Künstliche Intelligenz

Künstliche
Intelligenz
Factsheet Innovationsfeld
Künstliche Intelligenz: rechnen wie ein Computer, entscheiden wie ein Mensch
•
Computer, die Bilder erkennen und Krankheiten diagnostizieren können, Rechner, die Großmeister im
Schach oder den amtierenden Weltmeister im Strategiespiel Go schlagen – die Fortschritte, die in den
vergangenen fünf Jahren im Bereich Künstliche Intelligenz erzielt wurden, sind immens. Und es gibt noch
zahlreiche weitere Beispiele, ob nun beim Autonomen Fahren, bei Kreditentscheidungen in Banken, dem
Erkennen von Auffälligkeiten beim Ganzkörperscan am Flughafen: Überall trifft Software automatisierte
Entscheidungen auf der Grundlage von Künstlicher Intelligenz. In der Teildisziplin Maschinelles Lernen
bilden Trainingsdaten die Grundlage, anhand derer ein Algorithmus auf die Vorgabe eines Menschen hin
lernt, was das richtige Ergebnis ist.
•
Die Grundlage der Künstlichen Intelligenz ist die Wahrnehmung von Informationen, die aus Sensoren,
Bildern, Sprache und Text stammen können. Daraus zieht die Software ihre Schlüsse, lernt und passt
Parameter dementsprechend an und generiert Hypothesen. Am Ende steht die Entscheidung oder eine
Empfehlung, die der menschliche Partner als Basis für sein eigenes Handeln verwenden kann.
•
Doch selbst die Grenzen dieser breiten Anwendungsgebiete werden in Denkexperimenten, bei der
Forschung und in der Gestalt von Prototypen noch überschritten: Wenn Maschinen heute schon einfache
Zeitungsartikel oder Kochartikel schreiben können – warum nicht auch mal ein Musical oder einen RapSong? Entsprechende Versuche gibt es bereits.
•
Für die Zukunft wird erwartet, dass sich die Meilensteine in der Künstlichen Intelligenz in der gleichen
Taktung erreichen lassen wie in der Vergangenheit. Dies hat vor allem zwei Gründe: zum einen die
technologischen Fortschritte und zum anderen die Tatsache, dass die besten Algorithmen inzwischen für
jeden verfügbar gemacht werden und jeder sie weiter verbessern kann.
„Deep Learning“ – wenn Maschinen das Lernen lernen
•
Die Treffersicherheit von automatisierter Bilderkennung zum Beispiel ist sprunghaft von ca. 70% im Jahr
2011 auf menschliches Niveau bei >95% gestiegen. Zu verdanken ist dieser enorme Fortschritt zum
großen Teil der Anwendung von „Deep Learning“-Methoden. Hierbei werden komplexe Algorithmen in
vielschichtigen Neuronalen Netzen genutzt, die in einer Trainingsphase auf Basis riesiger Datenmengen
lernen, welche Muster zu welcher Aussage führen, und im Anschluss das Gelernte auf neue Bilder
anwenden können. Das funktioniert unter anderem deshalb so gut, weil erstens die exponentielle
Entwicklung der Rechengeschwindigkeit weiter anhält, und zweitens verstärkt sogenannte Graphics
Processing Units – kurz GPUs – eingesetzt werden, also Computer-Chips, deren Stärke die
Frei verwendbar © Siemens AG 2016
1|2
Gleichzeitigkeit von Rechenoperationen ist und die sich daher sehr gut für Deep-Learning-Aufgaben
eignen. Die Tatsache, dass immer Mengen an Trainingsdaten zur Verfügung stehen müssen, darf hier
nicht übersehen werden, denn noch brauchen Computer deutlich mehr Input als Menschen, um ein
ähnliches Muster wiederzuerkennen. Insoweit sind also Maschinen nach wie vor dem Menschen
unterlegen. Allerdings läuft die Forschung an effizienteren Algorithmen bereits auf Hochtouren.
Ein optimales Feld für Open Innovation
•
Ein weiterer Beschleunigungsfaktor für den Einsatz Künstlicher Intelligenz ist die Tatsache, dass sowohl
die großen IT- und Internet-Unternehmen, vor allem an der amerikanischen Westküste, als auch die
akademische Welt ihr Wissen immer offener teilen. Seit Jahren schon stecken die Großen dieser
Branchen viel Risikokapital in junge, innovative Firmen und investieren parallel in die eigene Forschung.
Die globale Community kann damit sehr schnell auf Vorschläge aus einem anderen Teil der Erde
aufsetzen und über verteilte Systeme vermehrt auch bislang nicht genutzte Rechenressourcen für
Künstliche-Intelligenz-Operationen verwenden.
•
Parallel dazu entstehen immer mehr Labs für Künstliche Intelligenz, häufig geleitet von renommierten
Wissenschaftlern. Diese nehmen, zusätzlich zu ihren eigenen wissenschaftlichen Ambitionen und ihrem
Erfindergeist, ihren Bildungsauftrag sehr ernst und bieten zum Beispiel Online-Kurse zu Deep Learning
und zu Artificial-Intelligence-Systemen an. Auf diese Weise ermöglichen sie vielen Jungunternehmern
und Jungforschern, sich schnell die Grundlagen der Künstlichen Intelligenz anzueignen und innerhalb
kürzester Zeit eigene Anwendungen zu entwickeln.
Hype oder Trend? Was heißt Artificial Intelligence für Siemens?
•
Siemens war schon immer ein Vorreiter, wenn es darum geht, die richtigen Technologien zu entwickeln.
Das ist auch heute der Fall, wenn es darum geht, die Chancen, die digitale Trends für industrielle
Anwendungsbereichen mit sich bringen, in konkrete Produkte umzusetzen. Im Rahmen der Künstlichen
Intelligenz stechen hierbei vor allem zwei Bereiche hervor:
•
zum einen die komplexe Bilderkennung, wie sie vor allem bei der Interpretation von Aufnahmen von
Computertomografen (CT) und Magnteresonanztomografen (MRT) angewendet wird, und
•
zum anderen selbstständig lernende und sich selbst optimierende industrielle Systeme, etwa bei
Gasturbinen oder Windparks, oder treffsichere Vorhersagen, etwa zu Kupferpreisen und zur
erwarteten Netzauslastung.
•
Zudem wird intensiv am Einsatz physischer, autonomer Systeme gearbeitet, die im Rahmen von Industrie
4.0 in einer kollaborativen, adaptiven, flexiblen Produktion zum Einsatz kommen.
•
Die schnellen Fortschritte der jüngeren Vergangenheit werfen jedoch auch für Siemens Fragen auf: Wo
können Bilderkennungssysteme noch einen Mehrwert leisten, etwa bei der Qualitätskontrolle, der
Objekterkennung für autonom fahrende Züge oder im Rahmen von Augmented Reality in
Serviceszenarien? Wie wird die Zusammenarbeit zwischen flexibel entscheidenden Robotern und ihren
menschlichen Kollegen in der Produktion aussehen? Werden sich Menschen mit einer Gasturbine oder
einem Verkehrsleitstand unterhalten können? Werden diese Systeme in Zukunft vielleicht sogar proaktiv
Vorschläge machen oder intelligente Warnhinweise geben können, die sie selbstständig aus der
Interaktion mit menschlichen Kollegen gelernt haben?
•
Wir wissen, dass wir viele dieser Fragen nicht alleine beantworten können, sondern nur in einem offenen
Austausch mit kreativen Partnern. Hierzu schaffen wir mit next47 den richtigen Rahmen.
Frei verwendbar © Siemens AG 2016
2|2

Download Report