Wie ein Computer trainiert wird, damit beschäftigen sich Wissenschaftler und Programmierer im Europäischen Forschungszentrum in Zürich. Künstliche Intelligenzen sind hier ein Sonderfall. Was dies konkret umfasst, behandeln wir in diesem Artikel.
Bilderkennung von Künstlichen Intelligenzen
Bilderkennung ist ein zentrales Element der KI. Das zeigt auch ein Demonstrator im Forschungszentrum: Anhand von Zeichnungen auf einem digitalen Zeichenbrett kann der Computer bestimmen, um was es sich handelt. Mittels Sprachausgabe wird das Ergebnis mitgeteilt – auch etwas, dass die Computer erst lernen mussten, ebenso die Spracherkennung, Übersetzung und Datenanalyse. All das bringt auch eine Menge Daten mit sich, die verarbeitet werden müssen. Dazu dient unter anderem Machine Learning (ML). Und das ist die Aufgabe der Züricher Wissenschaftler und Programmierer.
Visuelle Wahrnehmung und Künstliche Intelligenzen
Programmierbar sind grundsätzlich nur Dinge, die man auch erklären kann. Aber nicht alles lässt sich einem Computer einfach so erklären. Vor allem visuelle Wahrnehmung lässt sich oft nur schwer in Worte fassen. Die Züricher Mitarbeiter sind daher dazu übergegangen, den Computer mittels neuronaler Netze zu trainieren. Dafür werden in das System Hunderttausende oder gar Millionen Beispiele eingespielt, damit der Computer ein ähnliches Bild oder einen Sprachbefehl auch dann erkennt, wenn es ihm zuvor
noch nicht bekannt war. Macht er einen Fehler, weist man das Programm manuell darauf hin und die Maschine lernt automatisch daraus.
Die Geschichte des Machine Learning und der Künstlichen Intelligenzen
Machine Learning ist kein Phänomen des neuen Jahrtausends. Schon in den 1960er Jahren beschäftigten sich Fachleute mit lernenden Maschinen. Der Erfolg blieb jedoch aus und die Fördergelder wurden eingestellt. Mit seinem Forschungszentrum in der Schweiz will Google zu den Vorreitern bei künstlichen Intelligenzen und Machine Learning werden.
Auch wenn die Forscher in Zürich mit Hochdruck an der Entwicklung arbeiten, steht die Technik noch am Anfang. Hinzu kommt, dass selbst die Wissenschaftler, die die Algorithmen entwickeln und schreiben, die Künstliche Intelligenz nicht verstehen – besonders nicht, wie der Computer im Zuge des ML die Verallgemeinerung und Generalisierung vornimmt. Vom fehlenden Verstand ganz zu schweigen. Menschen sind in der Lage, auf Basis der erhaltenen Informationen Rückschlüsse zu ziehen. Computer sind dazu nicht in der Lage.
Die Rolle des Menschen im Kontext der Künstlichen Intelligenzen
Solange Menschen das System mit Trainingsinformationen bespielen, sind die Systeme auch fehleranfällig und neigen auch schneller zu Vorurteilen. Schliesslich machen Menschen nun mal Fehler. Den Züricher Experten ist das Problem bewusst. Daher muss die Technik ständig verbessert werden. Die Menschen müssen noch dazu ein Grundverständnis für die Funktionsweise der Künstlichen Intelligenzen entwickeln, damit sie künftig besser damit arbeiten, umgehen und die Ergebnisse beurteilen können. Das Forschungszentrum in Zürich konzentriert sich ganz auf die Ausbildung von Robotern beziehungsweise Künstlicher Intelligenz.
Diese Artikel könnten Sie ebenfalls interessieren:
Tesla Powerwall – Flow (flowbusinessmag.com)
Generation Alpha – Was treibt sie an? – Flow (flowbusinessmag.com)
Externe Personalbeschaffung – weshalb sie ein Gamechanger ist – Flow (flowbusinessmag.com)
Global Recruitment – eine Chance für aufstrebende Unternehmen? – Flow (flowbusinessmag.com)