Kapitel 15

Künstliche Intelligenz und maschinelles Lernen - Digitale Transformation

Die Künstliche Intelligenz und maschinelles Lernen stellen unstrittig die wichtigsten Zukunftstechnologien dar, von der die globale Wettbewerbsfähigkeit der Wirtschaft entscheidend abhängen sein wird.

Die Datenwissenschaft bewegt sich auf ein neues Paradigma zu, in dem man Maschinen beibringen kann, aus Daten zu lernen und eine Vielzahl von nützlichen Erkenntnissen abzuleiten. Dies ist als Künstliche Intelligenz bekannt.

Das Training von Maschinen kann helfen, den menschlichen Aufwand zu reduzieren und die Zeit für die Analyse zu verringern.


Was ist Künstliche Intelligenz?

Künstliche Intelligenz bezieht sich auf die Intelligenz von Maschinen, die die menschliche Intelligenz simulieren. Es ist ein weit gefasster Begriff für intelligente Maschinen, die menschliche Aufgaben übernehmen können, die eine kognitive, urteilsbasierte Entscheidungsfindung erfordern.

Künstliche Intelligenz in der Praxis

Künstliche Intelligenz (KI) ist live. Bei all der Aufregung und dem Hype ist dir vielleicht nicht bewusst, dass du sie bereits in vielerlei Hinsicht nutzt. Zum Beispiel:

Sprachassistenten wie Apple Siri, Amazon Alexa, Microsoft Cortana und Google Assistant sind darauf trainiert, menschliche Sprache und Absichten zu verstehen. Basierend auf menschlichen Interaktionen ergreifen diese Chatbots entsprechende Maßnahmen.

Gmail filtert eine neue E-Mail in den Posteingang (normal) oder in den Junk-Ordner (Spam), basierend auf vergangenen Informationen darüber, was du als Spam ansiehst.

Die Vorhersagen von Wetter-Apps zu einem bestimmten Zeitpunkt basieren auf einem gewissen Vorwissen und der Analyse, wie das Wetter über einen bestimmten Zeitraum für einen bestimmten Ort gewesen ist.

Darüber hinaus hast du sicher auch schon Googles AlphaGo KI, das Amazon ECHO Produkt (ein Chatbot zur Haussteuerung), selbstfahrende Autos usw. kennengelernt, die hervorragende Beispiele für künstliche Intelligenz sind.

Schauen wir uns Beispiele an, um den Einfluss von künstlicher Intelligenz auf unser tägliches Leben zu verstehen.

Amazons Empfehlungen

Hast du dich jemals gefragt, wie Amazon Produktempfehlungen macht?

Amazon zieht Daten aus seiner Nutzerdatenbank heran, um den Nutzern Produkte zu empfehlen. Es nutzt KI-Algorithmen, um vorherzusagen, welche Artikel dem Nutzer gefallen könnten, basierend auf der Kaufhistorie ähnlicher Klassen von Nutzern.

Außerdem generieren mehr Nutzer mehr Daten, die helfen, die Empfehlungen noch weiter zu verbessern.

KI im Gesundheitswesen

IBM Watson, eine Gesundheitsinitiative von IBM, versteht natürliche Sprache und ist in der Lage, auf Fragen zu antworten, die ihm gestellt werden. Das System wertet Patientendaten und andere verfügbare Datenquellen aus, um eine Hypothese zu bilden, die es dann mit einem Scoring-Schema präsentiert.

Unternehmen setzen KI sogar ein, um bessere und schnellere Diagnosen als Menschen zu stellen, mit dem Ziel, die Ergebnisse für die Patienten zu verbessern und die Kosten durch verschiedene Formen der KI zu senken.

Arten von KI

Lass uns nun verschiedene Arten von Künstlicher Intelligenz kennenlernen:

  • Reaktive Maschinen: Die grundlegendsten Arten von KI-Systemen sind rein reaktiv und haben weder die Fähigkeit, Erinnerungen zu bilden, noch vergangene Erfahrungen zu nutzen, um aktuelle Entscheidungen zu treffen. Zum Beispiel kann IBMs schachspielender Supercomputer Figuren auf einem Schachbrett identifizieren, um Vorhersagen zu treffen, aber er hat kein Gedächtnis und kann vergangene Erfahrungen nicht nutzen, um zukünftige Entscheidungen zu treffen.
  • Begrenztes Gedächtnis: Diese KI-Systeme können vergangene Erfahrungen nutzen, um zukünftige Entscheidungen zu treffen. Einige der Entscheidungsfunktionen in autonomen Fahrzeugen sind auf diese Weise entwickelt worden. Beobachtungen werden genutzt, um Aktionen zu informieren, die in der nicht allzu fernen Zukunft stattfinden, z.B. wenn ein Auto die Spur gewechselt hat. Diese Beobachtungen werden nicht dauerhaft gespeichert.
  • Theory of Mind: Dies ist ein Begriff aus der Psychologie. Er bezieht sich auf das Verständnis, dass andere ihre eigenen Überzeugungen, Wünsche und Absichten haben, die ihre Entscheidungen beeinflussen. Dies ist ein wichtiger Unterscheidungsfaktor zwischen den Maschinen von heute und den Maschinen, die in Zukunft gebaut werden sollen.
  • Selbst-Bewusstsein: Diese KI-Systeme haben einen Sinn für sich selbst und besitzen ein Bewusstsein. Maschinen mit Selbstbewusstsein verstehen ihren aktuellen Zustand und können aus den Informationen schließen, was andere fühlen.

Künstliche Intelligenz und Maschinelles Lernen werden oft zusammen erwähnt. Lass uns verstehen, wie sie miteinander verbunden sind.

Beziehung zwischen KI und maschinellem Lernen

Maschinelles Lernen (ML) ist eine Anwendung der künstlichen Intelligenz (KI), die Systemen die Fähigkeit gibt, automatisch aus Erfahrungen zu lernen und sich zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen konzentriert sich auf die Entwicklung von Computerprogrammen, die auf Daten zugreifen und diese nutzen können, um für sich selbst zu lernen.

Techniken des maschinellen Lernens

Maschinelles Lernen nutzt eine Reihe von Theorien und Techniken aus der Datenwissenschaft. Einige von ihnen sind:

  • Klassifizierung
  • Kategorisierung
  • Clustering
  • Trendanalyse
  • Erkennung von Anomalien
  • Visualisierung und
  • Entscheidungsfindung

Künstliche Intelligenz und Machine Learning werden zunehmend in verschiedenen Branchen eingesetzt.

Maschinelles Lernen: Auswirkungen auf Industrien

Lass uns nacheinander die Auswirkungen von Machine Learning in verschiedenen Industrien kennenlernen.

Reisen: Expedia und andere Seiten geben Empfehlungen basierend auf deiner Such- und Buchungshistorie. Sie können sogar alternative Reisedaten, Reiseziele und lokale Sehenswürdigkeiten empfehlen, basierend auf deinen Suchanfragen. Expedia nutzt maschinelle Lerntechniken und Algorithmen, um diese Empfehlungen zu geben.

Versicherung: Allstate hat sich mit EIS zusammengetan, um einen virtuellen Assistenten namens ABle (the Allstate Business Insurance Expert) zu entwickeln, der Allstate-Vertreter unterstützt, die Informationen zu den gewerblichen Versicherungsprodukten von Allstate Business Insurance (ABI) suchen. ABle, der als Avatar erscheint, bietet Agenten eine Schritt-für-Schritt-Anleitung für "Quotierung und Ausstellung von ABI-Produkten" unter Verwendung einer natürlichen Sprache.

Health Care: Apixio, ein Unternehmen für kognitives Computing, zielt darauf ab, die Zugänglichkeit von klinischem Wissen aus digitalisierten medizinischen Aufzeichnungen zu verbessern, um die Entscheidungsfindung im Gesundheitswesen zu verbessern. Es muss mit einer riesigen Menge an unstrukturierten Daten, Lücken in der Patientendokumentation und Ungenauigkeiten in Bezug auf Krankheitsprävalenz und Behandlung umgehen.

Bankwesen: Die Bank of America Corporation hat kürzlich einen mutigen Vorstoß in die KI-Technologie unternommen, indem sie einen intelligenten virtuellen Assistenten namens Erica vorgestellt hat. Erica ist ein Chatbot, der "prädiktive Analytik und kognitives Messaging" nutzt, um den über 45 Millionen Kunden des Unternehmens finanzielle Beratung zu bieten.

All diese Vorhersagen und Empfehlungen basieren auf verschiedenen Methoden des maschinellen Lernens. Lasst uns diese kennenlernen.

Machine Learning Methoden

Lasst uns im Folgenden verschiedene Machine Learning Methoden verstehen.

  • Überwachtes Lernen: Überwachtes Lernen ist eine Art des maschinellen Lernens, die verwendet wird, um Modelle aus gelabelten Trainingsdaten zu lernen. Es erlaubt uns, die Ausgabe für zukünftige oder ungesehene Daten vorherzusagen. Zum Beispiel sind Sprachassistenten wie Apple Siri, Amazon Alexa, Microsoft Cortana und Google Assistant darauf trainiert, menschliche Sprache und Absichten zu verstehen. Basierend auf den menschlichen Interaktionen ergreifen diese Chatbots entsprechende Maßnahmen.
  • Unüberwachtes Lernen: Unüberwachtes Lernen ist ein Teilbereich des maschinellen Lernens, der verwendet wird, um Schlüsse aus Datensätzen zu ziehen, die aus Eingabedaten ohne gelabelte Antworten bestehen. Zum Beispiel segmentiert ein Online-Nachrichtenportal Artikel in verschiedene Kategorien wie Wirtschaft, Technologie, Sport, etc. Dies basiert auf Clustering, welches eine der beliebtesten Techniken des unüberwachten Lernens ist.
  • Verstärkendes Lernen: Reinforcement Learning ist eine Art des maschinellen Lernens, die es dem lernenden System erlaubt, die Umgebung zu beobachten und das ideale Verhalten zu erlernen, basierend auf dem Versuch, eine bestimmte Vorstellung von kumulativer Belohnung zu maximieren. Zum Beispiel verwenden Fertigungsanlagen Roboter, um ein Gerät aus einer Kiste zu identifizieren und es in einen Behälter zu legen. Der Roboter lernt dies mit Hilfe eines belohnungsbasierten Lernsystems, das ihn für die richtige Aktion incentiviert.

Nachdem du nun die verschiedenen Methoden kennengelernt hast, lass uns verstehen, wie maschinelles Lernen genutzt werden kann, um effektive Ergebnisse zu erzielen.

Maschinelles Lernen nutzen

Die Nutzung von Maschinendaten und deren Kombination mit bestehenden Unternehmensdaten ermöglicht eine neue Generation von Anwendungen, die in der Lage sind, große Mengen an multistrukturierten Maschinendaten zu analysieren und Erkenntnisse daraus zu gewinnen.

Die Einsichten aus Analytics:

  • Empowerment der C-Suite, das als Beruhigung für die Entscheidungsträger dient
  • Verbessern die Zuverlässigkeit und helfen, Ausfälle zu identifizieren.
  • Speed Operations, um den Betriebsfluss zu verbessern, indem Engpässe und Probleme reduziert werden.
  • Daten überwachen und visualisieren, helfen, die End-to-End-Infrastruktur zu überwachen und Echtzeit-Warnungen zu liefern.

Die Stärke des maschinellen Lernens liegt in der Tatsache, dass der Mensch den Algorithmus nicht füttern muss, wie bei der traditionellen Programmierung. Der Computer lernt von selbst, das spart Aufwand und bringt mehr Genauigkeit und Transparenz.

Lass uns nun zusammenfassen, was du bisher über KI und Machine Learning gelernt hast.

Key Takeaways

Lass uns einen kurzen Blick darauf werfen, was du bisher in diesem Tutorial über Künstliche Intelligenz und Maschinelles Lernen gelernt hast.

  • Künstliche Intelligenz bezeichnet die Intelligenz von Maschinen, die die menschliche und tierische Intelligenz simulieren.
  • Maschinelles Lernen ist ein Ansatz oder eine Untergruppe der Künstlichen Intelligenz, die auf der Idee basiert, dass Maschinen Zugang zu Daten und die Fähigkeit haben, daraus zu lernen.
  • Die Nutzung von Maschinendaten und deren Kombination mit bestehenden Unternehmensdaten ermöglicht eine neue Generation von Anwendungen, die in der Lage sind, große Mengen an multistrukturierten Maschinendaten zu analysieren und Erkenntnisse daraus zu gewinnen. Dies verbessert die Ergebnisse.  

Nächstes Kapitel:

Business Analytics und Big Data - Digitale Transformation


Willst du Insider-Tipps?

Werde INSIDER, es geht um DICH!
Die Digitale-Community von Gleichgesinnten kommt zusammen und wird am lebendigsten durch das E-Mail-Abonnement.
 

Sichere dir Neuigkeiten, Ideen und Inspiration rund ums Thema Digitalisierung. Exklusiv und aus erster Hand. Dazu Blogartikel, Whitepapers, Buchtipps, Einladungen, Best Practice, Podcast und vieles mehr.