Algorithmen und künstliche Intelligenz
Posted by Julia Werner •
Künstliche Intelligenz und selbstlernende Algorithmen
Interview mit Dr. Alwin Haensel, Haensel AMS Künstliche Intelligenz und selbstlernende Algorithmen
Anlässlich der Tagung der Deutschen Gesellschaft für Operations Research e. V. (GOR) in Hamburg sprach BigData-Insider mit dem Mathematiker Dr. Alwin Haensel, spezialisiert auf die Modellierung des Kundenkaufverhaltens sowie auf Datenprognosen und -Datenoptimierung.
Dr. Alwin Haensel (Bild: Haensel AMS)
BigData-Insider: Ab wann sprechen wir von Künstlicher Intelligenz? Und wo liegen aus Expertensicht die Unterschiede zwischen Machine Learning und Deep Learning?
Haensel: Wo KI beginnt, das ist durchaus etwas Subjektives, sozusagen abhängig vom Betrachter. Grundlegend sehe ich KI in dem Bereich von Algorithmen, wo ein zum Teil selbstständiger Lerneffekt gegeben ist. Deep Learning ist im Grunde nur eine Unterrubrik des Machine Learning.
Wann ist der Schritt vom Machine Learning zum Deep Learning erreicht?
Haensel: Die Grundideen von Neuronalen Netzen (NN) stammen bereits aus den 1960er-Jahren und seit den 1980er-Jahren und den Neunzigern sind diese in vielen praktischen Anwendungen integriert. Deep Learning ist im Grunde nur ein vielschichtiges Neuronales Netz. Aus zwei Gründen kommt Deep Learning jetzt erst verstärkt auf: Zum einen hat sich die Computer-Leistung erst in den letzten Jahren auf ein Niveau entwickelt, wo Deep Learning wirklich anwendbar ist und zum zweiten braucht Deep Learning, um seine Potenziale voll zu entfalten, sehr große Datenmengen, auf denen es lernen kann. Diese sind jedoch erst seit kurzem verfügbar.
Sie haben bei Ihren Vorträgen neben vielen grundlegenden Überlegungen unter anderem KI in der Logistik fokussiert. Was ist das Neue daran?
Haensel: Wir haben konkret den Ansatz von Cargonexx beleuchtet, denn in Deutschland ist das in dieser Form der einzige Anbieter, der so umfassend KI in der Logistik einsetzt. Dabei wird ein selbstlernender Algorithmus genutzt, der auf Knopfdruck Spotmarktpreise für LKW-Touren prognostiziert. Das Ziel ist es, Angebots- und Nachfrageströme im LKW-Transport zu optimieren und gleichzeitig Leerfahrten zu vermeiden.
Stichwort KI in der Logistik: Welche Chancen hat der Wirtschaftsstandort Deutschland durch diese neuen Ansätze im B2B-Segment Logistik?
Haensel: Aus unserer Sicht bestehen enorme Chancen. Zum einen betrifft es natürlich die direkten Möglichkeiten im Abbau von Leerkapazitäten durch die effizientere Allokation von Frachten und das damit verbundene Zusammenführen von Auftraggebern und Fuhrunternehmen. Zum anderen entstehen damit natürlich auch ganz neue Möglichkeiten für Services um die Logistikbranche herum.
Wenn wir an KI in der Logistik denken, wie viel Speicherplatz wird künftig nötig sein beziehungsweise welche Art von Speichermodellen, damit die Prozesse reibungslos laufen?
Haensel: Keine Ahnung, aber das ist auch einer der Haupttreiber von Machine Learning und Deep Learning. Computerressourcen sind extrem günstig geworden und kein Hindernis mehr. Die wirkliche Entwicklung liegt in den Algorithmen, nicht in der Hardware.
Wie anfällig sind Algorithmen für Manipulationsprozesse?
Haensel: Gute Algorithmen haben robust zu arbeiten. Das bedeutet: nicht nur gut im Idealfall, sondern auch unter sehr komplexen oder schwierigen Bedingungen. Bestenfalls lernen die Algorithmen selber abnormale Zustände und erkennen diese zuverlässig. Aber es gibt auch keine Anwendung, die einmal aufgesetzt wird und dann nie wieder kontrolliert wird. Selbst die cleversten Algorithmen müssen verifiziert und beobachtet werden. Gerade in der Logistiklösung wie bei Cargonexx sind wir durch die hohe Menge an Datensätzen schon sehr gut in der Lage, mögliche Manipulationsversuche zu identifizieren.
Welches Zukunftsszenario begeistert Sie, welches sollte lieber gleich gedanklich gelöscht werden?
Haensel: Begeistern kann ich mich für eine Zukunft, in der wir datengetriebenen Lösungen und Machine-Learning-Algorithmen positiv gegenüberstehen, deren Potenziale herausfordern und weiterentwickeln. Ablehnen würde ich Szenarien, in der Machine-Learning-Lösungen aus subjektiven Gründen abgelehnt werden. Wir würden dann viele Möglichkeiten ungenutzt lassen. Insgesamt sehe ich solche Gedankenspiele durchaus als Herausforderung, um klar zu machen was hinter Machine Learning steht und dass dies weitaus mehr Positives als Negatives in sich birgt.
Jetzt Newsletter abonnieren Täglich die wichtigsten Infos zu Big Data, Analytics & AI Geschäftliche E-Mail Bitte geben Sie eine gültige E-Mailadresse ein. Abonnieren Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Aufklappen für Details zu Ihrer Einwilligung Stand vom 30.10.2020 Es ist für uns eine Selbstverständlichkeit, dass wir verantwortungsvoll mit Ihren personenbezogenen Daten umgehen. Sofern wir personenbezogene Daten von Ihnen erheben, verarbeiten wir diese unter Beachtung der geltenden Datenschutzvorschriften. Detaillierte Informationen finden Sie in unserer Datenschutzerklärung. Einwilligung in die Verwendung von Daten zu Werbezwecken Ich bin damit einverstanden, dass die Vogel IT-Medien GmbH, Max-Josef-Metzger-Straße 21, 86157 Augsburg, einschließlich aller mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen (im weiteren: Vogel Communications Group) meine E-Mail-Adresse für die Zusendung von redaktionellen Newslettern nutzt. Auflistungen der jeweils zugehörigen Unternehmen können hier abgerufen werden. Der Newsletterinhalt erstreckt sich dabei auf Produkte und Dienstleistungen aller zuvor genannten Unternehmen, darunter beispielsweise Fachzeitschriften und Fachbücher, Veranstaltungen und Messen sowie veranstaltungsbezogene Produkte und Dienstleistungen, Print- und Digital-Mediaangebote und Services wie weitere (redaktionelle) Newsletter, Gewinnspiele, Lead-Kampagnen, Marktforschung im Online- und Offline-Bereich, fachspezifische Webportale und E-Learning-Angebote. Wenn auch meine persönliche Telefonnummer erhoben wurde, darf diese für die Unterbreitung von Angeboten der vorgenannten Produkte und Dienstleistungen der vorgenannten Unternehmen und Marktforschung genutzt werden. Falls ich im Internet auf Portalen der Vogel Communications Group einschließlich deren mit ihr im Sinne der §§ 15 ff. AktG verbundenen Unternehmen geschützte Inhalte abrufe, muss ich mich mit weiteren Daten für den Zugang zu diesen Inhalten registrieren. Im Gegenzug für diesen gebührenlosen Zugang zu redaktionellen Inhalten dürfen meine Daten im Sinne dieser Einwilligung für die hier genannten Zwecke verwendet werden. Recht auf Widerruf Mir ist bewusst, dass ich diese Einwilligung jederzeit für die Zukunft widerrufen kann. Durch meinen Widerruf wird die Rechtmäßigkeit der aufgrund meiner Einwilligung bis zum Widerruf erfolgten Verarbeitung nicht berührt. Um meinen Widerruf zu erklären, kann ich als eine Möglichkeit das unter https://support.vogel.de abrufbare Kontaktformular nutzen. Sofern ich einzelne von mir abonnierte Newsletter nicht mehr erhalten möchte, kann ich darüber hinaus auch den am Ende eines Newsletters eingebundenen Abmeldelink anklicken. Weitere Informationen zu meinem Widerrufsrecht und dessen Ausübung sowie zu den Folgen meines Widerrufs finde ich in der Datenschutzerklärung, Abschnitt Redaktionelle Newsletter.
(ID:44678225)
Dynamische Anpassung: Künstliche Intelligenz - selbst lernende Algorithmen
Um die Entwicklung in diesem Bereich voranzutreiben, haben US-Computerwissenschaftler auf der Conference on Computational Intelligence and Games in Kopenhagen einen innovativen Ansatz präsentiert, der auf sogenannten selbstlernenden automatischen Algorithmen basiert. Diese passen sich sowohl dem Spielverlauf als auch dem Können des menschlichen Mitspielers an, lernen aus den Fehlern vergangener Partien und sorgen so für eine kontinuierliche KI-Steigerung.
"Der KI kommt neben der Grafik eine zentrale Bedeutung zu, was Spielerlebnis und -spaß betrifft", betont Hans Solar, Lehrgangsleiter am Wiener Games College, auf Nachfrage von pressetext. Durch die zunehmende Rechenleistung, die Game-Entwicklern mittlerweile zur Verfügung steht, habe sich in diesem Bereich in den letzten Jahren einiges getan. "Die KI beschert den Spielen eine gewisse Dynamik, indem sie dafür sorgt, dass die Computerfiguren nicht in jeder Situation gleich reagieren", erläutert Solar.
"Das Programmieren von computergesteuerten Spielfiguren ist sehr arbeitsintensiv - besonders, wenn sie sensibel auf die verschiedenen Taktiken reagieren sollen, die von menschlichen Gegnern eingesetzt werden", erklärt Ben Webber, Doktoratsstudent am Expressive Intelligence Studio der University of California in Santa Cruz, gegenüber dem NewScientist. Bei seinem aktuellen Forschungsprojekt gehe es deshalb vor allem darum, diesen Programmierungsprozess zu automatisieren, was in puncto Zeit- und Geldaufwand immense Einsparungsmöglichkeiten verspricht.
Um herauszufinden, wie weit sich eine derartige Automatisierung in der Praxis bewähren kann, hat Webber eine spezielle Software mit tausenden Wiederholungen verschiedener Partien des populären Online-Strategiespiels "Starcraft" gefüttert. Der von ihm entwickelte Algorithmus hat auf Basis dieser Daten verschiedene Verhaltensmuster der Spieler definiert, die es ihm erlauben, den weiteren Spielverlauf mit einer Wahrscheinlichkeit von bis zu 70 Prozent vorherzusagen.
Auf Spielerseite ist eine dynamisch handelnde Computerintelligenz heute jedenfalls ein Muss. "Die Game-Hersteller haben diesen Trend bereits erkannt. Sie propagieren ihre Produktionen daher mit unterschiedlichen Spielverläufen, die den Wiederspielwert eines Titels erhöhen sollen", schildert Solar. Den oben dargestellten Ansatz hält der Game-Experte deshalb für - zumindest potenziell - richtungsweisend. "Bis zur Umsetzung dieser Idee wird es aber wohl noch eine ganze Weile dauern", so Solar abschließend. (pte/mje)
Algorithmen und künstliche Intelligenz
Unter dem Oberbegriff „Künstliche Intelligenz“ firmieren zahlreiche Anwendungen maschinellen Lernens, die sich dadurch auszeichnen, dynamische Lösungswege zu beschreiten. Für ihre Funktionsweise sind zum Teil nicht mehr programmierte Vorgaben entscheidend, sondern ein Gesamtsystem aus Datenbasis, Trainings- und Testumgebung sowie dem eigentlichen Lernverfahren – etwa künstliche neuronale Netze (Deep Learning). Die Rechtsordnung steht hierbei zum Teil vor ganz neuen Herausforderungen. Denn bereits technisch ist es oftmals hochgradig aufwändig bis unmöglich, das Verhalten der Systeme nachzuvollziehen oder zu prognostizieren. Zugleich können lernfähige Systeme mit oftmals bestechender Schärfe Erkenntnisse zu Tage bringen und steuernde Entscheidungen in komplexen Wirkungszusammenhängen treffen – etwa beim pilotierten Fahren oder im Smart Grid. Das Projekt wird zunächst die spezifischen Chancen und Gefahren herausarbeiten, die sich mit dem Phänomen „Künstliche Intelligenz“ verbinden – um anschließend nach passenden Regulierungsansätzen zu fahnden, die sicherstellen, dass ihr Einsatz mit den Grundsätzen des Persönlichkeitsschutzes, der Rechtssicherheit und der Orientierung am Gemeinwohl im Einklang steht. Denkbare Ansätze sind standardisierende Vorgaben (bspw. im Zusammenhang mit Auditierungsverfahren), aufsichtsrechtliche Befugnisse zur Kontrolle bestimmter Anwendungsformen, materiell-rechtliche Vorschriften für bestimmte Sektoren und ein (auch ethisches) Gesamtkonzept für den gesellschaftlichen Umgang mit Künstlicher Intelligenz.
Besonders interessant und auch weitgehend offen sind zudem die Fragen, wie und ab welcher kritischen Schwelle welche Regulierungsbemühungen des Gesetzgebers ansetzen sollten. Insbesondere wird der Bereich daher die Frage stellen, welche Schwellen für welche Rechtsfolgen überschritten werden müssen bzw. ob nur bestimmte Sektoren des Wirtschaftslebens einer Regulierung unterfallen sollen.
Zudem sind die zahlreichen Vorschläge für Regulierungsbehörden auf ihre juristische Machbarkeit und Sinnhaftigkeit zu untersuchen. Hieran knüpfen sich auch Überlegungen an, in wie weit Deutschland hier nach der DSGVO Regelungsspielraum verbleibt und die Bundesrepublik ggf. von innovativen Regelungstechniken, wie Experimentierklauseln, Gebrauch machen kann. Ein weiterer Fokus wird auf technischen Wegen und organisatorischen Maßnahmen liegen, die sicherstellen, dass die Gesetzmäßigkeit von Computerprogrammen überprüfbar ist oder die ihre Entscheidungen zumindest erklärbar machen. Bei der Bearbeitung der Forschungsfragen kann der Bereich auf die umfangreichen Erkenntnisse der Vorgängerprojekts "Algorithmenkontrolle als Regulierungsaufgabe" aufbauen, aus dem u.a. die Monographie "Blackbox Algorithmus - Grundfragen einer Regulierung Künstlicher Intelligenz" (Springer Verlag, Heidelberg u.a. 2019) entstanden ist.
Ein wichtiger Teilaspekt ist die Frage, wie sich der Staat die Potentiale lernfähiger Softwareanwendungen zu eigen machen kann, um seine Aufgabenerfüllung zu optimieren – etwa durch den Einsatz von Chatbots in der öffentlichen Verwaltung oder bei der Steuerung öffentlicher Datenströme (etwa in einer Smart City). Von besonderem Interesse ist dabei die Frage, wie sich Governance-Systeme dadurch ändern, dass in der Schaltzentrale neben den Menschen nun auch immer „intelligentere“ technische Agenten sitzen: Welche Fallstricke sind zu berücksichtigen, wenn der Staat gesellschaftliche Abläufe zunehmend softwarebasiert steuert? Der Blick fällt dabei auch auf die verfassungsrechtlichen Grenzen des KI-Einsatzes in der öffentlichen Verwaltung.
Tagged: