Du hast deinen AdBlocker an?

Es wäre ein Traum, wenn du ihn für t3n.de deaktivierst. Wir zeigen dir gerne, wie das geht. Und natürlich erklären wir dir auch, warum uns das so wichtig ist. Digitales High-five, deine t3n-Redaktion

Analyse

5 Tech-Trends, die unsere Welt verändern

Foto: © Jim/Adobe Stock

Deep Learning, Blockchain, Virtual und Augmented Reality, Mobile und Plattform-Ökonomien prägen die Digitalwirtschaft heute. Wie bestimmen diese Trends die Zukunft – und was ist das „Next Big Thing“?

1. Deep Learning, Big Data und künstliche Intelligenz

Deep Learning ist eine Unterform des Machine Learnings, was wiederum eine Technologie für die Entwicklung künstlicher Intelligenz (KI oder AI) ist. Seit etwa 2006 gilt Deep Learning unter KI-Forschern als der vielversprechendste Ansatz der KI. Alle aktuellen Durchbrüche auf dem Gebiet der künstlichen Intelligenz, wie der Sieg über einen menschlichen Go-Meister durch Googles Deepmind-Team, sind mittels Deep Learning gelungen.

Deep Learning setzt auf eine Vielzahl künstlicher Neuronen, die in zahlreichen Schichten angeordnet sind und relevante Informationen immer weiter ausfiltern. Statt wie beim klassischen Computer auf eine zentrale, sehr mächtige Prozessoreinheit orientiert sich Deep Learning an den Neuronen biologischer Gehirne: zahlreiche, relativ schwache Recheneinheiten, die aber stark untereinander vernetzt sind. Diese Form des Machine Learnings funktioniert besonders gut in der Kombination mit auf KI optimierten Spezialchips und großen Datenmengen.

Häufig steht am Beginn das überwachte  oder das semiüberwachte Lernen: Hier weiß ein Mensch bereits das richtige Ergebnis – beispielsweise den Unterschied zwischen Katzenvideos und Nicht-Katzenvideos. Der Algorithmus versucht nun aus den vorhanden Daten eine Hypothese zu bilden, also in diesem Fall Katzenvideos von anderen Videos zu unterscheiden.

Die Ergebnisse werden von einem Menschen überwacht und Daten wie Algorithmus möglicherweise angepasst. Ist ein Algorithmus so einmal trainiert, kann er auch auf neue, völlig unbekannte Probleme angewandt werden. Beim nichtüberwachten Lernen wird der Algorithmus meist mit riesigen Datenmengen gefüttert, die in keiner Weise zuvor von Menschen erfasst und damit vorsortiert wurden. Diese Form des maschinellen Lernens ist im Big-Data-Zeitalter besonders interessant.

Eingesetzt wird Machine Learning, häufig Deep Learning, derzeit vor allem bei Spracherkennung, Bilderkennung und Sprachassistenten wie Alexa, Siri oder Google Now, aber unter anderem auch bei den Software-Lösungen zum autonomen Fahren.

Nicht überall, wo AI oder Machine Learning draufsteht, ist derzeit allerdings künstliche Intelligenz im engeren Sinne drin. Gerade bei Chatbots, aber auch in vielen Social-Media-Tools und einigen Aufgaben, für die IBM Watson eingesetzt wird, kommen derzeit noch einfache Skripte zum Einsatz, die sich über die Zeit nicht verbessern. Hier befolgt die Software häufig nur einfache Regeln und schließt beispielsweise aus einem Tweet, in dem ein Nutzer mit männlichem Vornamen von „meiner Frau“ schreibt, dass es sich um einen Ehemann handelt. Derartige einfache Regelsysteme sind  bei komplexen Problemen natürlich fehleranfällig.

KI: Was bringt die Zukunft?

Die Entwicklung von KI-Spezialchips steht noch am Anfang. Der Grund, warum Deep Learning überhaupt zur sinnvollen Methode im Bereich der künstlichen Intelligenz wurde, ist die Tatsache, dass die Hardware schnell genug für viele untereinander liegende Schichten künstlicher neuronaler Netze wurde. Anders als beim traditionellen PC sind bei KI-Berechnungen eine Vielzahl von Spezialchips gefragt, die große Datenmengen parallel verarbeiten können.

Aufgrund des Booms der KI für zahlreiche Bereiche von Sprachassistenten bis zum autonomen Fahren wird die Technologie in Form von Software und KI-Hardware in den kommenden Jahren vermutlich weitere  große Sprünge machen. Allein im ersten Halbjahr 2017 haben die großen Wagniskapitalgeber in Konzernbesitz laut CB Insights 1,8 Milliarden US-Dollar in AI-Technik investiert. Das ist bereits mehr als im Gesamtjahr 2016, was schon ein Rekord war.

Bei Sprachassistenten wie Apples Siri, Amazon Alexa oder Google Now wiederholt sich für Pascal Finette, Vice President der Singularity University, derzeit, was schon für andere Technologien galt: Die Anfänge enttäuschen – doch schon bald werden die Assistenten riesige Fortschritte machen. „Siri ist fünf Jahre alt und sie ist selbstlernend“, sagte der Futurist im Mai dieses Jahres in Berlin. „Und sie wird exponentiell besser. Man kann das ausrechnen: In sieben Jahren wird sie 128 mal besser sein als heute – in fünf Jahren kann sie Gespräche führen wie ein Mensch.“ Skeptiker werden entgegnen, dass künstliche Intelligenz nicht alleine eine Frage der Rechenpower ist, sondern auch eine Frage der Qualität der Algorithmen.

Klar ist aber: Der Boom der KI ist keine Eintagsfliege, die Technologie wird jetzt schon breitflächig eingesetzt und je mehr wir sie nutzen, desto besser wird die AI-Software durch das Training von Daten. Google bezeichnet sich bereits seit einiger Zeit als „AI first“-Unternehmen.

Die Dynamik der Plattform-Ökonomien – also die Tatsache, dass in der digitalen Wirtschaft einige wenige große Player wie Amazon oder Google über ihre Plattformen die Regeln für alle bestimmen – könnten sich durch KI noch verstärken. Denn Daten sind der Rohstoff, um die künstlichen neuronalen Netze zu trainieren und damit zu verbessern. „KI ist eine Branche, in der Stärke Stärke erzeugt“, schrieb kürzlich die New York Times. „Je mehr Daten man hat, desto besser das Produkt; je besser das Produkt, desto mehr Daten kann man sammeln; je mehr Daten man hat, desto mehr Talente kann man anziehen; und je mehr Talente man anzieht, desto besser das Produkt.“ Ein sich selbst verstärkender Kreislauf auf Speed.

KI wird Auswirkungen auf so gut wie jede Branche haben – so wie es aktuell schon Software hat. „Meinen Freunden und mir fällt es schwer auf eine Branche zu kommen, die von AI nicht betroffen sein wird“, sagt der KI-Forscher Andrew Ng kürzlich in einem Podcast-Interview. Seiner Ansicht nach werde KI so allgegenwärtig wie heute Strom – eine Allerweltsware, die nach Verbrauch abgerechnet wird.

Software für KI-Berechnungen wie Googles Tensorflow ist schon heute Open Source, und die notwendige Rechenkraft kann nach Bedarf von den üblichen Cloud-Anbietern bezogen werden. Es kommt allerdings darauf an, die jeweils richtigen Daten mit den jeweils entscheidenden Algorithmen zusammenzubringen – und daraus die richtigen Schlüsse für das eigene Unternehmen zu ziehen.

Ein fundamentales Prinzip von KI auf Grundlage von Machine Learning  ist die Tatsache, dass mehr Daten, Zeit und Rechenkraft zu besseren Ergebnissen führen. Der Big-Data-Trend ist daher wie gemacht für eine von KI durchdrungene Welt: In einer Welt, in der immer mehr mit dem Internet verbundene Sensoren existieren, sind auch mehr Daten vorhanden. Hier profitiert die künstliche Intelligenz vom Internet of Things (IoT) genannten Trend zu einer Vielzahl mit dem Internet vernetzter Geräte.

„Die einzige Möglichkeit, wie wir in der Lage sein werden, Sinn in diese Daten zu bekommen und zunehmend Wert daraus zu gewinnen, ist Machine Learning und künstliche Intelligenz“, zitierte Techcrunch kürzlich Box.com-Chef Aaron Levie. Umstritten ist die Frage, ob die Fortschritte der KI in absehbarer Zeit zur einer Superintelligenz führen – eine sich selbst stetig verbessernde KI, die jede menschliche Vorstellungskraft sprengt. Einige der klügsten Köpfe der Welt, Elon Musk, Bill Gates und Stephen Hawking, gehen davon aus.

Zum Weiterlesen:

Bitte beachte unsere Community-Richtlinien

2 Reaktionen
Robin

Bitte schreibt IOTA richtig.
"Die Herausforderer tragen Namen wie IOATA und EOS. IOATA nennt seinen Ansatz, der die Blockchain ersetzen soll, „Tangle“, ..."

Antworten
Stephan Dörner

Danke für den Hinweis, ist korrigiert.

Antworten

Melde dich mit deinem t3n Account an oder fülle die unteren Felder aus.