KI Trends und deren Bewertung

KI-Studien, Artikel und Trendberichte gibt es jeden Tag genügend. Wir haben uns spannende Recherchen von Deloitte, McKinsey und Publikationen des CIO Magazins angesehen und fassen die wichtigsten Punkte zusammen.

Einleitend ein schönes Beispiel vom CIO Redakteur Peter Breuer: „…das Limit der KI ist nicht mehr die Rechnerleistung, …. sondern der Transfer der Lösungen in die Praxis. Das zeigt sich etwa beim selbstfahrenden Auto: Einem Computer beizubringen, die deutschen Verkehrsregeln zu beachten, ist simpel. Ein System zu entwerfen, das etwa nach einer Fahrt über die Landesgrenze die veränderten Bedingungen erfasst, analysiert und das eigene Verhalten anpasst, ist deutlich komplizierter. Wenn Unternehmen das Potenzial künstlicher Intelligenz ausreizen wollen, brauchen sie aber genau solche Systeme, denen der Schritt von statischen hin zu dynamischen Kontexten gelingt. Kurz: Sie müssen lernen.“

Ausgewählte KI-Trends in der Übersicht

Im Folgenden einzelne KI-Trends und Prognosen aus verschiedenen Medien:

KI und Software Schnittstellen: Die großen Tech-Unternehmen wie Google, Amazon, Microsoft und Co. stellen zunehmend sogenannte Software-Toolkits mit KI-Funktionen zur Verfügung. Mit diesen Schnittstellen zur Anwendungsprogrammierung werden Berechnungen an die Tech-Giganten ausgelagert. Das wiederum wird zu einer steigenden Abhängigkeit der Unternehmen führen, die diese Dienste nutzen.

KI und Hardware Hilfe: Parallel zur Entstehung von Software-Toolkits werden zunehmend auch Hardware-Toolkits entwickelt, sprich Sensoren, die etwa sehen (Objekterkennung oder 3D-Bildverarbeitung) oder hören (Spracherkennung) können. Kurzum: Damit wird KI bereit für Do-It-Yourself-Projekte. Einzelne Bauteile können so konfiguriert werden, dass sie zum Beispiel Gesichts- und Produkterkennung übernehmen.

Neugier durch Curiosity Learning: Algorithmen werden künftig menschliches Lernen nachbilden können. Den Maschinen von morgen wird ein innerer Antrieb gegeben, der sie neugierig auf Überraschungen macht und sie dazu bringt, die Welt zu „erkunden“.

Gedächtnis durch LSTM Networks: Mit Hilfe sogenannter Long-Term Short-Term Memory (LSTM, Long Short-Term Memory) werden die Netzwerke zunehmend eine Art Gedächtnis entwickeln, um auf bereits Erlerntes zurückgreifen zu können.

Umgang mit Unsicherheit durch Bayesian Networks: Im Gegensatz zu neuronalen Netzen, die auf Muster-Erkennung mit Massendaten trainiert werden, wird in Bayesian Networks nach dem „warum“ gefragt. Somit kann die künstliche Intelligenz Schlüsse ziehen, um sicherere Vorhersagen zu treffen und Wahrscheinlichkeiten zu erhöhen – etwa auch bei der Trefferquote bei der Bilderkennung.

KI und Compliance: Nicht nur der Datenschutz selbst, sondern auch konkrete KI-Gesetze müssen entwickelt werden. Die zentralen Fragen lauten hier: Wie kann man ein Bias ausschalten, sprich die Voreingenommenheit des „Lehrers“ ausschalten? Wie überprüft man KI-Entscheidungen? Wie lotet man ethische Grenzbereiche aus?