Vom Klein[KI]nd zum Überflieger. Machine-Learning für KI-Systeme.
Spotify Podcast
Sie möchten den Artikel lieber anhören? Im Folgenden finden Sie die Spotify Podcast Episode.
Warum sollte man sich mit diesem Thema beschäftigen?
Aktuell übergeben wir an vielen Stellen die Kontrolle von Menschen an Computer, mit stark steigender Tendenz. Beispiel Flugverkehr: In naher Zukunft übernehmen Piloten nur noch in wenigen Extremsituationen die Kontrolle, da der Flieger von autonomen, selbstlernenden KI-Systemen gesteuert wird.
Das gleiche gilt fürs Autofahren, das Diagnostizieren von Krankheiten, Arbeiten auf Baustellen und vieles mehr. Es geht bei der Thematik Rund um KI, Machine-Learning und neuronale Netze schon lange nicht mehr um kleine Nischenanwendungen, sondern die grundsätzliche Art und Weise wie unsere Gesellschaft funktioniert, denn um diese neuen Technologien herum entstehen neue Geschäftsfelder, neue Jobs und völlig neue Lebensweisen und Lebensrealitäten. Eine Entwicklung von gewaltigem Ausmaß, die wir Menschen in unserem eigenen Interesse aktiv mitgestalten sollten.
Es stellt sich zum Beispiel die Frage: Was genau ist die Rolle von uns Menschen, wenn unsere Maschinen immer intelligenter werden und unsere Aufgaben Stück für Stück übernehmen?
Ein naheliegender, erster Impuls ist möglicherweise, sich den Menschen als übergeordnete Kontrollinstanz vorzustellen. Jemand der die Maschine überwacht und steuert. Aber was, wenn die Kompetenz der Maschine exorbitant größer ist, als die des Menschen und die Sachverhalte so komplex, dass der menschliche Intellekt schlicht und ergreifend nicht mehr ausreicht, um die Situation zu steuern? Menschliche Nervenimpulse können sich entlang von Neuronen mit 30 cm pro Millisekunde vorwärts bewegen. Computersignale entlang eines Kupferdrahts schaffen die gleiche Strecke in einer Nanosekunde. Das ist eine Million Mal schneller.
Glauben wir wirklich, dass wir plötzlich auftretende Gefahrensituationen im Straßenverkehr besser einschätzen und handhaben können, als ein fahrender Supercomputer mit Lasersensoren, Ultraschallsensoren und 360 Grad Computer-Vision, die jedes Detail in allen Richtungen erfassen kann? Ausgestattet mit einem künstlichen Gehirn, das permanent dazu lernt und dessen Signalübertragung eine Million Mal schneller funktioniert als unsere eigene? Trainiert mit der Expertise von Millionen von gefahrenen Kilometern, den Erfahrungssituationen von allen Fahrzeugen weltweit, die in Echtzeit in den zentralen Rechner eingespeist und dann in die Fahrzeuge upgedatet werden?
Es braucht nicht viel Phantasie um zu verstehen, dass wir gerade die größte technologische Entwicklung in der Menschheitsgeschichte durchlaufen.
Manche Menschen stehen dieser Entwicklung kritisch gegenüber und verbinden damit vielleicht sogar Ängste. Andere sind neugierig und Suchen nach Chancen die eigene Karriere zu gestalten oder als Unternehmer die eigene Firma in neue, ertragreiche Jagdgründe zu führen. In jedem Fall sollte man wissen, was hier genau passiert, um für sich selbst die richtigen Entscheidungen treffen zu können.
Steigen wir also gemeinsam in das Thema Machine Learning ein, die Lern- und Trainingsmethode mit der die überragende Leistungsfähigkeit von KI-Systemen ermöglicht wird.
Wie funktioniert Machine Learning?
Machine Learning, also maschinelles Lernen ist dem menschlichen Lernen nachempfunden. Es funktioniert also fundamental anders, als das klassische Programmieren eines Computers. Keine Sorge, hier wird es jetzt nicht kompliziert und abstrakt. Das Thema lässt sich an einfachen Beispielen, für jeden verständlich erklären. Das klassische Programmieren eines Computers basiert im Prinzip auf vielen Wenn-Dann-Regeln. WENN jemand auf diesen Knopf drückt, DANN drucke das Dokument aus. WENN jemand auf dieses Symbol klickt, DANN öffne das Programm und so weiter. Das Ganze kann natürlich auch losgelöst von menschlichen Aktionen passieren. Zum Beispiel: WENN es 12 Uhr ist, DANN erstelle ein Backup. Wir Menschen sagen dem Computer also über die Programmierung, was in spezifischen Situationen gemacht werden soll. Der Computer folgt also unseren Anweisungen.
Beim Machine Learning liegt ein völlig anderes Konzept zu Grunde. Der Computer lernt zum Beispiel durch Beobachtung menschlichen Verhaltens. Ohne es zu wissen trainieren Sie zum Beispiel die künstliche Intelligenz von Google, jedes Mal wenn Sie eine bildhafte Sicherheitsabfrage ausführen und anklicken, ob auf dem Bild ein Fahrrad oder Motorrad ist, oder ein LKW oder ein Bus. Die Google KI lernt auf diese Weise, wie Sie (und die restlichen Milliarden an Nutzern) das Bild bewerten und zieht dann Rückschlüsse. An einem gewissen Punkt hat die KI dann genug gelernt und ist schlauer als die Menschen. Das gleiche gilt für Fahrsituationen in einem TESLA. Ist das gelbe Licht am Himmel eine Ampel oder der Mond? Sind die Risse im Asphalt bedenklich oder nicht? Menschliche Verhaltensweise sind ein wichtiger Baustein im Trainieren von künstlicher Intelligenz. Natürlich umfasst maschinelles Lernen nicht nur die Beobachtung von Menschen. Regelwerke, physikalische Gesetze und vieles mehr spielen ebenfalls eine tragende Rolle im Trainieren von KI-Systemen. Einfach ausgedrückt gibt man dem Computer Lernmaterial, auf Basis dessen er sich selbst trainieren kann. Eben genau so, wie das in der menschlichen Entwicklung vom Baby zum eigenständigen Lebewesen auch funktioniert. Irgendwann hat die Human Intelligence, also unser Gehirn, ja auch genug gelernt, um eigenständig agieren zu können.
Natürlich können hierbei auch fehler entstehen. Ein prominentes Beispiel ist ein Test, bei dem einer KI der Unterschied zwischen Huskies und Wölfen beigebracht werden sollte. Die KI beobachtete menschliche Trainer, die jedes Bild wahlweise als Husky oder Wolf einstuften. Als man die KI dann arbeiten ließ, wurde jedoch fälschlicherweise ein Husky als Wolf klassifiziert. Die Forscher haben die KI dann umgedreht und sich quasi vom Computer zeigen lassen, an welchen Merkmalen festgemacht wurde, dass es sich um einen Wolf gehandelt hat. Das Ergebnis hat überrascht und schockiert. Die KI hat die Tiere überhaupt nicht beachtet. Auf allen Lernmaterialien waren Wölfe im Schnee abgebildet. Die KI dachte also, WENN Schnee, DANN Wolf. Ein eindringliches Beispiel, die schnell wir Menschen meinen das Richtige zu tun, aber Situationen falsch einschätzen, was dann zu Fehlern in der Ausführung führen kann, die unter Umständen fatale Konsequenzen haben können. Ein Bild falsch zu klassifizieren ist an sich nicht weiter tragisch, es sei denn es handelt sich um das Bild einer Kamera im Auto, die Bestandteil für das Handling einer Gefahrensituation im Straßenverkehr ist.
Das Thema ist komplex und heutige Systeme stellenweise noch unausgereift. Aber KI-Systeme beinahlten das Potenzial unsere menschlichen Fähigkeiten bei Weitem zu übersteigen. Betrachten wir im Folgenden einige beeindruckende Beispiele aus dem heutigen Stand der Technik.
Wie eine KI mittels Machine-Learning monochrome Nachtsichtaufnahmen in echte Bilder umwandelt.
Unsere menschlichen Augen sehen nur einen gewissen Teil des Farbspektrums. Infrarotes Licht ist für uns zum Beispiel nicht wahrnehmbar. Befänden wir uns in einem Raum, der mit Infrarotem Licht geflutet ist, so würde der Raum für uns pechschwarz erscheinen. Es gibt jedoch spezielle Kameras die Licht einfangen können, das für uns unsichtbar ist. Das Ergebnis sind monochrome (meist grüne) Bilder, die wir aus Nachtsichtgeräten kennen.
Forscher der UC Irvine haben laut Interesting Engineering eine KI (Künstliche Intelligenz) entwickelt, die mittels maschinellem Lernen in der Lage ist, Nachtsichtaufnahmen täuschend echt zu colorieren. Die KI wurde hierfür mit Bildmaterial in Echtfarben und Nachtsicht Aufnahmen gefüttert und darauf trainiert einen Mechanismus zu entwickeln, der das Colorieren auch dann ermöglicht, wenn nur die Nachtsichtaufnahme vorliegt. Der trainierte Algorithmus kann auf Basis monochromer Informationen also berechnen, wie das Bild in Echtfarben aussieht und dies auch sofort darstellen. Das Ergebnis sind Nachtsichtaufnahmen in völliger Dunkelheit, die dargestellt werden können als wäre es eine normale Kameraaufnahme am hellichten Tag.
Ihre Zukunftswerkstatt.
Mit unseren Workshops haben Sie eine erstklassige Methode um neue Geschäftsfelder zu erobern. Buchen Sie jetzt Ihr unverbindliches Beratungsgespräch.
Was die Diagnose von Hautkrebs mit der Erkennung von Baumängeln gemeinsam hat.
Es gibt heute bereits sehr gute KI-Systeme, die Hautärzte bei der Diagnose unterstützen. Siehe hierzu folgenden Artikel aus dem Ärzteblatt: https://www.aerztezeitung.de/Medizin/Kuenstliche-Intelligenz-schlaegt-Hautaerzte-bei-Krebsdiagnose-256254.html
Diese Systeme funktionieren nach einem ähnlichen Prinzip wie das oben aufgeführte Beispiel der Nachtsicht. Die KI wird mit tausenden von Bildern gespeist. Anhand der Bilder und einer verknüpften Diagnose lernt die KI, nach welchem Prinzip eine Abbildung Hautkrebs darstellt. Wurde die KI mit ausreichend Material versorgt, übersteigen die Fähigkeiten des Computers schnell die der meisten menschlichen Spezialisten. Sicherlich würden Sie sich sehr wohl dabei fühlen, wenn Ihr lokaler Facharzt von einem Computersystem unterstützt wird, das von den besten Spezialisten der Welt trainiert wurde.
Diese Vorgehensweise lässt sich natürlich auf andere Branchen übertragen. In der Baubranche kann eine KI die entsprechend trainiert ist etwaige Baumängel, Schimmelbildung oder Unwetterschäden erkennen. Das Prinzip von Machine-Learning basiert darauf, dass Menschen einen Computer mittels Bild- und Datenerkennung darauf schulen, spezielle Aufgaben zu übernehmen und damit themenabhängig die Effektivität und/oder Effizienz gewisser Prozesse deutlich zu erhöhen.
Wie eine KI im Flug das Fliegen lernt.
Bereits 2016 wurde im Economist ein Artikel veröffentlicht, der die Entwicklung von hochentwickelten Autopiloten für die kommerzielle Luftfahrt beschreibt. Diese Systeme konnten bereits damals fast alles, was menschliche Piloten auch können. Starten und Landen unter schwierigsten Bedingungen, Route-Finding und das Anfliegen weit entfernter Destinationen. Um die Gefahren von maschinellem Versagen abzuschwächen wurden drei getrennte Systeme verbaut. Nur wenn diese drei Systeme übereinstimmen führt der Autopilot eine Aktion aus, ansonsten wird das Ruder zurück an einen Menschen übergeben.
Eine Software-Firma hat unlängst die Entwicklung einer neuen Generation von Autopiloten in Erwägung gezogen. Ähnlich wie beim Supercomputer AlphaGo, könnte das System „die Kunst des Fliegens“ über gefährliche Situationen erlernen, während es mit genau diesen konfrontiert ist. Kurz zur Erinnerung: AlphaGo wurde mit dem Regelwerk des Spiels „Go“ gefüttert. „Go“ ist das komplexeste Spiel der Menschheit, deutlich facettenreicher als Schach. Der Computer war innerhalb eines Tages dazu in der Lage, die besten menschlichen Spieler zu schlagen und entwickelte im Rahmen des Lernprozesses Spielzüge und Taktiken, die in zweitausend Jahren Menschheitsgeschichte nicht gefunden wurden.
Mittels dieser Technologie könnten in Flugzeugen also bald autonome Supercomputer die Kontrolle übernehmen, die in Gefahrensituationen schnellere und bessere Entscheidungen treffen können.
Fazit
Die Entwicklung, die sich über die verschiedenen Themengebiete hinweg abzeichnet, ist folgende: KI-basierte Systeme haben sich in der Vergangenheit durch verschiedene Evolutionsstufen entwickelt und diese Entwicklung setzt sich aktuell fort. Es begann als unterstützende Werkzeuge für die menschliche Arbeit, ging weiter zu teil-autonomen Systemen, die die Arbeit erledigen und dabei von Menschen überwacht werden und entwickelt sich jetzt aktuell zu völlig autonomen Systemen, die an einem wahrscheinlich nicht mehr allzu fernen Punkt in der Zukunft ganz ohne Menschen auskommen.
Doch auch diese Systeme müssen zuvor von Menschen entwickelt werden. Grund genug sich mit der Materie eingehend zu beschäftigen. Interne Kompetenzen, Ihre strategische Ausrichtung und Technologiepartnerschaften spielen eine entscheidene Rolle bei der Erschließung neuer Ertragsquellen auf den Spielfeldern der Zukunft.
In einer Frontscale-Zukunftswerkstatt arbeiten Sie gezielt an der Eroberung neuer Geschäftsfelder.
Aus neuen Themen wie Data-Driven-Business, Machine-Learning, KI, Metaverse, Virtual-Reality, Digital-Education und unzähligen weiteren Business-Trends, ergeben sich neue Märkte und Ertragsquellen, die erobert werden können. In einer Zukunftswerkstatt können Sie gezielt erforschen, wie Ihr Unternehmen in der „neuen Welt“ erfolgreich mitspielen kann.
Wir möchten Ihnen gerne anbieten, das Thema in einem unverbindlichen Kennenlern-Telefonat aufzugreifen und im Kontext Ihrer spezifischen Unternehmenssituation zu besprechen. Im Folgenden finden Sie die Kontaktdaten Ihres persönlichen Ansprechpartners und den Link zu unserem Kontaktformular. Wir freuen uns darauf Sie und Ihr Unternehmen kennenzulernen.
Ihr Ansprechpartner
Für eine unverbindliche Kontaktaufnahme steht Ihnen unser Experte Christian Sauer telefonisch oder per E-Mail zur Verfügung.
Mobil: 0171 3043346
E-Mail: christian@frontscale.de