich anders als das menschliche Gehirn. Das sogenannten Machine Learning basiert stattdessen vor allem auf komplizierten Algorithmen, welche wiederum auf Statistiken sowie Wahrscheinlichkeitsrechnungen aufbauen. Vor allem die Regression und die Korrelation sind zwei Begriffe, welche in diesem Zusammenhang eine tragende Rolle spielen.

Bei einer Korrelation geht es primär um einen besonders häufigen Zusammenhang zwischen zwei (oder mehr) Variablen. Hierbei kann es sich zum Beispiel um die Korrelation zwischen dem Alter und dem Gewicht handeln – je älter ein Mensch ist, desto schwerer wird er und ab einem bestimmten Alter nimmt das Gewicht umgekehrt wieder ab. Obwohl es sich hierbei um ein simples Beispiel handelt, wird deutlich, welcher Logik die Korrelation folgt. Bei der Korrelation geht es in erster Linie um den tatsächlichen statistischen Zusammenhang, nicht aber um den Grund für diesen Zusammenhang (keine primäre Frage nach dem Causalzusammenhang).

Der zweite Faktor, nämlich die sogenannte Regression, ist genaugenommen eng mit der Korrelation verwandt. Hier wird anhand der vorhandenen Korrelationen versucht, den Wert einer Variablen so präzise wie möglich zu schätzen. Auf diese Weise können Prognosen abgegeben werden. Bei der Regression aus dem obigen Beispiel mit dem Alter und dem Körpergewicht ginge es also darum, das Gewicht eines 12-Jährigen möglichst präzise vorauszusagen.

Welche Anwendungsansätze gibt es in der modernen KI?

Ein Ansatz zur Anwendung der KI sind die sogenannten Klassifizierungsaufgaben. Hier soll die Maschine lernen, bestimmte Objekte einer korrekten Klasse zuzuordnen. Im Bereich der Computer Vision wird dieser Ansatz bereist verwendet, um Computer Objekte auf Fotos richtig zuordnen zu lassen. Der Machine-Learning-Algorithmus analysiert die eingespeisten Bilder und stellt statistische Zusammenhänge bezüglich der optischen Merkmale her. Hierzu gehören in diesem Fall zum Beispiel Größe, Form und Farbe. Hier gilt es allerdings zu berücksichtigen, dass das Machine-Learning immer noch in den Kinderschuhen steckt und lediglich Wahrscheinlichkeiten berechnet und anschließend ausgibt. Zu hundert Prozent sichere und vor allem richtige Antworten werden aktuell noch nicht gegeben.
Viele Aufgaben bzw. Lösungen, die derzeit als “KI” bezeichnet werden, sind eher statistische Auswertungen und Folgerungen aus einem großen Datenberg.

Beim Unsupervised Learning gibt es keinen festen Wert für die Output-Variable. Zum Entwickeln, Testen und Trainieren der entsprechenden Algorithmen werden in der Regel Clustering-Aufgaben genutzt. Die Objekte werden in diesem Fall über Gemeinsamkeiten und Unterschiede einander zugeordnet. Allerdings gibt der Mensch die notwendigen Informationen nicht etwa ein, sondern der Computer muss diese selbst definieren. Vor allem in der Marktforschung und in der Konsumforschung kommt dieser Ansatz schon heute immer öfter zum Einsatz. Anhand der Cluster soll primär analysiert werden, welche Kundengruppen auf welche Marketingmaßnahmen am besten ansprechen.

Fazit: Was erwartet uns in Zukunft?

Dass die KI auch in Zukunft eine wichtige Rolle sowohl im privaten Bereich als auch im wirtschaftlichen Bereich spielen wird, steht außer Frage. Vor allem solche Methoden, welche das eigenständige Lernen des Computers möglich machen, sind dafür unbedingt notwendig. Momentan ist die KI allerdings noch weit entfernt von einer Intelligenz, welche dem menschlichen Denken wirklich ähnelt. Eine viel verbreitete Meinung ist daher, dass die KI nach wie vor in den Kinderschuhen steckt und der große Durchbruch erst noch bevorsteht. Vor Maschinen, die die Macht über die Menschheit übernehmen, müssen wir uns zunächst nicht fürchten 😉