Künstliche Intelligenz und maschinelles Lernen sind in den letzten Jahren ein immer wichtigeres und zentraleres Thema geworden. Die Firma Cognilytica hat aus einer Klassifizierungsmatrix mit über 3000 Anbieterfirmen in über 100 Teilsegmenten des KI-Marktes eine Analyse durchgeführt, um die wichtigsten Bausteine einer KI Anwendung zu analysieren. Heraus kamen sieben Bausteine bzw. Muster, die alle Anwendungsfälle, egal ob Chatbot, Bilderkennungssoftware oder autonomes Fahrzeug gemein hatten. Dieser Artikel wirft daher einen Blick auf die sieben Strukturen einer künstlichen Intelligenz.
Die sieben KI-Bausteine
Hypersonalisierung
Bei der Hyperpersonalisierung geht es um den Einsatz von Machine Learning zur Entwicklung eines einzigartigen, individuellen Profils, welches im Laufe der Zeit immer detaillierter und genauer arbeitet. Dieses Profil kann verschiedenen Aufgaben folgen, wie beispielsweise der Anzeige relevanter Inhalte, der Empfehlung von Produkten oder der Bereitstellung persönlicher Informationen.
Das primäre Ziel der Hypersonalisierung besteht darin, jedes Individuum einzeln zu betrachten und nicht in Gruppierungen oder Cluster zu verfallen. Maschinelles lernen wird hier genutzt, um dem Megatrend der Personalisierung gerecht zu werden. Zu den Anwendungsfällen gehören personalisierte Inhalte, personalisierte Beratung oder Empfehlungssysteme.
Autonome Systeme
Autonome Systeme werden als Systeme definiert, die in der Lage sind, eine Aufgabe zu erfüllen, ohne das der Mensch wirklich stark beteiligt sein muss. Dies gilt sowohl für physische, hardware-autonome Systeme als auch für Software oder virtuelle autonome Systeme, sogenannte Bots.
Das primäre Ziel autonomer Systeme ist die Minimierung menschlicher Arbeit und die Erleichterung des Alltags der Anwender und Anbieter. Beispiele für ein solches System finden sich in Chatbots, Sprachassistenten und Systemen, die unabhängig Entscheidungen treffen oder bei denen Entscheidungen, die Intelligenz erfordern, ohne menschliches Eingreifen getroffen werden müssen.
Entscheidungsunterstützung
Das nächste der sieben Bausteine ist die prädiktive Analyse oder einfacher gesagt die Entscheidungsunterstützung. Hier wird die künstliche Intelligenz eingesetzt, um gelernte Muster zu interpretieren und bei der Vorhersage zukünftiger Ergebnisse zu unterstützen. Ziel dieses Bausteins ist es, die Menschen dabei zu unterstützen, Entscheidungen zu treffen.
Einsatz finden solche Systeme beispielsweise bei der Vorhersage von Verhaltensweisen, Misserfolgen und Trends. In diesem Baustein trifft jedoch nicht die Maschine die finale Entscheidung, sondern hilft dem Menschen nur bei der eigenen Entscheidungsfindung.
Konversation und Interaktion
In der Konversation gehet es darum, dass die künstliche Intelligenz mit dem Menschen in Interaktion tritt. Ob durch Stimme, Text, Bilder oder Schriftformen, dieses Kommunikation zwischen Maschine und Mensch soll den Austausch erleichtern und die Interaktion zwischen beiden Gruppen stärken.
Zu diesem Baustein gehört auch die Erstellung von Inhalten, wie beispielsweise Text, Bilder, Video und Audio, zum Konsum durch den Menschen. Ziel dieses Bausteins ist es, mit den Menschen so zu interagieren, wie sie es auch untereinander tun würden. Beispiele finden sich bei Chatbots, aber auch Sprachassistenten wie Alexa, Google Home oder Siri.
Muster- und Anomalie-Erkennung
Beim Muster & Anomalie-Erkennungsbaustein werden maschinelles Lernen und andere kognitive Ansätze zur Realisierung verwendet. Die Maschinen identifizieren dabei Muster in den Daten und suchen nach Verbindungen, die ihnen Aufschluss darüber geben, ob es Ausreißer in den Daten gibt oder ob sonstige Auffälligkeiten von der Norm abweichen. Ziel der Anomalie-Erkennung ist die immer präzisere Unterscheidung zwischen verschiedenen Phasen und Objekten.
Diese Art von KI findet beispielsweise Einsatz in der Risikoanalyse oder in der Kriminologie. Auch in der Industrie wird sie verwendet, um Abweichungen bei Maschinen oder im Ablauf zu identifizieren.
Recognition
Das Ziel der Recognition besteht darin, dass Maschinen Informationen in unstrukturierten Inhalten identifizieren und verstehen können. Auf diesem Prinzip baut beispielsweise die Bild- und Objekterkennung auf. Doch auch die Gesichtserkennung, die Ton- und Audioerkennung und die Entzifferung von Handschriften und Texten gehören in diesen Baustein.
Je mehr die künstliche Intelligenz dabei geschult wird, umso besser sind die Erfolgsraten und umso besser kann die KI die richtigen Informationen aus den Daten extrahieren.
Zielgerichtete Systeme
Der letzte Baustein der künstlichen Intelligenz sind die zielgerichteten Systeme. Hier geht es einfach gesagt darum, aus Fehlern zu lernen und sich immer weiter zu verbessern. Beispiele für die zielgerichteten Systeme finden sich in der Simulation von Szenarien, in selbstständig lernenden Spielen und in der Ressourcenoptimierung. Die Maschinen testen in diesem Baustein immer wieder alle denkbaren Varianten durch und lernen aus Erfolgen und Misserfolgen dazu. So kommt es zur stetigen Verbesserung des Systems und der zielgerichteten Ausrichtung am Ziel.
Arbeit mit den Bausteinen im Projekt
Die oben definierten Bausteine zeigen verschiedene Einsatzmöglichkeiten in KI-Anwendungen auf. Dabei werden verschiedene Ziele und Fähigkeiten der künstlichen Intelligenz definiert. Jedes KI Projekt kann, so die Erfahrung, einen oder mehrere der Bausteine aufweisen. Bei den wirklich erfolgreichen Anwendungen kommt es meist zur Kombination der verschiedenen Parameter, um wirklich komplexe Einsatzszenarien zu ermöglichen. Vor Ihrem eigenen Projekt sollten sie daher identifizieren, welche Muster Sie nutzen möchten.
Wenn Sie beispielsweise einen Chatbot bauen möchten, brauchen Sie sowohl das Konversationsmuster, welches eine Interaktion von Mensch und Maschine optimiert, jedoch auch das autonome System, da die Idee hinter dem Chatbot eine vom Menschen unabhängige Beantwortung der Nutzerfragen ist. So können Sie bei jedem Projekt vorgehen und Ihre individuelle Zielsetzung definieren.
