Unsere Schwerpunkte:

Schwerpunkte:

22.08.2017

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

In Kooperation mit Venionaire Capital veröffentlicht der Der Brutkasten eine vierteilige Artikelserie zum Thema Künstliche Intelligenz. Dabei spannen wir den Bogen von wirtschaftlichen Aspekten über Funktionsweise von KI zur aktuellen Forschung und der Zukunft von Künstlicher Intelligenz.
/venionaire-kuenstliche-intelligenz-teil2/
(c) fotolia.com - phonlamaiphoto
Der Summary Modus bietet einen raschen
Überblick und regt zum Lesen mehrerer
Artikel an. Der Artikeltext wird AI-basiert
zusammengefasst mit der Unterstützung
des Linzer-Startups Apollo AI.

Im ersten Artikel haben wir „Künstliche Intelligenz (KI)“ als die Fähigkeit einer Maschine beschrieben, aus eigener Erfahrung zu lernen und sich anzupassen. In diesem Artikel wollen wir tiefer in die Materie eintauchen. KI besteht aus vielfältigen Technologien, die das Ergebnis einer Kombination aus drei Elementen ist: Verstehen, Fühlen und Handeln.

+++ Teil 1 der Serie: Wirtschaftswachstum durch Künstliche Intelligenzen +++

(c) Venionaire

Verstehen: Den Input verarbeiten und sinnvoll antworten

Beim Verstehen stehen Sprachverarbeitung und Wissensrepräsentation im Vordergrund. Umgesetzt auf Menschen geht es also um die typische Kette: Zuhören (oder Lesen) – Verarbeiten – sinnvoll Antworten. Natural Language Processing (NLP) kombiniert Technologien, die in der Lage sind, Sprache in gesprochener oder schriftlicher Form zu verstehen und zu generieren. Wissensrepräsentation hilft dabei, Wissen zu kommunizieren und die anschließende Entscheidungsfindung zu erleichtern, wie es beispielsweise bei digitalen Assistenten der Fall ist. So arbeitet etwa ein Team ehemaliger FH-Hagenberg Studenten mit myAlfred an einem digitalen Butler. Der Assistent soll Termine organisieren, Reisen buchen, Tische reservieren und vieles mehr.

Fühlen: Gesehenes, Gehörtes und Gespürtes verarbeiten

Das Fühlen beinhaltet maschinelles Sehen, Spracherkennung und die Weiterverarbeitung in Sensoren. Dadurch ist es möglich, die Eingabeinformationen von Kameras, Mikrofonen oder anderen Sensoren zu erfassen, zu identifizieren, zu analysieren und zu verarbeiten. Angewendet wird die Technologie in den unterschiedlichsten Industrien. Das niederösterreichische Unternehmen Peschak Autonome Systeme hat sich etwa auf die Landwirtschaft spezialisiert und rüstet Traktoren zu selbstfahrenden Maschinen um. Das System nutzt Stereokameras, um ein präzises dreidimensionales Bild der Umgebung zu schaffen und kann so auf seine Umwelt reagieren.

Handeln: Das Verstandene und Gefühlte umsetzen

Nachdem Informationen durch Verstehen und Fühlen gesammelt sind, ist der logische dritte Schritt das Handeln. Das kommt vor allem in der industriellen Robotik zum Einsatz, wie Amazons Lagerhallen eindrucksvoll zeigen. Auch für heimische Unternehmen könnte das enormes Potential haben, man denke nur an die riesigen Lagerflächen großer Supermarktketten.

Was brauchen Maschinen, um „menschlich“ zu handeln?

Verständnis, Sensorik und Verarbeitung, also Verstehen, Fühlen und Handel, sind die drei Säulen der Künstlichen Intelligenz. Stuart Russell und Peter Norvig beschreiben in ihrem 2009 erschienen Buch „Artificial Intelligence: A Modern Approach“ welche konkreten Fähigkeiten Maschinen besitzen müssen, um wie Menschen handeln zu können:

  1. Natürliche Sprachverarbeitung
  2. Einen Speicher für die vor oder während des Gesprächs bereitgestellten Informationen
  3. Automatisierte Argumentation
  4. Machine Learning, um sich an neue Umstände anzupassen und Muster abzuleiten

Wenn Maschinen nicht mehr von Menschen zu unterscheiden sind

Bekannt ist in diesem Zusammenhang der 1950 entwickelte Turing-Test. Das Testverfahren besteht zusammengefasst darin, dass sich ein menschlicher Fragesteller mit zwei ihm unbekannten Gesprächspartnern unterhält. Der eine Gesprächspartner ist ein Mensch, der andere eine Maschine. Wenn der Fragesteller trotz intensiver Befragung nicht klar sagen kann, welcher von beiden die Maschine ist, hat die Maschine den Turing-Test bestanden. Bis jetzt hat es kein Computer geschafft, die Fragenden zu überzeugen. Einzig das russische Programm Eugene Goostman konnte 2014 rund ein Drittel aller Tester täuschen, allerdings bediente es sich einiger Tricks, wie etwa der Angabe, dass Englisch nicht die Muttersprache sei und man deshalb Verständigungsprobleme hätte.

Eingeschränkte KI: Der Schachcomputer kann keine Pizza bestellen

Der Turing-Test ist nun schon über ein halbes Jahrhundert alt und trotzdem stehen wir erst am Anfang der Entwicklung. Artificial Narrow Intelligence oder auf Deutsch „eingeschränkte künstliche Intelligenz“ beschreibt, was heute technisch möglich ist. Maschinen können sehr gut ein definiertes Set an Aufgaben lösen. Der Schachcomputer schafft es, Millionen von komplexen Zügen vorauszuberechnen, aber er kann keine Pizza bestellen.

Redaktionstipps

Mit einer Größe von drei Tennisfeldern dem Menschen ebenbürtig

Nur Maschinen mit riesiger Rechenkapazität können verschiedenste Situationen intellektuell verarbeiten, womit Artificial General Intelligence (AGI) umschrieben ist. Einige bemerkenswerte Projekte in diesem Bereich existieren bereits, wie etwa der chinesische Supercomputer „Tianhe-2“. Dieser Computer hat theoretisch die Rechenleistung, um dem intellektuellen Verständnis eines Menschen nahezukommen. Mit einer Grundfläche von fast drei Tennisfeldern ist Tianhe-2 aber nicht gerade fürs Home-Office geeignet. AGI bleibt daher vorerst großen Forschungsprojekten vorbehalten.

Mit Qubits zur Überlegenheit

Allerdings zeigte schon die Smartphone-Entwicklung, wie schnell immer bessere Rechenleistung in kleinere Geräte verbaut wurde. Mehr Rechenleistung wird wiederum die Entwicklung von entsprechender Software vorantreiben, bis vielleicht sogar Artificial Superintelligence (ASI) möglich wird. ASI wäre ein Computer, dessen Intelligenz die des Menschen überschreitet. In diesem Zusammenhang ist auch Quantum Computing ein wichtiger Begriff. Während Computer mit Bits – also Nullen und Einsen arbeiten – nutzen Quantencomputer sogenannte Qubits, die mehrere Zustände einnehmen können und dadurch enorme Rechenleistungen erlauben.

Viele Meilensteine zurück – noch mehr voran

„Künstliche Intelligenz“ wurde erstmals zum Thema auf der Darmouth Conference, die 1956 vom Informatiker John McCarthy organisiert wurde. Nach der Konferenz gab es die ersten Systeme, die als „allgemeine Problemlöser“ bezeichnet werden können. Im Jahr 1985 entwickelte der Psychologe Frank Rosenblatt mit „perceptron“ das erste neurale Netzwerk. Die 80er-Jahre brachten dann den Aufstieg des Deep Learnings, als Pionier Geoffrey Hinton einen Weg fand, um neurale Netzwerke zu trainieren und Fehler zu korrigieren. 1996 schlug IBMs Supercomputer „Deep Blue“ den amtierenden Schachweltmeister Garri Kasparow.

Im Jahre 2007 gründete Li Fei-Fei, Professorin an der Standford University, mit ImageNet eine kostenfreie Online-Datenbank mit mehr als 14 Millionen verschlagworteten Bildern, die als Grundlage für neurale Netze dient. Im Jahre 2012 hörte man erneut von KI und Deep Learning, als Google Brain die Ergebnisse von „cat experiment“ veröffentlichte. Ein neurales Netzwerk hat sich selbst so trainiert, dass es Katzen aus 10 Millionen nicht beschrifteten Bildern auf YouTube erkannte.

Alle diese historischen Meilensteine zeigen, welchen langen Weg das Thema künstliche Intelligenz bereits hinter sich hat. Im dritten Teil der Artikelserie werden wir uns mehr der aktuellen KI-Forschung widmen.

+++ Kurioser Usecase: Artificial Intelligence benennt Meerschweinchen +++


Über die Autoren

Dieser Artikel ist Bestandteil einer von Venionaire Capital verfassten vierteiligen Serie über Künstliche Intelligenz für DerBrutkasten.com. Autoren sind Aleksandar Vucicevic (Senior Analyst), Sarah Grandits (Marketing Assistant), Fabian Greiler (Junior Partner) und Berthold Baurek-Karlic (Managing Partner).

Venionaire hat sich auf die Innovationsberatung, Corporate Startup Engagement und dem Management von Venture Capital Fonds für Dritte spezialisiert.

Mit Partnern der KPMG Österreich hat Venionaire zudem das Investorennetzwerk European Super Angels Club gegründet, der in geschäftlichen Beziehungen mit im Text genannten Startups Yodel.io, Grape und oratio steht.

die Redaktion

Warum Unternehmen, die OKRs nutzen, besser auf die Krise reagieren konnten

Beim OKR Forum am 24. Juni werden unterschiedliche Perspektiven auf das Thema gezeigt und diskutiert. Organisatorin Simone Djukic-Schaner Mag. (FH) von Wonderwerk erklärte uns im Vorfeld, warum die OKR-Methode gerade in der Krise sehr nützlich war.
/okr-forum-2021/
Wonderwerk: Simone Djukic-Schaner ist Organisatorin des OKR Forums 2021
(c) Wonderwerk: Simone Djukic-Schaner ist Organisatorin des OKR Forums 2021
sponsored

„Objectives & Key Results“, kurz OKR – fast jedem ist dieser Planungs- und Steuerungsansatz für Unternehmen schon einmal untergekommen. Umgesetzt werden diese, oder auch andere Methoden des agilen Arbeitens aber noch nicht überall. Dabei zeigte der Ansatz gerade jetzt in der Krise seine besondere Stärke, wie Simone Djukic-Schaner, Senior-Projektleiterin bei Wonderwerk, erklärt: „Viele Unternehmen mussten ihre Jahresziele vergangenes Jahr kurzfristig umstoßen. Mit Hilfe von OKRs konnten sie schnell reagieren. Es ist eine Methode, die extrem dabei hilft, flexibel zu bleiben“.

OKR ermöglichte schnelle Reaktion auf die Krise

Und wie tut sie das? „Planungs- und Steuerungssysteme gibt es einige. OKR unterscheidet sich zu vielen anderen darin, dass es sehr einfach funktioniert und vor allem sehr kurzfristig ansetzt“, erklärt Djukic-Schaner. In kurzen Planungsintervallen von je einem Quartal, mit denen an der bestehenden mittel- und langfristigen Planung angeknüpft wird, setzt man sich sehr ambitionierte Ziele – die qualitativen werden als „Objectives“, die quantitativen als „Key Results“ bezeichnet. „Wichtig ist dabei die Fokussierung. Man sollte maximal fünf Objectives und höchstens zwei bis drei Key Results festlegen“, sagt die Expertin. Und das passiere nicht im stillen Kämmerlein, sondern sei ein partizipativer Prozess.

Die Methode ist zudem flexibel in der genauen Umsetzung und wird immer an die Gegebenheiten im Unternehmen angepasst – ein weiterer Vorteil in der Krise, wie sich herausstellte. „OKR ist daher natürlich auch im Remote-Setting umsetzbar“, sagt Djukic-Schaner. All das habe den Ansatz, der sich schon zuvor schnell ausbreitete, zuletzt noch beliebter gemacht. „Die Organisationen haben in der Krise gemerkt, dass es ein Steuerungstool braucht, um flexibel zu bleiben und einen möglichen Richtungswechsel rasch umzusetzen“, so die Expertin.

OKR Forum 2021 zeigt unterschiedliche Blickwinkel auf das Thema

Wie OKR bei verschiedenen Unternehmen in der Praxis gelebt wird, können Interessierte sich beim OKR Forum 2021 am 24. Juni von 10:00 bis 13:00 Uhr genauer ansehen. Das Event findet dieses Jahr online statt. „Es ist ein Expert:innen- und Erfahrungsaustausch rund um OKR. Jeder kann dabei teilnehmen“, erklärt Djukic-Schaner (zur Anmeldung). „Wir zeigen konkrete Praxis-Beispiele. Es sind Etablierte und Wachstumsunternehmen dabei, die einen arbeiten schon länger mit der Methode, andere haben sie erst kürzlich eingeführt. Es sind also ganz unterschiedliche Perspektiven“.

Konkret treten beispielsweise Vertreter:innen der Austrian Airlines, der IT-Abteilung der Deutschen Bundesbank und von Meisterlabs auf. Nach den Einführungen können Teilnehmer:innen sich in Breakout-Rooms mit den Speaker:innen austauschen und Fragen stellen. „Mit insgesamt drei Stunden ist es ein kurzes, knackiges Format“, sagt die Organisatorin.

Toll dass du so interessiert bist!
Hinterlasse uns bitte ein Feedback über den Button am linken Bildschirmrand.
Und klicke hier um die ganze Welt von der brutkasten zu entdecken.
Möchtest du in Zukunft mehr von diesen Artikeln lesen?

Dann melde dich für unseren Newsletter an!

(c) fotolia.com - phonlamaiphoto

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

22.08.2017

In Kooperation mit Venionaire Capital veröffentlicht der Der Brutkasten eine vierteilige Artikelserie zum Thema Künstliche Intelligenz. Dabei spannen wir den Bogen von wirtschaftlichen Aspekten über Funktionsweise von KI zur aktuellen Forschung und der Zukunft von Künstlicher Intelligenz.

Summary Modus

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

Verstehen, Fühlen, Handeln – Die Grundlagen künstlicher Intelligenz

Es gibt neue Nachrichten

Auch interessant