Die Vorstellung, dass Maschinen tatsächlich „denken“ können ist die zentrale Hypothese (also eine Idee ohne Beweis) von AI. Diese Idee ist auch unabdinglich verknüpft mit Hollywood-Filmen. Denn Erzählungen von Robotern gehen selten gut aus. Jerry Kaplan sagt dazu: „Wäre AI irgendwie weniger gruselig benannt worden, hätten wir wahrscheinlich auch weniger Angst davor.“
Er sagt weiterhin, dass es zwar wahr sei, dass Maschinen heute viele Aufgaben wirklich verlässlich ausführen können, die einmal Menschen vorbehalten waren (Schachspielen, Autofahren…). Doch hieße das nicht, dass Maschinen intelligenter oder gar überlegen wären. Es bedeute lediglich, dass sie Dinge tun, für die wir sie gebaut haben. Kurz gesagt sind AI-Programme „One-trick-ponys“, die sich auf eine Aufgabe spezialisiert haben und in dieser überragend sind.
Diese Spezialisierung auf eine Aufgabe nennt man auch Artificial Narrow Intelligence (ANI) oder „schwache“ AI. Es ist die einzige Form der AI, die bislang entwickelt wurde, und einige glauben gar, dass es die einzige Form von AI ist, die jemals entwickelt werden kann.
„Starke“ AI gibt es in zwei hypothetischen Varianten: Artificial General Intelligence (AGI) ist ein Computerprogramm, das durchweg so schlau ist wie ein Mensch. Laut Gartner ist dieser Typ von AI noch mehr als 10 Jahre von seiner Marktreife entfernt, wofür es allerdings keinen Beweis gibt. Artificial Superintelligence (ASI) ist ein hypothetisches Programm, das sogar schlauer ist als das beste menschliche Gehirn, und zwar praktisch in allen Bereichen. Das ist der Stoff, aus dem Science Fiction gemacht wird.
Zurück zur Realität: Dass „schwache“ AI nicht „generell“ intelligent ist, bedeutet nicht, dass sie keinen Wert hat. In nur fünf Jahren hat sich das Gebiet der AI unglaublich entwickelt.
Aus reiner Forschung und Entwicklung wird ein Multi-Billionen-Dollar-Projekt
AI hat in seiner über 60-jährigen Geschichte schon viele Höhen und Tiefen gesehen. Viele glauben, dass der aktuelle Hype durch die Arbeit von Fei-Fei Li hervorgerufen wurde, denn ihre Arbeit führte dazu, dass die AI-Forschung 2012 einen neuen Fokus bekam.
Bahnbrechende Erfindungen in Hardware und Software sowie Techniken wie Deep Learning (bei der Maschinen ihre Fähigkeiten dadurch gewinnen, dass sie Erfahrungen sammeln) folgten kurz darauf – 2013 und 2014.
Dank neuer Computerpower, großer Datenmengen und besserer Algorithmen konnte AI als Forschungsfeld deutliche Sprünge nach vorne machen. Maschinen waren nun in der Lage, Objekte zu erkennen und Sprache in Echtzeit zu übersetzen. Die Investitionen, die Unternehmen einige Jahre zuvor getätigt hatten, begannen sich auszuzahlen.
2014-2015 wurde AI als die „geheime Zutat“ hinter den Empfehlungen von Amazon und Netflix, der Facebook-Bilderkennung, den virtuellen Assistenten Siri, Cortana und Alexa, verbesserten Google-Suchergebnissen und vielen anderen Dingen angepriesen. Mit wachsender PR kam AI vermehrt in die Schlagzeilen – positiv wie negativ.
Die Erwähnung von AI in Ergebnispräsentationen börsennotierter Unternehmen schoss 2015-2016 in die Höhe, als Top Manager sich darin überschlugen, die Wichtigkeit dieser aufkeimenden Technologie zu erwähnen.
Quelle: Bloomberg 2017, The limits of artificial intelligence
2016-2017 war ein enormer Anstieg bei Akquisitionen von AI-Startups durch etablierte Tech-Unternehmen zu verzeichnen, die ihrerseits einen Wettbewerbsvorsprung suchten. Auch die Investitionen von Venture-Kapitalisten in AI-Startups schossen in die Höhe.
Quelle: CBInsights 2017, Top Acquirers AI Startups
Auch Wolters Kluwer hat festgestellt, dass AI zunehmenden Einfluss auf die Kunden und deren Tätigkeitsfelder nahm: Recht, Medizin, Steuern und Finanzdienstleistungen – und etablierte AI als feste Größe in der Technologiestrategie. Mehrere AI-basierte Lösungen kamen auf den Markt, wie etwa die M&A Fallanalyse und der LegalVIEW BillAnalyzer, die Machine Learning, Verarbeitung natürlicher Sprache sowie menschliche Expertise verbinden. Weitere werden mit Sicherheit folgen.
Bis Sommer 2017 haben die meisten Tech-Giganten (Amazon, Google, Facebook, etc.) bereits ihre AI-Systeme und den damit verbundenen Programmcode als Open Source bereitgestellt, und ermöglichen so jedem, sich mit AI und Machine Learning vertraut zu machen. Sie erhoffen sich dadurch einen Wettbewerbsvorteil als bevorzugte Plattform, auf der andere Unternehmen dann ihre eigenen Innovationen entwickeln.
Um Gartner zu zitieren: AI ist heutzutage überall („AI is Everywhere“). AI-Applikationen im Alltag werden stetig mehr: Wartezeitenkontrolle bei Uber, Verhinderung von Kreditkartenmissbrauch bis hin zur „ersten AI-Zahnbürste der Welt“, ja sogar ein Bett, das mithilfe von Machine Learning für einen besseren Schlaf sorgt. Es scheint, als werde „Powered by AI“ das Marketing-Buzzword der späten 2010er Jahre.
Das Potenzial von AI ist enorm. AI kann das Design und die Übermittlung digitaler Erlebnisse revolutionieren und der Wirtschaft unzählige Performance- und Produktivitätschancen eröffnen. Wie diese 70 großartigen Beispiele beweisen, zeigt sich der Nutzen bereits in der Landwirtschaft, bei der Schadensvermeidung, in der öffentlichen Sicherheit, im Transportwesen und im Sozialsektor.
