In den Ferien ersetzt die künstliche Intelligenz (KI) uns die Strassenkarte, wir können über smarte Assistenten unser Handy steuern oder wir unterhalten uns auf der Webseite unserer Versicherung erstmal per Chat mit einem Bot, um rasch einfache Informationen zu erhalten. Aber auch Banken setzen KI vermehrt ein.

Die künstliche Intelligenz hat unseren Alltag somit bereits durchdrungen. Darum möchte PCtipp sich diesem komplexen Thema annähern. Da eine komplette Analyse unseren Rahmen sprengen würde, fokussieren wir uns in diesem Artikel auf das Machine Learning, quasi den Motor der künstlichen Intelligenz, und erklären die wichtigsten Begriffe.

Die Künstliche Intelligenz, KI (engl. Artificial Intelligence, AI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung intelligenten Verhaltens und dem maschinellen Lernen befasst.

Bei der künstlichen Intelligenz (KI) unterscheidet man zunächst in starke und schwache KI.

Unser Schwestermedium «Computerworld» definiert starke und schache KI folgendermassen: «Unter starker KI (engl. 'Strong AI') versteht man Ansätze, die versuchen, Vorgänge im menschlichen Gehirn nachzubilden. Eigenschaften wie Bewusstsein oder Empathie werden häufig als entscheidende Merkmale genannt, die starke KI ausmachen.

Beispiele der schachen KI (engl. 'Weak AI' oder 'Narrow AI') sind in heutigen Software-Lösungen dagegen bereits zu finden. Im Gegensatz zur starken KI geht es hier aber darum, Algorithmen für bestimmte abgegrenzte Problemstellungen zu entwickeln. Beide Ansätze verbindet jedoch die wesentliche Anforderung der Lernfähigkeit.»

«Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems. Eine Eingabe wird dabei in genau definierten Schritten zu einer Ausgabe umgewandelt», schreibt Nicolas Berberich in «Wie Maschinen lernen. Künstliche Intelligenz verständlich erklärt.»

Als Beispiel kann ein Backrezept dienen. Ein Backrezept ist letztlich ein Algorithmus, denn es liefert eine genaue Handlungsvorschrift, wie man die Zutaten (Eingabe des Algorithmus) beispielsweise in mehrere Muffins (Ausgabe des Algorithmus) umwandelt. Liesse man einen Roboter backen, müsste man allerdings bei gewissen Begriffen sehr präzise sein. Ein Computer versteht ohne genauere Definition nicht, was «eine Prise» Salz oder «mittlere Hitze» bedeutet.

Für manche Problemstellungen ist es natürlich schwieriger, eine fixe Handlungsanweisung zu erstellen, als für ein Backrezept. Sogenannte Lernalgorithmen treffen Entscheidungen aufgrund von Erfahrungswerten. Diese Erfahrungswerte werden dem Algorithmus in Form von Daten eingespeist.

Die wohl bekannteste Anwendung für maschinelles Lernen ist vermutlich der Spamfilter. Ein Spamfilter filtert unerwünschte elektronische Post aus. Ein Algorithmus analysiert, welche E-Mails Sie in der Vergangenheit als Spam bezeichnet haben. E-Mails mit den Wortfolgen «Millionengewinn» oder «extrem sexy» werden künftig aussortiert.

Die auf der letzten Seite erwähnten Lernalgorithmen, oder eben das maschinelle Lernen, lassen sich in drei Arten unterscheiden. Unser Schwestermedium «Computerworld» definiert Machine Learning folgendermassen: 

1. überwachtes Lernen (Supervised Learning)
2. unüberwachtes Lernen (Unsupervised Learning) und
   
3. verstärkendes Lernen (Reinforcement Learning).

«In die Kategorie überwachtes Lernen fallen die Algorithmen. Um selbstständig Entscheidungen treffen zu können, werden die Algorithmen zuerst mit klassifizierten Daten trainiert. Der Lernprozess basiert dabei auf einem Trainingsdatensatz, die Evaluierung des Modells erfolgt danach anhand eines Testdatensatzes.

Ansätze des unüberwachten Lernens versuchen hingegen, Muster in bestehenden Daten zu finden – ohne im Voraus bekannte Zielwerte. Der Algorithmus muss dabei selbst Kategorien finden.

Beim verstärkenden Lernen soll für ein bestimmtes Problem eine optimale Lösung erlernt werden. Dabei kommt eine maximierende Anreiz- oder Belohnungsfunktion zum Einsatz. Dem Algorithmus wird zwar nicht gezeigt, welche Aktion in einer bestimmten Situation die beste ist, seine Wahl wird aber entweder bestraft oder belohnt.»

Deep Learning ist eine Teil-Disziplin des Machine Learnings und wird aktuell am häufigsten im Zusammenhang mit dem Begriff KI verwendet. Hinter Deep Learning steckt eine spezielle Methode der Informationsverarbeitung, Basis ist eine statistische Datenanalyse. Zum Einsatz kommen künstliche neuronale Netze, die sich an biologischen neuronalen Netzen orientieren. Sie sind in mehrere Schichten eingeteilt und arbeiten wie ein Filter. Sie simulieren dazu ein dicht verwobenes Netz aus einfachen Nervenzellen.

Mit ihnen schafft es die Maschine, Strukturen zu erkennen, Informationen zu sortieren und zu evaluieren. Dabei vollzieht sich ein permanenter Prozess, das Gelernte wird immer wieder mit neuen Inhalten verknüpft und erweitert. Das wiederum erhöht die Wahrscheinlichkeit, dass ein richtiges Ergebnis erkannt und ausgegeben wird.

Deep Learning kommt dann zum Einsatz, wenn andere maschinelle Lernverfahren an Grenzen stossen und keine klaren Regeln vorhanden oder bekannt sind. Deep-Learning-Systeme können beispielsweise in der Medizin zu diagnostischen Zwecken zum Einsatz kommen, etwa der Einstufung von Hautkrebserkrankungen oder Bildauswertungen im Zusammenhang mit Netzhauterkrankungen.

Die Bezeichnung Bot ist die Verkürzung des englischen Begriffes Robot. Hinter einem Bot verbirgt sich ein Computerprogramm, das nahezu automatisch bestimmte, sich wiederholende Aufgaben abarbeitet. Dabei ist es auf eine Interaktion mit einem menschlichen Benutzer nicht angewiesen. Er handelt  «intelligent» insofern, als dass er in der Lage ist, die Entscheidung zur Aktion nach vorbestimmten Parametern selbständig zu fällen.

Am häufigsten begegnet uns vermutlich der Chat-Bot. In der Schweiz verwenden ihn immer mehr Firmen auf ihren Webseiten, beispielsweise Krankenkassen. Oder auch bei Firmen des öffentlichen Verkehrs, welche diese unter anderem in Chatprogrammen nutzen, wie der VBZ-Störungsinformations-Bot (via WhatsApp oder Telegram; PCtipp berichtete).

Die Chat-Bots begrüssen i.d.R. die Kunden und können eine relativ authentische Unterhaltung mit ihnen führen sowie standardisierte, eher einfache Fragen beantworten.

Tipp: Für Laien kann ich das Sachbuch «Wie Maschinen lernen. Künstliche Intelligenz verständlich erklärt» (Spinger-Verlag) empfehlen. Die deutschen Herausgeber haben das Buch gemeinsam mit angehenden Expertinnen und Experten für künstliche Intelligenz geschrieben und wollten dieses Thema für jedermann verständlich aufbereiten.

Quellen: «Computerworld», Heft 3/2019; Wie Maschinen lernen. Künstliche Intelligenz verständlich erklärt. Kristian Kersting, Christoph Lampert, Constantin Rothkopf (Hrsg.), Spinger Fachmedien; Buxmann und Schmidt, «Künstliche Intelligenz», Springer-Gabler, 2019