The Doppler Quarterly (DEUTSCHE) Winter 2018 | Page 58
Künstliche Intelligenz definiert
KI wird von Maschinen erzeugt und daher auch als maschinelle Intelligenz (MI)
bezeichnet. Sie können diese Intelligenz der natürlichen Intelligenz gegen-
überstellen, über die der Mensch und andere Organismen verfügen. Intelligenz
lässt sich auch aus faktischer Sicht betrachten, und Fakten können als einfache
„wenn:dann“-Aussagen dargestellt werden. Eine Maschine, die mit genügend
Aussagen bestückt wird, besitzt einen gewissen Grad an Intelligenz.
Ein weiterer Aspekt der Intelligenz ist das Lernen, also die Fähigkeit, auf
Grundlage neuer Informationen neues Faktenwissen zu erwerben oder vor-
handenes zu verändern. Jetzt wird es interessant. Die Techniken, die Maschi-
nen das Lernen ermöglichen, gliedern sich in zwei Gruppen: Maschinelles Ler-
nen (ML) und Deep Learning (DL).
Maschinelles Lernen definiert
Beim maschinellen Lernen werden computergestützte Statistiken genutzt
bzw. mathematische Modelle anhand von Daten aufgebaut. Mit Modellen las-
sen sich Vorhersagen treffen. Mit einem Teil der Daten wird festgestellt, welche
Modelle am besten geeignet sind, während der übrige Teil verwendet wird, um
die Vorhersagefähigkeit des Modells zu testen. Ist das Modell geeignet, können
damit neue Daten analysiert und die Ergebnisse nutzbringend verwertet wer-
den. Dieses Konzept lässt sich beispielsweise hervorragend bei der voraus-
schauenden Wartung und Erkennung von Sicherheitsanomalien anwenden.
Deep Learning definiert
Deep Learning oder das hierarchische Lernen ist eine Teildisziplin des maschi-
nellen Lernens und simuliert die Funktionsweise des menschlichen Neocortex.
Unser Kortex funktioniert im Wesentlichen wie ein Mustervergleich, der unse-
ren sensorischen Input auswertet. Erkennt der Kortex Teile eines Objekts,
werden sie in einen übergeordneten Kontext gesetzt, bis das Objekt vollständig
erkannt wurde. Anschließend handeln wir entsprechend.
Stellen Sie sich eine Kaffeetasse vor. Zuerst erkennen wir die runde Öffnung,
dann die geraden Linien an den Seiten, die Krümmung am unteren Rand und
den halbkreisförmigen Henkel. Während die einzelnen Teile die Hierarchien
unseres Kortex durchlaufen, formen sie schließlich ein Bild, das wir als Kaffee-
tasse erkennen und das uns handeln lässt. Wir könnten die Kaffeetasse bei-
spielsweise greifen und uns einen Schluck heißen Kaffee gönnen!
Wir verfügen mittlerweile über rechnergestützte Techniken, die diesen Pro-
zess nachbilden und basierend auf dem Dateninput lernen können, Inputs zu
identifizieren und entsprechend zu reagieren, genauso wie wir Menschen. Der
Hauptunterschied besteht darin, dass die menschliche Kapazität begrenzt ist,
d. h. auf unsere fünf Sinne sowie auf unsere Gedächtniskapazität und Gehirn-
leistung. Maschinen akzeptieren hingegen zahlreiche Inputtypen. Ihnen steht
eine praktisch unbegrenzte Rechen- und Speicherkapazität für die Datenana-
lyse zur Verfügung.
AlphaGo Zero von Google DeepMind entspricht derzeit dem neuesten Stand
der DL-Technik. Durch die Kombination der Algorithmen von DeepMind mit
Unmengen an Rohdaten von Google wurden bei der Lösung schwieriger Frage-
stellungen bereits große Fortschritte erzielt – beispielsweise bei der Bild- und
Spracherkennung. Darüber hinaus konnte die AlphaGo Zero-Software sogar
den Weltmeister im Strategiespiel Go besiegen!
56 | THE DOPPLER | WINTER 2018