Verständnis des Unterschieds zwischen Künstlicher Intelligenz und traditionellen Techniken
Die jüngste Popularität von Artificial Intelligence in Verbindung mit der Tatsache, dass das Gebiet neu und faszinierend ist, hat dazu geführt, dass viele Organisationen behaupten, ihre Projekte würden die neuesten Fortschritte im Bereich der AI nutzen, obwohl sie hauptsächlich nur Standard-Prädikatenlogik, Wahrscheinlichkeit und Statistik verwenden. Dies führt dazu, dass Organisationen die Vorteile, die AI bietet, nicht realisieren.
Ein allgemeines Verständnis von Künstlicher Intelligenz in der breiten Öffentlichkeit ist unerlässlich, um einen genauen Konsens zu gewährleisten und sicherzustellen, dass die Technologie sicher und verantwortungsvoll entwickelt wird. Während es viele Gründe und interne Drucke gibt, die Verwendung von AI zu beanspruchen, wenn eine solche Behauptung unzutreffend ist, profitieren Organisationen dadurch auch nicht von tatsächlichen Fortschritten. Bedingte Logik, probabilistische und statistische Techniken bilden die Grundlage der meisten Organisationen heute, und obwohl sie an sich komplex und anspruchsvoll sind und erhebliche Vorteile bieten, unterscheiden sie sich von dem, was heute gemeinhin als Künstliche Intelligenz bezeichnet wird.
Die meisten modernen Geschäftsanwendungen basieren auf bedingter Logik. Im Kontext zeitgenössischer Programmiersprachen und Formel-Engines wird Geschäftslogik heute üblicherweise als Boolesche Logik, If-Then-Else-Anweisungen und Case-Anweisungen ausgedrückt. Organisatorische Geschäftslogik kann in bedingtem Schließen erfasst und ausgedrückt werden. Obwohl sich dies als enorm wertvoll erwiesen hat, unterscheidet es sich von dem, was heute gemeinhin als Artificial Intelligence bezeichnet wird. Probabilistische und statistische Techniken, die häufig stark für Vorhersagen und Prognosen eingesetzt werden und ebenfalls zuverlässig und fundiert sind, sind tatsächlich keine Artificial Intelligence. Diese mathematischen Konstrukte werden mehr oder weniger im Voraus rational definiert, mit wenigen Konstanten, die sich ändern oder variieren, während Artificial Intelligence auf Dynamik angewiesen ist.
Stattdessen stützt sich Künstliche Intelligenz, wie kurz beschrieben, typischerweise auf Modelle, die aus Daten lernen und die Logik selbst aus den Daten bestimmen. Seit 1999 der Beweis des Universal Approximation Theorem vorgestellt wurde, der zeigt, wie ein neuronales Netz jede beliebige Funktion approximieren kann, werden nun mehr Anstrengungen darauf gerichtet, Programme mittels Künstlicher Intelligenz anstelle anderer Paradigmen zu lösen. Während es theoretisch möglich ist, jede Funktion zu approximieren, waren Rechenleistung und Techniken zur Erreichung dieses Ziels in der Praxis ein begrenzender Faktor. Jüngste Fortschritte haben jedoch große Fortschritte bei der Überbrückung der Lücke zwischen Theorie und Praxis gemacht.
Moderne Künstliche Intelligenz verwendet Techniken wie Deep Reinforcement Learning, Natural Language Processing, LSTMs und Generative-Adversarial-Modelle, wobei bei Implementierungen Frameworks wie TensorFlow und PyTorch zum Einsatz kommen. Ein guter Test, ob Ihr Projekt Künstliche Intelligenz nutzt, ist die Betrachtung der in Projekten aktiv verwendeten Toolkits. Wenn keine Tools aus diesem Bereich verwendet werden, handelt es sich wahrscheinlich um kein AI-gestütztes Projekt, abgesehen von der offensichtlichen Ausnahme der Nutzung maßgeschneiderter Toolkits, die alltägliche AI-Aufgaben wie Matrixmultiplikation ausführen.
Auf künstlicher Intelligenz basierende Anwendungen und Anwendungen, die nicht auf künstlicher Intelligenz basieren
Hier sind einige echte Beispiele für Künstliche Intelligenz, die in der realen Welt verwendet werden:
- Systeme für maschinelles Sehen, die lernen, Objekte aus gekennzeichneten Daten zu erkennen und zu verfolgen;
- Sprachverarbeitungssysteme lernen, Fragen zu beantworten, und verbessern sich im Laufe der Zeit, wie z. B. Chat-Bots;
- Spielagenten, die allein aus Pixeleingaben lernen können, Spiele wie Space Invaders, Pacman und Tetris zu spielen.
Umgekehrt sind hier einige Beispiele, die häufig als Beispiele für Künstliche Intelligenz beansprucht werden, obwohl sie dies nicht sind und nicht als solche beansprucht werden sollten:
- Prognosemodelle, die auf Wahrscheinlichkeit und Statistik basieren;
- SQL-Abfragen, die Daten aus einer Datenbank abrufen und eine Art von Aggregation oder Sortierung durchführen;
- Regelbasierte Analytics-Dashboards, die in Tableau oder Microsoft Power BI erstellt wurden;
- Excel-Tabellenkalkulationen, die einfache Formeln verwenden;
- Excel-Makro-gestützte Arbeitsmappen, die über VBA-Code verfügen;
- Sensorsysteme senden ein Signal an eine Kontrollzentrale, das ein menschlicher Experte interpretiert.
Zukunftsrichtungen für Organisationen, die Künstliche Intelligenz einführen möchten
In vielen Fällen kann künstliche Intelligenz komplexe Probleme lösen, es gibt jedoch Einschränkungen, bei denen herkömmliche bedingte Logik, Wahrscheinlichkeit und Statistik überlegen wären. Ein Beispiel sind Ausnahmeregelungen, die 100% Zuverlässigkeit erfordern, bei denen AI-Systeme manchmal inkonsistente Ergebnisse liefern können. Bei traditionellen Techniken wäre es vorteilhaft zu beschreiben, wie sie implementiert wurden, anstatt zu behaupten, dass sie auf künstlicher Intelligenz basieren, da dies den Wissensfluss verbessern würde.
Künstliche Intelligenz entwickelt sich ständig weiter, Verbesserungen kommen rasch und sickern langsam in den Alltag ein, indem sie auf bereits bestehenden Technologieplattformen und Infrastrukturen eingesetzt werden. Da sie allgegenwärtiger wird, ist die Genauigkeit wichtiger denn je, und es ist entscheidend zu berücksichtigen, wie sie angewendet und erklärt wird. Da der Bereich unweigerlich stärker reguliert wird, werden bestimmte Freiheiten bei der falschen Behauptung von KI-Nutzung im Laufe der Zeit behoben. Organisationen können sich jedoch einen Vorsprung verschaffen, indem sie ab sofort genaue KI-Definitionen übernehmen.
Die Vorteile echter Künstlicher Intelligenz sind enorm, und Telemus AI kann mit Ihrer Organisation zusammenarbeiten, um greifbare Ergebnisse zu erzielen, die weit über traditionelle Techniken hinausgehen.
Kontaktieren Sie uns noch heute für eine kostenlose Beratung zur Integration von Telemus AI™ in Ihre Organisation.
