Die KI, also die Künstliche Intelligenz, ist momentan in aller Munde. Weder Startups noch alt-ehrwürdige Großkonzerne kommen heute ohne sie aus. Dabei ist KI aber nicht gleich KI, und einige – bei Startups sogar 40% – der Unternehmen behaupten, Künstliche Intelligenz zu nutzen, ohne es wirklich zu tun[1]!
Fragt man unter IT-Professionals, was ihrer Meinung nach „KI“ eigentlich ist, so erhält man verschiedenste Antworten. Häufig fällt die Antwort entweder in die Kategorie „eine glorifizierte Folge von Wenn-Dann-Anweisungen“ oder „die Technik, mit der alles möglich ist“.
Die Wahrheit liegt, wie so oft, irgendwo dazwischen. Komplexe Wenn-Dann-Abfragen waren vor 50-60 Jahren vielleicht KI, das gilt heute aber nicht mehr! Stattdessen ist die häufigste Form der Künstlichen Intelligenz das neuronale Netzwerk, ein sehr eleganter Mechanismus dafür, eine hochkomplexe Annäherungsfunktion mit Tausenden oder sogar Millionen von Parametern zu formulieren.
Gefüttert mit den richtigen Daten, ermöglicht eine KI so einen großen Gewinn an vorher verborgenen Informationen und Korrelationen. Allerdings ergeben sich dabei drei Herausforderungen:
Abbildung 1: Korrelation ist nicht gleich Kausalität[3]
- Enthalten die Daten, bewusst oder unbewusst, Vorurteile, dann wird die KI diese reproduzieren. So geschehen bei einer KI, die Richter in den USA bei der Urteilsfindung unterstützen sollte.
- Korrelation ist nicht gleich Kausalität: Eine Untersuchung hat ergeben, dass in Jahren, in denen mehr Störche gesichtet wurden, auch mehr Babys auf die Welt kamen[2]. Dies bedeutet nicht, dass Störche Babys bringen! Weitere interessante Korrelationen finden sich unter http://tylervigen.com/spurious-correlations, z.B.:
- Wie genau die Künstliche Intelligenz ihre Entscheidungen trifft, ist nur sehr eingeschränkt einsehbar. Je komplexer die KI und damit die oben beschriebene Annäherungsfunktion werden, desto schwerer kann ein Mensch einschätzen, welche Auswirkungen die Eingangsdaten haben.
Künstliche Intelligenz hat uns in den letzten Jahren viele neue Anwendungen gebracht und die Datenanalyse revolutioniert. Das bedeutet aber nicht, dass man jeder KI blind vertrauen kann. Auch bei dieser Technologie lohnt es sich, zumindest ein grundlegendes Verständnis zu entwickeln.
Verweise
[1] MMC Ventures, „The State of AI: Divergence“, 2019, https://www.mmcventures.com/wp-content/uploads/2019/02/The-State-of-AI-2019-Divergence.pdf
[2] T. Höfer et al., “New evidence for the Theory of the Stork”, 2004, https://web.stanford.edu/class/hrp259/2007/regression/storke.pdf
