Künstliche Intelligenz. Neuronale Netze, Expertensysteme und Sprachassistenten

Inhaltsverzeichnis

Abbildungsverzeichnis

Abkürzungsverzeichnis

1 Einleitung

2 Definitionen
2.1 Intelligenz
2.2 Künstliche Intelligenz
2.3 Beginn der künstlichen Intelligenz

3 KI: Neuronale Netze, Expertensysteme und Sprachassistenten
3.1 Neuronale Netze
3.2 Expertensysteme
3.3 Sprachassistenten

4 Fazit

Literaturverzeichnis

Bitte beachten Sie, dass aus Gründen der besseren Lesbarkeit auf die gleichzeitige Ver­wendung männlicher und weiblicher Sprachformen verzichtet wird. Alle Personenbe­zeichnungen gelten für beide Geschlechter.

Abbildungsverzeichnis

Abbildung 1 künstliches neuronales Netz

Abbildung 2 Bekanntheitsgrad Sprachassistenten in Deutschland 2019

Abkürzungsverzeichnis

KI künstliche Intelligenz

MIT Massachusetts Institute of Technology

CAS Computeralgebrasystem

1 Einleitung

„Eine Super-KI wäre entweder das Beste oder das Schlimmste, das der Menschheit zu­stößt“.¹ Dieses Zitat ist aus dem letzten Buch vom bekannten Physiker Stephen Hawking und wird als Warnung oder als Segen für die Menschheitsgeschichte angesehen. Künstli­che Intelligenz findet seinen Anfang früher als zu erahnen scheint. Bereits in der Antike wird diskutiert, ob Automaten menschliches Verhalten nachahmen oder verstehen kön­nen. Im zwanzigsten Jahrhundert wird KI als eine Wissenschaft anerkannt und diese Wis­senschaft befindet sich in einer stetigen Weiterentwicklung. Die künstliche Intelligenz ist ein umfangreiches Thema. Aufgrund des Umfangs kann künstliche Intelligenz in ver­schiedene Teilbereiche gegliedert werden, zum Beispiel werden Sprachassistenten zu künstlicher Intelligenz gezählt aber auch in der Wirtschaft wird künstliche Intelligenz eingesetzt. Dieser Vergleich zeigt, dass künstliche Intelligenz sowohl im privaten Leben als auch im Wirtschaftssektor eine Rolle spielt.

In der folgenden Arbeit wird künstliche Intelligenz kritisch betrachtet. Das zweite Kapitel klärt zunächst die Definitionen von Intelligenz, künstlicher Intelligenz und erläutert kurz den Ursprung von KI. Zusätzlich werden im zweiten Kapitel Anwendungsgebiete und Ziele von KI erwähnt. Im darauffolgenden dritten Kapitel wird KI in drei Unterthemen kategorisiert. Zum Schluss folgt ein Resümee mit kritischer Einschätzung und einer Zu­kunftsprognose.

2 Definitionen

2.1 Intelligenz

Der Begriff Intelligenz ist aus dem lateinischen Wort intellegere abgeleitet und bedeutet verstehen oder erkennen. Im Grundsatz beschreibt Intelligenz ein Konstrukt, die erwor­benen Fähigkeiten und Wissensbestände einer Person, die ihr zu einem gegebenem Zeit­punkt zur Verfügung stehen.² In der Psychologie wird Intelligenz als ein Hypothetisches Konstrukt bezeichnet, das heißt eine Erklärung für ein nicht direkt beobachtbares Phäno­men. Intelligenz wird in zwei Komponenten unterteilt, zum einen die fluide Intelligenz und die kristalline Intelligenz. Die fluide Komponente beschreibt die Flexibilität, mit der Aufgaben bearbeitet werden und die Anpassung an neue Aufgaben. Die kristalline Intel­ligenz hingegen beschreibt das bereits erworbene Wissen und wie dieses angewendet wird.³ Außerdem wird Intelligenz in insgesamt fünf unterschiedliche Formen unterteilt: Raumvorstellung, Sprachverständnis, Wortflüssigkeit, Rechenfertigkeit und mechani­sches Gedächtnis.⁴

2.2 Künstliche Intelligenz

Der Begriff künstliche Intelligenz ist von dem englischen Begriff Artificial Intelligence übersetzt und wurde erstmals vom US-amerikanischen Informatiker John McCarthy im Jahre 1956 eingeführt.⁵ Dieser Fachbereich der Informatik befasst sich mit intelligenten Maschinen und hat das Ziel, dass Computer oder Maschinen nicht nur verstehen sondern auch selbstständig intelligenter werden.⁶ Computer besitzen bislang nicht dieselbe Intel­ligenz wie der Mensch, allerdings wurden bereits Programme entwickelt, die in bestimm­ten Bereichen schneller und präziser agieren als der Mensch. Dadurch bindet der Mensch die Maschinen in das Leben ein und überlässt viele Aufgaben dem Computer.⁷ Der Infor­matiker Alan Turing beschäftigte sich bereits 1950 mit der Frage, ob Maschinen denken können und entwickelte den Turing-Test. Der Test beinhaltet zwei Testpersonen und eine Maschine. Eine Testperson kommuniziert mit der anderen Person und gleichzeitig mit der Maschine. Wenn die Testperson nicht mehr unterscheiden kann, ob sie mit einem Computer oder einer anderen Person kommuniziert, gilt der Test als bestanden.⁸ Der Turing-Test zeigt, dass es zwei Arten von künstlicher Intelligenz gibt. Demzufolge wird in schwache künstliche Intelligenz und in starke künstliche Intelligenz unterschieden. Die schwache künstliche Intelligenz zeichnet sich durch das Lösen konkreter Anwendungs­probleme aus und das Hauptziel ist es, ein intelligentes Verhalten zu simulieren. Im Alltag findet heutzutage hauptsächlich der Kontakt mit schwacher künstlicher Intelligenz statt wie zum Beispiel der Sprachassistent Siri von Apple oder Bilderkennungssoftware.⁹ Die starke künstliche Intelligenz hingegen hat das Ziel, eine vergleichbare intellektuelle Fer­tigkeit zu erlangen wie der Mensch oder diese zu übertreffen. Diese handelt selbstständig und ist flexibel. Eine starke künstliche Intelligenz müsse folgende Eigenschaften vorwei­sen, um als solche definiert zu werden:

- Logisches Denkvermögen
- Entscheidungsfähigkeit
- Planungs- und Lernfähigkeit
- Fähigkeit zur Kommunikation in natürlicher Sprache
- Kombinieren aller Fähigkeiten zur Erreichung eines übergeordneten Ziels

Die unterschiedlichen Definitionen über den Begriff künstliche Intelligenz stimmen in einem Punkt überein. Das Ziel ist es, Computerprogramme oder Maschinen zu entwickeln die ein Verhalten aufweisen, dass die Menschen als intelligent bezeichnen würden wenn es einem Menschen zugeschrieben wird.¹⁰

2.3 Beginn der künstlichen Intelligenz

Die künstliche Intelligenz ist keine Erfindung der Neuzeit, sie findet ihren Anfang bereits in der frühen Antike. Die Idee menschliches Denken und Verhalten zu schematisieren oder nachzubilden geht in der Menschheitsgeschichte zurück bis vor Christus. Der Uni­versalgelehrte Aristoteles entwickelte ein System, das logische Schlussfolgerungen und mechanische Schlüsse ziehen konnte. Ein weiterer bekannter Universalgelehrter ist Le­onardo da Vinci der ebenfalls eine ähnliche Maschine wie Aristoteles erfand, die Maschi­nen wurden jedoch nie in der Praxis umgesetzt.¹¹ Allerdings gehen Untersuchungen von heute aus, dass die Maschinen funktioniert hätten. Dies sind nur zwei von vielen Beispie­len, die sich bereits früh mit künstlicher Intelligenz beschäftigt haben. Den richtigen Auf­schwung fand künstliche Intelligenz letztendlich im 19. Jahrhundert. Durch die Industri­alisierung und die elektrotechnische Weiterentwicklung wurde der Grundstein für Com­puter und Rechner geschaffen. Mit der Weiterentwicklung der Hardware haben Computer die Möglichkeit, größere und komplexere Programmiersprachen zu berechnen. Eines der ersten Computeralgebrasysteme (CAS) ist Macsyma welches um die 70er Jahre am MIT (Massachusetts Institute of Technology) im Labor für künstliche Intelligenz erfunden wurde. Bis Ende der 80er Jahre hatte das Programm einen Marktanteil von ca. 70 %, wurde dann aber nicht weiterentwickelt und somit verringerte sich der Marktanteil.¹²

3 KI: Neuronale Netze, Expertensysteme und Sprachassistenten

Im folgenden Kapitel werden neuronale Netze erläutert und es wird aufgezeigt, warum diese bei der künstlichen Intelligenz eine Rolle spielen. Zusätzlich werden zwei Beispiele genannt, einmal das Expertensystem und die sich heutzutage sich im Wachstum befin­denden Sprachassistenten.

3.1 Neuronale Netze

Als neuronales Netz wird ein Nervensystem bestehend aus miteinander verbundenen Neuronen bezeichnet. Das künstliche neuronale Netz ist vom menschlichen Gehirn inspi­riert und besteht ebenfalls aus Neuronen, die auch Knotenpunkte genannt werden.¹³

Abbildung 1: künstliches neuronales Netz

Abbildung in dieser Leseprobe nicht enthalten

Quelle: Eigene Darstellung

Die obige Abbildung stellt ein vereinfachtes künstliches neuronales Netzwerk dar. Die Input-Layer auf der linken Seite bestehend aus zwei Input-Units dient dazu, Umweltinformationen wie zum Beispiel Messdaten zu erfassen. Beispiele wären im Be­reich der Medizin Daten wie Körpergröße, Fettmasse, Gewicht, Muskelmasse etc. Das Ergebnis wird am Ende auf der Ebene der Output-Layer gezeigt, zum Beispiel „krank“ oder „gesund“. Die Auswertung der Daten erfolgt über die Verbindungen zwischen den einzelnen Neuronen. Jedem Wert der analysiert wird, wird eine bestimmte Gewichtung zugeteilt, die über die Stärke der Verbindung zwischen den Knotenpunkten entscheidet.¹⁴ Die Stärke der Aktvierung ist vom gewählten Klassifikations-Verfahren abhängig, zum Beispiel Delta-Regel oder Backpropagation. Dies weiter auszuführen würde nicht dem Rahmen der Arbeit entsprechen, kann aber in einer weiteren Arbeit fortgeführt werden.¹⁵

3.2 Expertensysteme

Ein Expertensystem stellt Lösungen für komplexe Aufgaben auf einem bestimmten Fach­gebiet zur Verfügung. Die Lösungsvorschläge werden auf Grundlage einer Wissensbasis mithilfe von künstlicher Intelligenz berechnet. Generell besteht ein Expertensystem aus einer Wissensbasis, einem Inferenzmotor, einer Erklärungskomponente, einer Wissens­erwerbskomponente und einer Schnittstelle für die Benutzung. Die Wissensbasis reprä­sentiert das Expertenwissen meist in Form von Wenn-Dann-Regeln und übernimmt mit dem Inferenzmotor eine wichtige Rolle. Der Inferenzmotor entscheidet über die Reihen­folge und wie die Regeln zur Problemlösung angewendet werden und berechnet letztend­lich eine Schlussfolgerung.¹⁶ Das Expertensystem macht die berechnete Lösung des Prob­lems durch die Erklärungskomponente für den Menschen verständlich. Über die Wissens­erwerbskomponente hat das System die Möglichkeit, die vorhandene Wissensbasis zu erweitern, es prüft selbstständig die Vollständigkeit und Qualität des Wissens. Wie zuvor erwähnt werden Expertensysteme für bestimmte Fachgebiete eingesetzt und entsprechen im gewählten Fachgebiet der Leistung eines menschlichen Experten oder übertreffen diese sogar. Die wesentlichen Merkmale eines Expertensystems sind:

[...]

¹ Vgl. Hawking, S., große Fragen, 2018, S. 207.

² Vgl. Funke, J., Vaterrodt, B., Intelligenz, 2009, S. 10 ff.

³ Vgl. Neyer, F., Asendorpf, J., Psychologie der Persönlichkeit, 2018, S. 150.

⁴ Vgl. Neyer, F., Asendorpf, J., Psychologie der Persönlichkeit, 2018, S. 155.

⁵ Vgl. Damberger, T., Untergangspädagogik, 2017, S.159.

⁶ Vgl. Kreutzer, R., Sirrenberg, M., KI verstehen, 2019, S. 52 ff.

⁷ Vgl. Russel, S., Norvig, P., moderner Ansatz, 2012, S. 52.

⁸ Vgl. Russel, S., Norvig, P., moderner Ansatz, 2012, S. 26.

⁹ Vgl. Moeser, J., starke KI, 2018, o.S.

¹⁰ Vgl. Moeser, J., starke KI, 2018, o.S.

¹¹ Vgl. Kreutzer, R., Sirrenberg, M., KI verstehen, 2019, S. 74.

¹² Vgl. Kreutzer, R., Sirrenberg, M., KI verstehen, 2019, S. 92 ff.

¹³ Vgl. Lenzen, M., neuronale Netze, 2018, S. 38.

¹⁴ Vgl. Lenzen, M., neuronale Netze, 2018, S. 42.

¹⁵ Vgl. Styczynski, Z., Rudion, K., Naumann, A, Expertensysteme, 2017, S. 132.

¹⁶ Vgl. Styczynski, Z., Rudion, K., Naumann, A, Expertensysteme, 2017, S. 14.