Intelligenz ist die Summe von Denk- und Wahrnehmungsprozessen eines Objektes oder Subjektes, um auf Umwelt- und Umgebungseinflüsse angemessen zu reagieren. Menschen, aber auch technische Systeme reagieren jedoch nicht immer angemessen auf Umgebungsreize.
Intelligenz ist im Kontext dieses Buches daher neben folgerichtigem Schlussfolgern das autonome Schaffen eines Modells der Umgebung, um auf äußere (und innere) Reize adäquat reagieren zu können und bei beobachteten Fehlern das eigene Modell über die Umgebung selbstständig so anzupassen, dass beim nächsten Mal eine adäquate Reaktion erfolgen kann.
Die Intelligenz des Menschen ist sehr vielschichtig und vielgestaltig, man spricht von rationaler (kognitiver) Intelligenz, aber auch von sozialer und emotionaler Intelligenz uvm. Für die Schaffung von Künstlicher Intelligenz ist insbesondere die kognitive Intelligenz des Menschen maßgebend.
Künstliche Intelligenz ist der Versuch, rationale bzw. kognitive menschliche Intelligenz auf (technischen) Maschinen zu simulieren, um sie für den Menschen gewinn- und nutzbringend einzusetzen.
Eine solche Art von Künstlicher Intelligenz ist in ihren Anwendungen überaus erfolgreich. Aktuell sind noch keine Grenzen für das Vordringen der KI in Technik und Gesellschaft abzusehen. Künstliche Intelligenz mit dem Anspruch der Simulation von Intelligenz nennen wir Schwache KI, um sie von einer sogenannten Starken KI zu unterscheiden.
STARKE KI VS SCHWACHE KI
Die Starke KI ist ein Konstrukt, welches eine KI beschreibt, die künstliches Bewusstsein, einen Willen oder sogar Emotionen ausprägen kann. So etwas technisch zu erzeugen ist heute in keinster Weise realistisch. Irrationale Ängste gegenüber einer Starken KI sind deshalb nicht angebracht. Es ist mit heutigen technologischen Mitteln nicht möglich, Maschinen mit nachweislichem Bewusstsein zu entwickeln. Aktuell existieren zwar rudimentäre Theorien, wie Bewusstsein technisch erzeugbar wäre, aber selbst wenn diese Ansätze stimmen sollten, wird es noch sehr, sehr lange dauern, bis eine KI entsteht, die ein Bewusstsein, ähnlich dem des Menschen, ausprägen könnte. Starke KI ist und bleibt Science Fiction.
Schwache KI ist jedoch schon heute allgegenwärtig. Heutige KI-Systeme sind intelligent, man könnte sogar sagen, dass heutige KI-Systeme denken können, wenn man Denken als mechanisierbare Symbolmanipulation definiert. Dieses KI-Denken entspricht natürlich nicht dem Denken von Menschen, aber das »Maschinendenken« ist (in Verbindung mit dem Lernen) bereits so leistungsfähig, dass die heutige KI gegen unsere Weltmeister im Schach und Go gewinnt, Roboter steuert, teilautonom Auto fährt und intelligente Chatbots in natürlicher Sprache mit uns sprechen lässt.
MACHINE LEARNING UND NEURONALE NETZE
Der Schwerpunkt heutiger KI-Anwendungen liegt aber nicht auf dem Denken, sondern auf dem Lernen. Beim »Machine Learning« geht es darum, Maschinen und Algorithmen zu schaffen, die aus vorhandenen Daten selbstständig und vollautonom lernen können. Dabei unterscheidet man in symbolische Lernverfahren, wie Entscheidungsbäume oder Assoziationsregeln und sub-symbolische Lernverfahren.
Eine der wichtigsten Basistechnologien für sub-symbolisches, maschinelles Lernen stellen Künstliche Neuronale Netze (KNN) dar. Neuronale Netze sind den Informationsverarbeitungseinheiten und Speichermechanismen des biologischen Gehirns nachgebildet. Eine Vielzahl einfacher Prozessorelemente, sogenannte Neuronen, ist mit einer großen Anzahl von Nachbarneuronen über sogenannte Synapsen (gewichtete Verbindungen) verbunden. Das neuronale Netz sammelt Informationen und berechnet Ergebnisse durch sehr einfache Rechenschritte. Die Leistungsfähigkeit des neuronalen Ansatzes besteht allerdings nicht in den Berechnungen der einzelnen Neuronen, sondern in der parallelen Datenverarbeitung von mehreren Millionen Einzelelementen. Obwohl die Informationsverarbeitung eines einzigen Neurons im Prinzip einfach ist, kann durch die hohe Vernetzung der Neuronen untereinander eine enorme Leistung des Gesamtsystems erreicht werden.
Das menschliche Gehirn ist das Vorbild zur Wissensverarbeitung schlechthin und es gibt mittlerweile weit über hundert Arten künstlicher neuronaler Netze. Die Theorie der KNN ist dadurch äußerst komplex geworden und es wurden viele Netztypen für ganz spezielle technische Aufgaben entwickelt. Die Informationsverarbeitung im Gehirn ist so gigantisch, dass es nahezu unendlich viele Möglichkeiten zu geben scheint, Teilaspekte des Gehirns herauszugreifen und technisch nachzubilden, mit immer neuen Möglichkeiten einer Datenverarbeitung.
Im mathematischen Sinne realisiert ein Künstliches Neuronales Netz ein Verfahren zur nichtlinearen multivariaten Datenanalyse, etwas, was man seit 100 Jahren aus der Statistik kennt. Die Netze sind damit ein sehr cleverer Ansatz, eine solche Datenanalyse durch eine technische Struktur ausführen zu können und sie sind biologisch sehr plausibel. Man weiß, dass das menschliche Gehirn so lernt, dass beim Lernen die Verbindungsstärke der eingehenden Signale zu einem Neuron angepasst wird. Die Synapsen des Gehirns - oder besser - die Verarbeitungen in den synaptischen Spalten entsprechen dabei den Gewichtswerten eines künstlichen Neurons an seinen Eingängen.
Beim Aufbau von KNN entstehen drei grundsätzliche Fragen, die für jeden neuronalen Netztyp geklärt werden müssen:
Das Neuronenmodell: Welche der mathematischen Übertragungsgleichungen gilt für ein einzelnes Neuron?
Die Topologie von neuronalen Netzwerken: Welche Neuronen sind mit welchen verbunden?
Die neuronalen Lernverfahren: Wie werden die Gewichte (Synapsen) eingestellt, d.h. wie wird das Wissen in das Netz eincodiert?
Ein Neuron stellt entweder eine lineare oder eine nicht-lineare mathematische Funktion dar. Mehrere Neuronen werden zu einem Netzwerk zusammen geschaltet. Die berühmteste Topologie sind sog. feed-forward-Netze, die aus zwei, drei oder mehreren hintereinander geschalteten neuronalen Schichten besteht, in der sich eine bestimme Anzahl von Neuronen befindet. Die Schicht am Eingang heißt Eingabeschicht, die Schicht am Ausgang Ausgabesicht und die Schichten in der Mitte des Netzwerkes heißen verdeckte Schichten oder auch Hidden-Layer. Es ist üblich, dass die Neuronen einer Schicht vollständig mit den Neuronen der nachfolgenden Schicht verbunden werden. Das berühmteste Lernverfahren, das auf einer solchen Struktur aufbaut, ist das Backpropagation-Lernverfahren.
Seit Ende der 1980er Jahre ist bekannt, dass man mit neuronalen Netzen mit drei oder mehr Schichten jeden stetigen Zusammenhang zwischen Eingangsgrößen und Ausgangsgrößen beliebig genau approximieren kann. Damit sind neuronale Netze universelle Approximatoren mit umfangreichen Anwendungsfällen in Industrie und Gesellschaft.
Künstliche Intelligenz für Dummies
Bibliografische Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
All rights reserved including the right of reproduction in whole or in part in any form. This book published by arrangement with John Wiley and Sons, Inc.
Alle Rechte vorbehalten inklusive des Rechtes auf Reproduktion im Ganzen oder in Teilen und in jeglicher Form. Dieses Buch wird mit Genehmigung von John Wiley and Sons, Inc. publiziert.
Wiley, the Wiley logo, Für Dummies, the Dummies Man logo, and related trademarks and trade dress are trademarks or registered trademarks of John Wiley & Sons, Inc. and/or its affiliates, in the United States and other countries. Used by permission.
Wiley, die Bezeichnung »Für Dummies«, das Dummies-Mann-Logo und darauf bezogene Gestaltungen sind Marken oder eingetragene Marken von John Wiley & Sons, Inc., USA, Deutschland und in anderen Ländern.
Das vorliegende Werk wurde sorgfältig erarbeitet. Dennoch übernehmen Autoren und Verlag für die Richtigkeit von Angaben, Hinweisen und Ratschlägen sowie eventuelle Druckfehler keine Haftung.
Coverfoto: Tatiana Shepeleva – stock.adobe.com Korrektur: Petra Heubach-Erdmann
Prof. Dr.-Ing. Ralf Otte ist Hochschullehrer für Industrieautomatisierung und Künstliche Intelligenz an der Technischen Hochschule Ulm (THU). Seit 1990er Jahren beschäftigt er sich mit den Möglichkeiten der Künstlichen Intelligenz, denn die KI hatte ihn bereits zum Ende seiner Studienzeit so fasziniert, dass er auf einem Spezialgebiet der Künstlichen Intelligenz, den neuronalen Netzen, promovierte. 1992 ging er in die Industrie und arbeitete 12 Jahre bei einem Großkonzern als verantwortlicher Manager für Business Intelligence und Data Mining. Später wechselte er zu einem Mittelständler und war über 10 Jahre als Geschäftsführer für die Umsetzung von KI-Projekten in der Industrie tätig. Seit 2015 ist Ralf Otte Hochschullehrer in Ulm, lehrt dort u.a. Künstliche Intelligenz in den Masterstudiengängen und erforscht Grundlagen für neuartige KI-Maschinen, Maschinen, die in ferner Zukunft vielleicht einmal maschinelles Bewusstsein auszuprägen vermögen. Zu erreichen ist Ralf Otte unter ralf.otte@email.de.
Widmung
Für meine Familie, für die inhaltliche, organisatorische und mentale Unterstützung während der Erstellung des Buches, insbesondere für meine Frau Marén.
Danksagung
Dieses Buch ist das Ergebnis der Ideen und Arbeit von vielen Menschen. Ohne die offenen Diskussionen mit den Ingenieuren und Informatikern aus der Industrie und Gesellschaft, ohne die vielseitigen Gespräche mit meinen Studenten wäre es mir nicht möglich gewesen, dieses Buch zu erstellen. Neben den Diskussionen haben zahlreiche Menschen aber auch viel Zeit in die Unterstützung für das Buch investiert. Mein großer Dank geht an Dipl.-Ing. Helmut Alders von der THU, an Dipl.-Ing. Werner Gertz aus Windhoek (Namibia) und Dipl.-Informatiker Michael Schmitt für das Korrekturlesen und die vielen kritischen Hinweise. Michael danke ich auch für die tollen Anregungen bei unseren ausgedehnten Wanderungen. Ganz besonders herzlich möchte ich meinem Vater, Univ. Prof. (em.) Dr.-Ing. habil. Viktor Otte, für die mehrmaligen Korrekturdurchläufe und zahlreichen inhaltlichen Anregungen danken. Auch die Ausführungen zum maschinellen Bewusstsein wären ohne seine Hilfe nicht entstanden, denn wir arbeiten auf diesem Gebiet seit über 10 Jahren erfolgreich zusammen. Ein großer Dank geht an das Lektorat von Wiley für die sehr gute Unterstützung während der gesamten Zeit der Bucherstellung, hierbei danke ich insbesondere Herrn Michael Ferner für seine professionelle Hilfe und seine ruhige Art, Probleme anzugehen und zu lösen. Und ich danke dem Fachkorrektor für seine kritischen und wichtigen Hinweise. Mein abschließender, großer Dank geht an meine Familie, dabei auch an meine Töchter, für all ihre Geduld, ihre Ideen, Grafiken, Fotos, Gespräche und Korrekturhinweise.
Einführung
Künstliche Intelligenz (künftig vereinfacht auch KI genannt) ist heutzutage in aller Munde. Es ist ein Thema, das die Menschen bewegt, denn intelligent sein, das wollen wir doch alle. Und nun sollen selbst die Maschinen intelligent sein oder zumindest bald intelligent werden. Wie soll das gehen? Wieso können Maschinen auf einmal intelligent sein und sogar selbstständig lernen? Und wieso gewinnen Maschinen sogar im Schach oder im Go gegen die besten Spieler der Welt? Ist das dann bereits intelligent? Sie werden erstaunt sein, dass fast jeder, auch jeder Fachmann, darauf eine andere Antwort hat. Das liegt daran, dass es sehr viele Erklärungen für Intelligenz gibt, doch leider keine eindeutige Definition. Natürlich ist man erst einmal enttäuscht, wenn man bemerkt, dass in einem solch bedeutenden Fachgebiet mit Begriffen operiert wird, die nicht exakt geklärt sind und die keine notwendigen Abgrenzungen besitzen. Aber der Mensch ist sehr flexibel. Mit unscharfen und nicht korrekt definierten Begriffen kann er ganze Weltgebäude aufbauen. Er kann das, weil er wahrlich intelligent ist. Ob dazu auch eine Maschine fähig sein kann?
Was also ist maschinelle oder künstliche Intelligenz? Dies werden wir gleich zu Beginn des Buches klären oder zumindest uns auf einige Arbeitsbegriffe einigen müssen. Aber unabhängig von allen Definitionen, eines ist uns natürlich intuitiv klar: Intelligenz ist das Gegenteil von Dummheit und Dummheit bedeutet, aus Wahrnehmungen nicht die richtigen Schlüsse zu ziehen. Dies bedeutet jedoch im Umkehrschluss, mit Intelligenz kann man aus Wahrnehmungen, also Daten, die richtigen Schlussfolgerungen ableiten. So einleuchtend diese Erklärung auch erscheinen mag, so erweist sie sich bei näherem Hinsehen doch als äußerst problematisch, denn dazu müsste man stets wissen, was richtige Schlüsse wären. Leider weiß man das aber oft nicht, oder noch schlimmer: Es gibt manchmal gar keine objektive Wahrheit. Selbst in der klaren und rationalen Mathematik gibt es tatsächlich Aussagen, deren Wahrheitsgehalt nicht prüfbar ist. Auch damit müssen wir uns auseinandersetzen, denn es könnte zu Überraschungen führen, wenn man bedenkt, dass die Künstliche Intelligenz voll und ganz auf Mathematik setzt.
Viele Menschen meiner Generation sind zumindest früher sorglos mit Computern umgegangen. Wir wussten, dass die Computer einige Dinge besser können als ein Mensch, doch damit hatten wir kein Problem. Uns war klar, dass ein Bagger viel besser Erde ausheben kann als ein Mensch, doch niemand fühlt sich von einem Bagger in seinem Menschsein bedroht und auch nicht von seinem Taschenrechner. Wir wussten rein intuitiv, dass wir klüger, und zwar viel klüger sind als unsere coolsten Rechner. Denn wir haben eine Eigenschaft, die uns von all diesen Maschinen unterscheidet, oder vorsichtiger ausgedrückt, bisher unterschied. Wir Menschen können lernen! Intelligenz hat also etwas mit der Fähigkeit zum Lernen zu tun. Doch seit einigen Jahren sind viele Menschen irritiert und überrascht, denn es ist klar geworden, auch ein KI-System kann lernen. Es kann Regeln lernen, Wissen generieren und dies alles vollautomatisch. Aber das ist noch nicht alles. Man kann davon ausgehen und sogar beweisen, dass technische KI-Systeme mittlerweile (fast) alles lernen können, was lernbar ist. Lesen Sie diesen Satz ruhig zweimal, denn durch diese Fähigkeit dringen die KI-Systeme weit in unser Leben vor. Sie rücken uns ziemlich dicht auf die Pelle.
Manche von uns denken und glauben daher, die KI könne uns im Intellekt bald einholen oder gar überholen. Man nennt diesen Punkt Singularität, also jenen einmaligen Punkt in der Geschichte der Menschheit, an dem sich ein künstlich geschaffenes System ohne unser Zutun weiterentwickeln könnte, klüger und klüger und klüger wird … und letztlich seinen Schöpfer überholt. Das klingt gar nicht mehr so nett. Was kommt da auf uns zu? Es ist wirklich an der Zeit, sich die KI näher anzusehen.
In diesem Sinne wünsche ich meinen Lesern viel Spaß und Neugier beim Lesen!
Über dieses Buch
Das Buch besteht aus mehreren Teilen. Die Teile bauen zwar aufeinander auf, aber man kann sie auch einzeln lesen. Jeder Teil besteht aus mehreren Kapiteln, diese beziehen sich aufeinander, sollten also in dieser Reihenfolge gelesen werden.
Da die KI in der Fachsprache sehr mathematisch ist, kommen auch wir nicht umhin, einige Zusammenhänge mathematisch zu beschreiben. Das ist immer auch der erste Schock, wenn Studenten eine Einführung zur Künstlichen Intelligenz hören. Ich hoffe, Sie, liebe Leser, sind jedoch nicht erschrocken. Ich habe mich bemüht, die Mathematik in »Mathe-Boxen« zu verstecken; diese sind für Fachleute und Studenten geschrieben. Der mathematisch nicht interessierte Leser kann diese Boxen getrost auslassen und versteht dennoch alle weiteren Texte.
Das Buch soll Ihnen als Nachschlagewerk dienen. Ich habe daher versucht, überall dort, wo es irgendwie möglich war, Online-Quellen zu zitieren (zum Beispiel auch Wikipedia), damit der Leser sofort weiter recherchieren kann, ohne sich mühsam neue Bücher zum Thema zu besorgen. Betrachten Sie das Buch als ordnende Hand und Struktur, wenn Sie sich zum weiteren Studium der KI durch das große weite Netz arbeiten wollen.
Allerdings sollten Sie auf weitergehende Literatur nicht verzichten. Eines der besten deutschsprachigen Bücher zum Thema KI mit Schwerpunkt Problemlösen, Planen und Schließen ist das Buch Künstliche Intelligenz von Stuart Russell und Peter Norvig aus dem Jahre 2012 [Russell 2012]. In dem vorliegenden für Dummies-Buch wird der Schwerpunkt jedoch auf die heute ganz besonders favorisierte Seite der KI, auf das maschinelle Lernen, gelegt, da man heute unter Künstlicher Intelligenz fast nur noch die Fähigkeit zum maschinellen Lernen versteht. Damit der Leser eine realistische Einschätzung der »aktuellen KI-Szene« erhält, werde ich in diesem Buch aber auch über die jetzt schon sichtbaren Grenzen des maschinellen Lernens berichten. Zum Zeitpunkt der Fertigstellung dieses für Dummies-Buches bekam ich aus dem Familienkreis das Buch von Manuela Lenzen Künstliche Intelligenz übersandt [Lenzen 2018]. Es ist für mich das beste deutschsprachige Buch, das jemals zu diesem Thema von einem Nicht-KI-Experten geschrieben wurde. Frau Lenzen schreibt klar, einfach und trotzdem exakt, ich kann ihr Buch als zusätzliche Lektüre nur empfehlen.
Was dieses Buch eventuell von anderen Fachbüchern unterscheidet, ist, dass ich an vielen Stellen persönliche Einwürfe einbringe. Ich hoffe, das stört Sie nicht. So wie in der Vorlesung und den Seminaren auch, beziehe ich Stellung zu vielen Kernaussagen der KI und vertrete meine persönliche Meinung. Der Grund ist, dass viele KI-Verfahren noch voll und ganz in den Bereich der Forschung und Entwicklung einzustufen sind. Ab Kapitel 16 wird es sogar richtig forschungsintensiv und das Buch geht über den allgemein anerkannten Stand der Technik hinaus. In jenen Kapiteln vertrete ich auch eigene Forschungspositionen, werde dem Leser aber auch gegensätzliche Meinungen aufzeigen, damit er sich ein besseres Bild machen kann. Vieles in der KI ist natürlich bereits Stand der Technik und wird an Universitäten und Hochschulen gelehrt, doch anderes obliegt den persönlichen Ansichten der KI-Forscher. Ein Paradebeispiel ist das vollautonome Fahren. Trotz der großen Euphorie und all den Ankündigungen der Konzerne glaube ich persönlich nicht daran, dass wirkliche Roboterautos in den nächsten Jahrzehnten auf unseren Straßen fahren werden. Aber das ist eine rein persönliche Meinung, die ich in dem betreffenden Kapitel dann einbringe und natürlich auch erkläre. Sie müssen sie nicht teilen, denn niemand weiß, was die Zukunft bringen wird, der Autor ganz gewiss auch nicht. Allerdings habe ich bemerkt, dass ich die Studenten mit vielen solchen Denkanstößen zum eigenen Nachdenken anregen kann. Es würde mich daher freuen, wenn mir das bei meinen Lesern auch gelingt. Denn eins ist klar: Die weiteren Entwicklungen und vor allem Anwendungen der KI können und dürfen wir nicht nur den Experten und Konzernen überlassen.
Wie dieses Buch aufgebaut ist
Das Buch besteht aus fünf Teilen, die wiederum in zahlreiche Kapitel unterteilt sind. Man kann – wie bereits erwähnt – alle Teile separat lesen, eventuell muss man das eine oder andere Mal zurückblättern, wenn ein Thema der vorherigen Teile nochmals aufgegriffen wird.
Teil I: Ganz schön clever
Der Teil I führt den Leser in das Fachgebiet der Künstlichen Intelligenz ein. Die Begriffe werden – wo es möglich ist – definiert und es folgt ein historischer Überblick. Natürlich müssen wir uns hier auch mit den Grundfragen der Künstlichen Intelligenz auseinandersetzen und wir werden klären, ob es Zwischenstufen zwischen den Positionen intelligent und nicht-intelligent geben könnte. Dabei werden wir uns auch die Begriffe »Daten«, »Information« und »Wissen« genauer ansehen, da diese Begriffe heute oftmals völlig wahllos miteinander vermischt werden. All das wollen wir in diesem Teil ordnen, denn schließlich leben wir in einer Informationsgesellschaft.
Abschließend in Teil I wird es bereits fachlich, denn es wird auf die Logik eingegangen. Mathematische Logik hat viele Jahrzehnte die gesamte KI-Szene beherrscht und letztlich den Grundstein der heutigen KI-Entwicklungen gelegt.
Teil II: Wie lernt und denkt eine Maschine heute
Heutzutage konzentrieren wir uns in der KI nicht mehr nur auf Logik. Der Zeitgeist hat sich gewandelt. Jeden Tag werden wir von neuen Erkenntnissen überrascht. Wir lesen beispielsweise in unserer Morgenzeitung, dass man herausgefunden hat, dass die tägliche Einnahme von Himbeerjoghurt das Krebsrisiko um 15,38 Prozent verringern kann. Solche und viele ähnliche Meldungen erreichen uns täglich.
All dieses Wissen – falls es überhaupt welches ist – wurde nicht mit den Mitteln der in Teil I erklärten Logik erzeugt, es ist nicht deduktiv entstanden. Nein, der Zeitgeist hat sich auf sogenannte induktive Methoden des Wissenserwerbs fokussiert. Kurzum: Statistik ist die Methode der Wahl zur Wissensentdeckung geworden. Aus diesem Grund müssen wir uns wichtige statistische Methoden genauer ansehen. Letztlich baut nahezu die gesamte heutige KI auf statistischen Methoden des maschinellen Lernens auf, daher werden wichtige Vertreter, wie Regelgenerierung, Clusterverfahren oder Künstliche Neuronale Netze, in diesem Teil genauer erklärt. Es ist wichtig zu verstehen, wie die Menschheit heutzutage ihr Wissen erzeugt und welche Risiken wir damit eingehen.
Natürlich werden wir uns im Rahmen des maschinellen Lernens auch der heutigen Königsdisziplin der KI, dem Deep Learning, zuwenden.
Teil III: Eine bunte Umsetzung von Künstlicher Intelligenz, denn alle Theorie ist grau
Hier lesen Sie spannende und wichtige Anwendungen der KI. Davor gibt es aber nochmals eine detaillierte Diskussion darüber, ob die Künstliche Intelligenz letztlich nur Mathematik ist oder doch mehr. Dieses Verständnis brauchen wir, wenn wir an Anwendungen in der Gesellschaft denken und erkennen wollen, was prinzipiell machbar ist und was nicht. Danach schauen wir uns Meilensteine von KI-Anwendungen an.
Vor 20 Jahren hatte die KI bereits den Schachweltmeister Garri Kasparow besiegt, im März 2016 gewann die KI im Go gegen den Weltranglistenersten Lee Sedol. Wir wollen verstehen, wie die KI das genau bewerkstelligt hat. Natürlich werden wir in diesem Kapitel auch einige Industrieanwendungen besprechen – beispielgebend sozusagen –, denn der Leser soll sehen und später selber einschätzen können, was mit Methoden der KI in der Industrie alles möglich ist, insbesondere, wenn man an Industrie 4.0 (wird noch erklärt) denkt.
In diesem Teil werde ich auch verstärkt auf das Thema Data Mining eingehen, denn Data Mining ist maschinelles Lernen par excellence. Dieses Modewort der 90er Jahre hat sich bereits in der Industrie etabliert und es gibt Tausende von Fallbeispielen, wie man KI-Verfahren zur Auswertung von Daten benutzen kann. In diesem Sinne wird auch das Thema Big Data aufgegriffen, denn Big Data betrifft uns alle, denken Sie an Facebook & Co.
Abschließend werde ich in einer knappen Kurzvorstellung auf einige KI-Werkzeuge und -Plattformen eingehen, damit der Leser mit KI unmittelbar starten kann. Falls Sie nicht glauben, dass jedermann das kann, dann blättern Sie gleich durch das Kapitel. Sehr viele hervorragende KI-Werkzeuge sind kostenlos erhältlich. Es macht große Freude, damit zu experimentieren.
Teil IV: Ist die Maschine bald klüger als der Mensch und fühlt sie sich wenigstens gut dabei
Dieser Teil führt uns von den heutigen State-of-the-Art-Anwendungen wieder weg. Wir wollen sehen, worin der Unterschied zwischen dem menschlichen Geist und der KI eigentlich besteht und ob man jemals den menschlichen Geist maschinell nachbauen können wird. Wir werden dazu verhältnismäßig tief ins Gehirn schauen, um dem Geist auf die Spur zu kommen. In weiteren Abschnitten versuchen wir, in die Zukunft der KI zu blicken. Neuromorphe Computer sind die nächste Etappe, der nächste große Hype. Wir wollen uns vorstellen, was die Zukunft bringen könnte.
Abschließen werde ich den Teil mit einer Diskussion über Ethik. Wir werden uns fragen: Dürfen wir eigentlich alles bauen, was wir bauen können? Diesem Thema müssen wir Fachleute uns stellen, aber mit diesem Thema muss sich die gesamte Gesellschaft auseinandersetzen, auch wenn Sie – falls Sie bis dahin gelesen haben – bereits wissen, dass sich die Singularität der KI noch sehr, sehr lange Zeit lassen wird.
Falls Sie Politiker sind und über Gesetze zur KI zu entscheiden haben, zum Beispiel zur Rechtslage beim autonomen Fahren, ist der Teil IV wahrscheinlich der wichtigste.
Teil V: Der Top-Ten-Teil
In diesem Teil werden – ganz in der Tradition der für Dummies-Reihe – (fast) zehn wertvolle Tipps zum Thema KI gegeben. Dort nenne ich auch wichtige Webseiten, die Sie im Netz finden können. Und es gibt eine Literaturliste.
Symbole, die in diesem Buch verwendet werden
Hier finden Sie zusätzliche Tipps, die den Haupttext erklären.
An dieser Stelle werden konkrete Beispiele durchgerechnet.
Wichtige Definitionen finden Sie in dieser Box.
Wichtige Hintergründe oder Fakten zu einem Thema.
Aufpassen!
Spezielle Formeln und mathematische Zusammenhänge für den mathematisch Interessierten.
Zusammenfassung wichtiger Inhalte in kurzer Merkform.
Was nun?
Jetzt haben Sie es bereits vom Inhaltsverzeichnis über die Einführung bis hierher geschafft. Es würde mich freuen, wenn ich Ihr Interesse wecken konnte und wenn Sie nun Lust und Zeit haben, umzublättern, um mit Teil I fortzufahren. Vielleicht wird dieses für Dummies-Buch sogar Ihr Wegbegleiter für die nächsten Tage, vielleicht sogar ein guter Freund?
Liebe Leser, ich freue mich jedenfalls über jedes Feedback zu diesem Experiment, denn es ist mein erstes für Dummies-Buch, und der Verlag besteht in dieser Reihe auf einer einfachen und doch klaren Sprache, ohne viel Fachlatein. Teilen Sie mir mit, ob es mir gelungen ist, was Ihnen gefallen hat und was nicht. Ich bin für jeden Verbesserungsvorschlag dankbar.
Schreiben Sie mir an ralf.otte@email.de.
Teil I
Ganz schön clever
IN DIESEM TEIL …
Erfahren Sie die Grundlagen der Künstlichen Intelligenz
Tauchen Sie ein in eine kurze Geschichte der KI
Lesen Sie das Wichtigste zu Daten, Informationen und Wissen
Es wird bereits fachlich: Erleben Sie, wie logisch ein Computer arbeiten kann