Künstliche Intelligenz ist der nächste Schritt der Automatisierung

Getrieben durch maschinelles Lernen, ist künstliche Intelligenz in vielen Bereichen genauso gut oder besser als der Mensch. Dazu zählen im Besonderen Objekt- und Mustererkennung. So haben beispielsweise Google und Microsoft in der ImageNet Large Scale Visual Recognition Challenge mit 4,95% eine geringere Fehlerrate beim Erkennen von Objekten in Bildern als der Mensch mit 5,1% (siehe 1).

Was ist der Unterschied zwischen maschinellem Lernen und künstlicher Intelligenz?

Häufig werden die Begriffe künstliche Intelligenz und maschinelles Lernen austauschbar verwendet.  Tatsächlich jedoch bezeichnet der Begriff künstliche Intelligenz lediglich ein Computerprogramm. Dieses Programm erledigt Aufgaben, für die normalerweise die Intelligenz eines Menschen von Nöten wäre.

Meist beschränken sich künstliche Intelligenzen auf eine sehr spezifische Aufgabe. Man nennt diese dann auch schwache künstliche Intelligenz (oder narrow artificial intelligence). Solche spezialisierten künstlichen Intelligenzen sind bereits vielfach im Einsatz: Denken Sie beispielsweise an Navigationsgeräte, Spamfilter oder Suchmaschinen.

Viele Aufgaben erfordern jedoch so komplexe Regeln, dass sie bis vor Kurzem ungelöst waren. Eine dieser Aufgaben war zum Beispiel das chinesische Spiel Go (siehe 2). Erst eine spezielle Form des maschinellen Lernens hat es Forschern von Google ermöglicht den menschlichen Großmeister Lee Sedol zu besiegen.

Maschinelles Lernen unterscheidet sich von klassischer Programmierung darin, dass Regeln nicht von Hand definiert werden, sondern aus sogenannten Trainingsdaten abgeleitet werden. Anstatt also genau zu programmieren, was eine künstliche Intelligenz in einer bestimmten Situation zu tun hat, werden Trainingsdaten verwendet. Diese Trainingsdaten beschreiben eine Situation und die entsprechende Handlung. Am Beispiel des Spiels Go ist die Ausgangssituation also eine Spielfeldsituation und die Handlung der passende Zug.

Besonders erfolgreiche maschinelle Lernalgorithmen sind hierbei künstliche neuronale Netze. Diese sind von natürlich vorkommenden neuronalen Netzen inspiriert, funktionieren also wie primitive Gehirne. Sie weisen eine besonders hohe Fähigkeit zur Verallgemeinerung von Trainingsdaten auf. Dies erlaubt, eine gut funktionierende künstliche Intelligenz mit nur relativ wenigen Daten zu trainieren.