Was ist künstliche Intelligenz?

Künstliche Intelligenz beruht auf der Fähigkeit von Recheneinheiten, menschliches Lernen nachzubilden. Dabei bildet sich ein neuronales Netz - zunächst durch Nachahmung, dann durch die Analyse immer größerer Datenmengen. Dieses neuronale Netz entwickelt sich weiter, bis es die menschlichen Fähigkeit zu denken erreicht oder ihr sogar überlegen ist. AI kann dann Teile von Bildern erkennen, Daten modellieren, Informationen bündeln, Trends vorhersagen und genaue Ergebnisse formulieren. All dies erfolgt mit natürlicher Sprache.

Die Geschichte der künstlichen Intelligenz

Schon in den 1940er Jahren und mit dem Aufkommen der ersten Computer wollten viele Wissenschaftler, wie Alan Turing, ein „künstliches Gehirn“ entwickeln. Diese Experten führten verschiedene Experimente durch, um ihr Ziel zu erreichen: eine Maschine zu erschaffen, die intelligenter als der Mensch ist. Um diese Intelligenz nachzuweisen, entwickelten sie ein nach wie vor berühmtes Bewertungssystem: den Turing-Test.

Das Prinzip ist einfach: fünf Minuten lang sendet eine Person per Computer Nachrichten an zwei unbekannte Empfänger, einen Menschen und eine Maschine. Wenn diese Person danach nicht zwischen menschlichem und maschinellem Empfänger unterscheiden kann, ist der Test gelungen. Dann nämlich hat die AI ihre Fähigkeiten unter Beweis gestellt: Sie kann sich in natürlicher Sprache äußern und an einem intelligenten Dialog beteiligen, manchmal sogar mit einer Prise Humor.

1956 erschaffen drei Mathematiker die erste Sprache der künstlichen Intelligenz, IPL-11. Dabei trainieren sie ein Programm darauf, mathematische Aufgaben zu lösen. Schnell ist es in der Lage, anerkannte Lehrsätze verständlich zu erklären. Die Wissenschaftler entwickeln darauf eine Technologie des Selbstlernens, das Machine Learning. Diese Technologie erstellt ihre eigene AI. Dabei übt sie anhand großer Datenmengen, eine menschliche Analyse nachzubilden.

Machine Learning und Big Data sind daher der Schlüssel zum Erfolg und zum Fortschritt der AI. Bei Big Data handelt es sich um die Fähigkeit, eine exponentiell wachsende Menge an Informationen zu sammeln, um AI zu trainieren.

Das wissenschaftliche Konzept einer künstlichen Intelligenz beruht auf drei grundlegenden Schritten: Aufnahme von Informationen, Analyse von Daten und Ausgabe passender Antworten oder Ergreifen geeigneter Maßnahmen.
 

• Aufnahme von Informationen

Jegliche Aktion auf einer Website erzeugt Daten. Diese Daten gilt es aufzunehmen und zu speichern, um sie der künstlichen Intelligenz zuzuführen. Manchmal müssen diese Daten sogar anonymisiert werden: Laut DSGVO darf die digitale Aktivität einer Person nämlich nicht mit ihren persönlichen Daten verknüpft werden.

Um Informationen zu erfassen und mit AI-Programmen in verständlicher Form wiederzugeben, entwickeln Wissenschaftler Lernalgorithmen. Diese werden manchmal als „künstliche Neuronen“ bezeichnet und ermöglichen es beispielsweise, Tausende von Bildern zu entschlüsseln. Sie übernehmen jedes Bild Pixel für Pixel, bis sie einen Datensatz bilden. Weitere Programme und Algorithmen werden entwickelt, um durch Big Data gewonnene Informationen aufzunehmen und an Lernalgorithmen zu leiten.

Cloud Computing bietet eine Rechenleistung, mit der diese Technologie arbeiten kann. Mit dem Cloud Computing werden diese Daten sofort genutzt und ihr Potential vollständig ausgeschöpft.

• Analyse der Daten

Mit künstlicher Intelligenz verarbeitete und entschlüsselte Informationen stellen die Grundlage für das selbstständige Lernen dar, das Deep Learning. Um eine passende Antwort auf die verschiedenen Aufgaben zu erhalten, legen die Data Scientists auf jedes Szenario anzuwendende Kriterien fest. Mit der Zeit ergänzen die Algorithmen für automatisches Lernen dies Liste der Kriterien und liefern neue, genauere Antworten.

Je mehr neue Daten der künstlichen Intelligenz zugeführt werden, desto engmaschiger wird das Netzwerk künstlicher Neuronen für Deep Learning. Die AI lernt und versteht. Dies hat auch technische Auswirkungen: Big Data muss stets verfügbar, die zugeführten Informationen ihrerseits aktuell und verlässlich sein. Besonders beim Vorgang des Data Mining werden Daten gesammelt und verglichen, um sie auf Ähnlichkeiten, Markttrends oder verwertbare Informationen zu analysieren. Der Fortschritt der AI beruht auf diesen leistungsstarken Algorithmen und dem Zugang zu Daten.

Die Rechenleistung all dieser Algorithmen stellt den Antrieb der künstlichen Intelligenz dar. Wird die Rechenleistung nicht rationalisiert, kann sie fehlen, wenn sie gebraucht wird. Dies verlangsamt die Interaktion zwischen den künstlichen neuronalen Netzwerken und schmälert so das Potenzial der AI. Die Data Scientists benötigten daher bald leistungsfähigere Grafikkarten. Sie waren auch bestrebt, die technischen Ressourcen, also die GPU-Berechnungen, zu optimieren.

Für diese professionellen Anwender haben wir in unserer Public Cloud Lösungen entwickelt, wie das OVHcloud AI Training. Sie haben so die Möglichkeit, diese Ressourcen automatisch und ohne menschliches Zutun rationalisieren zu lassen, um AI zu schulen.

Die Netzwerke des Deep Learning werden immer schneller und leistungsfähiger. Die Verarbeitung der Daten erfolgt fast im selben Moment, was zahllose neue Anwendungsbereiche der künstlichen Intelligenz eröffnet. Lernen dank höherer Leistungsfähigkeit und unbegrenzt: Jede neue Information macht die AI präziser.

• Entwicklung geeigneter Antworten oder Handlungen

Die künstliche Intelligenz interpretiert, vergleicht und analysiert die Daten. Auf dieser Grundlage ist sie dann in der Lage, erwartungsgemäß zu antworten oder zu reagieren. Hierbei handelt es sich um eine Form des „kognitiven Reflexes“, den Data Scientists definieren müssen, damit die AI Folgendes leisten kann:

• auf den Verbraucher zugeschnittene Videoempfehlungen (relationale Intelligenz) anbieten
• sich wiederholende Aufgaben automatisieren (intelligente Automatisierung)
• übersetzen in Echtzeit (semantische Analyse, Verdolmetschung)
• vielversprechende Marktentwicklungen für Startups oder Projektleiter identifizieren (Business Intelligence)
• ein Objekt oder Tier auf Tausenden von Fotografien erkennen (visuelle Erkennung)
• ein autonomes Fahrzeug an der richtigen Stelle parken (kognitive Reflexe, Propiozeption).

Vorhersagemodell im öffentlichen Sektor

Ohne künstliche Intelligenz ist die Verwaltung öffentlicher Infrastrukturen und Dienstleistungen komplex und zeitaufwendig. Bei jeder Entscheidung gilt es, zahlreiche Parameter zu berücksichtigen. So müssen bei der Renovierung eines Bahnhofs verschiedenste Fragen bedacht werden: Die Arbeitsschritte müssen nach dem vorgesehenen Budget priorisiert und Verkehrsströme analysiert werden, um Alternativrouten vorzuschlagen, der Schienenersatzverkehr muss optimiert werden, usw.

Wird künstliche Intelligenz (AI) darauf trainiert, die verfügbaren Daten zu erfassen, zu verarbeiten und zu analysieren, ermöglicht sie dadurch eine genauere Planung. Des Weiteren lassen sich Entscheidungsbäume mit Angaben der Kosten und Nutzen jeder Option erstellen. Diese Vorhersagen unterstützen dann die Entscheidungsfindung (Business Intelligence).

AI ist eine bewährte Lösung, um Maßnahmen jeglicher Art zu planen. Dies gilt für alle öffentlichen Verwaltungen und Dienste.

Forschung und Entwicklung im Gesundheitsbereich

Künstliche Intelligenz spielt bei zahlreichen Forschungs- und Entwicklungsprogrammen im Gesundheitsbereich eine entscheidende Rolle. Auf diesem Gebiet liefert sie die vielversprechendsten Ergebnisse.

So ist beispielsweise die Früherkennung von Krebs und schweren Krankheiten eine zentrale Aufgabe des Gesundheitswesens. Nach erfolgreichen Tests zur visuellen Erkennung wurden AI-Algorithmen in Programme zur Tumorfrüherkennung integriert. Im Vergleich zu einem Team von Neurochirurgen erkennt der MRT-Erkennungsalgorithmus Gehirntumore bereits heute zehnmal schneller und effektiver. Dieser Algorithmus vergleicht jede neue Aufnahme des Gehirns mit tausenden Datenbanken.

Noch bevor die Krankheit ausbricht, können Patienten gerettet werden: durch die Verwendung von prädiktiven Analysen und Bilderkennung. Die Welt der Medizin wird um viele Möglichkeiten reicher.

Data Mining extrahiert Erkenntnisse aus tausenden wissenschaftlicher Berichten. Es wird daher möglich:

• die Ursachen für das Auftreten bestimmter Krankheiten besser zu verstehen
• mögliche Kontraindikationen zwischen verschiedenen Medikamenten zu finden
• die großangelegte wissenschaftliche Forschung zu beschleunigen.

IT-Sicherheit und Datenschutz

Datenschutz und Datenverwaltung sind von entscheidender Bedeutung. Zugang, Weitergabe und Nutzung von Informationen sind grundlegend, sowohl für große Forschungszentren als auch für kleine Unternehmen.

Cybersecurity-Programme und AI-basierte Umgebungen sind in der Lage, potenzielle Schwachstellen von Netzwerken zu erkennen. Außerdem können sie auch bösartige Software blockieren, die das Verhalten eines menschlichen Nutzers nachahmt.

Automatische Übersetzung in Echtzeit

Das Management der Kundenbeziehung ist für alle Unternehmen ein zentrales Anliegen, die Wert auf ausgezeichnete Servicequalität legen. Mit der automatischen Sprachverarbeitung (Natural Language Processing) bündelt die künstliche Intelligenz die Anfragen internationaler Kunden zentral. Wie ein Dolmetscher übersetzt die AI diese Anfragen dann sofort in die Sprache der Kundenbetreuer.

Die Kundenbetreuer wiederum haben so die Möglichkeit, eine zweckdienliche und tadellos verfasste Antwort zu geben, übersetzt in die Sprache der Nutzer. Auf Grundlage vorheriger Gespräche bietet ein Chatbot Beispiele für Antworten an.

Planung, Bestandsüberwachung und Kontrolle der Warenströme

Die Verwaltung von Lebensmittel- und Lagerbeständen sowie die Bedarfsvorhersage in Echtzeit sind für Großhändler und Akteure des Onlinehandels unverzichtbar.

Die Verwendung prädiktiver Algorithmen erlaubt es, sich auf Verkäufe einzustellen und die erforderliche Produktmenge beim Hersteller zu bestellen. Bis vor Kurzem schien dies fast unmöglich. Auf Grundlage der Verkaufszahlen und der Daten aus den Vorjahren können Fachleute nun AI darauf trainieren, den Fluss vieler Artikel in Echtzeit zu verwalten. Das Programm für Business Intelligence ermittelt schnell die besten Verkäufe eines bestimmten Zeitraums. Mithilfe von Vorhersagemodellen, Kontrollalgorithmen und der Darstellung von Informationen bestellen die Käufer die richtige Menge an Artikeln zur richtigen Zeit. Sie vermeiden damit sowohl Verschwendung als auch fehlende Bestände.

Robotik und Intelligenz an Bord

Robotik ist eine auf kognitive Intelligenz fokussierte Form der AI. Die Entwickler müssen also weit mehr konzipieren, als lediglich einen intelligenten Computer mit Netzwerkverbindung: nämlich eine autonome Maschine.

Um angemessene auf ihre Umgebung zu reagieren, sind Roboter oder Automaten mit Sensoren ausgestattet: Kameras im Fahrzeug, Mikrofone, Radar, ganze Netzwerke verbundener Objekte... Sie definieren auch die kognitiven Reflexe, die auf jede Situation zugeschnitten sind.

Die eingebaute Intelligenz beweist bereits ihr enormes Potenzial am Beispiel des autonomen Autos. Sie kann nach der Straßenverkehrsordnung handeln, allein einparken und bei Gefahr auf die Millisekunde genau bremsen.

NVIDIA GPU Cloud

Ein Grafikprozessor (GPU) ist eine Recheneinheit. Es kann sich auf einer Grafikkarte wie der NVIDIA V100S oder dem Motherboard befinden. Das einwandfreie Funktionieren der künstlichen Intelligenz beruht auf der Effizienz dieser Recheneinheiten.

Die NVIDIA GPU Cloud (NGC) umfasst alle GPU-Programme, die automatisch die Recheneinheiten der NVIDIA-Hardware optimieren. Dies unterstützt Deep Learning und die grafische Berechnung von AI.

Jupyter Notebook

Jupyter ist ein Open Source Computing Notebook (oder Web-Anwendung), kostenlos und interaktiv. Die Erläuterungen, Codes, Gleichungen und Visualisierungen der Internetnutzer werden den Anwendern kostenfrei zur Verfügung gestellt.

Jupyter funktioniert mit zahlreichen Programmiersprachen und Entwicklungsumgebungen (frameworks) wie TensorFlow, PyTorch und MxNet. Über das Interface können die Benutzer den Code direkt anzeigen, ändern und ausführen. So überprüfen sie das Ergebnis jeder Änderung sofort. Data Scientists verwenden Jupyter Notebook, um verschiedene Automatismen und Einheiten künstlicher Intelligenz zu erstellen.

Apache Spark

Apache Spark ist das Standard-Framework für Datenverarbeitung in großem Umfang. Es geht die Informationen der Datenbank durch, lädt die durchzuführenden Operationen in den Arbeitsspeicher und führt anschließend alle Berechnungen auf einmal durch. Nach Abschluss der Analyse werden die Rechenressourcen freigegeben.

Apache Spark wird daher verwendet, um große Datenmengen zusammenzuführen und detaillierte Analyseberichte zu erstellen.