Gebäude-KI ist kompliziert, aber es muss nicht sein, es zu verstehen. Die meisten existierenden künstlichen Intelligenzen sind nur wirklich gute Schätzmaschinen (wie unsere Gehirne). Sie geben eine Reihe von Daten ein (z. B. die Zahlen 1-10) und bitten Sie, ein Modell (x + 1, beginnend bei 0) zu erstellen und eine Vorhersage zu treffen. (Die nächste Nummer wird elf sein.) Es gibt keine Magie, außer was die Menschen jeden Tag tun: mit dem, was wir wissen, um Dinge zu raten, die wir nicht wissen.

Was KI von anderen Computerprogrammen unterscheidet, ist, dass wir es nicht für jedes Szenario speziell programmieren müssen. Wir können es lehren (maschinelles Lernen), und es kann sich auch selbst lehren (tiefes Lernen). Obwohl es mehrere Varianten von jedem gibt, können sie wie folgt grob definiert werden:

  • Künstliche Intelligenz (AI): Eine Maschine, die menschliches Verhalten nachahmen kann
  • Maschinelles Lernen: Eine Teilmenge der KI, bei der Menschen Maschinen trainieren, Muster in Daten zu erkennen und Vorhersagen zu treffen
  • Deep Learning: eine Teilmenge des maschinellen Lernens, in der sich die Maschine selbst trainieren kann

Künstliche Intelligenz

Die weitestmögliche Definition von AI ist einfach, dass es eine Maschine ist, die wie ein Mensch denkt. Es könnte so einfach sein, einem logischen Ablaufdiagramm zu folgen, oder es könnte ein nahezu menschlicher Computer sein, der aus einer Vielzahl von sensorischen Inputs lernen und dieses Wissen auf neue Situationen anwenden kann. Dieser letzte Teil ist der Schlüssel - die starke KI, die sich jeder vorstellt, ist eine, die alle Arten von gelernten Datenpunkten verbinden kann, um sie in die Lage zu versetzen, fast jede Situation zu bewältigen.

Gerade jetzt ist die KI noch auf einer ziemlich engen Strecke - Alexa ist ein erstaunlicher Butler, aber sie kann keinen Turing-Test bestehen. Wir haben derzeit eine begrenzte Form der KI, aber es ist gut, daran zu denken, dass die Definition so umfassend ist, dass sie schließlich Programme abdecken könnte, die DeepMind wie einen Taschenrechner aussehen lassen.

Maschinelles lernen

Ohne maschinelles Lernen wäre existierende KI meist darauf beschränkt, lange Listen von "Wenn x ist wahr, tu, sonst, mach z" zu durchlaufen. Diese Neuerung gibt Computern jedoch die Macht, Dinge herauszufinden, ohne explizit programmiert zu sein. Als Beispiel für eine Art von maschinellem Lernen möchten wir sagen, dass ein Programm in der Lage sein soll, Katzen in Bildern zu identifizieren:

  1. Geben Sie Ihrer KI eine Reihe von Katzeneigenschaften, nach denen Sie suchen können - einzelne Linien, größere Formen, Farbmuster usw.
  2. Führen Sie einige Bilder durch die KI aus - einige oder alle können als "Katze" gekennzeichnet werden, damit die Maschine die relevanten Katzenmerkmale effizienter auswählen kann.
  3. Nachdem das Programm genug Katzen gesehen hat, sollte es wissen, wie man es in einem Bild findet - "Wenn das Bild Merkmal X, Y und / oder Z enthält, ist es wahrscheinlich, dass 95% eine Katze haben."

So kompliziert das maschinelle Lernen klingt, so lässt sich das doch auf den folgenden Punkt reduzieren: "Der Mensch sagt dem Computer, wonach er suchen soll, und Computer verfeinern diese Kriterien, bis sie ein Modell haben." Es ist ziemlich einfach, extrem nützlich und filtert Spam, empfiehlt deine nächsten Netflix-Shows und optimiert deinen Facebook-Feed. Probieren Sie Google Teachable Machine für eine schnelle Demonstration aus!

Tiefes Lernen

Ab 2018 ist dies die Schneide der AI. Betrachten Sie es als maschinelles Lernen mit tiefen "neuronalen Netzen", die Daten auf die gleiche Weise wie ein menschliches Gehirn verarbeiten. Der Hauptunterschied zu seinem Vorgänger ist, dass der Mensch einem tiefen Lernprogramm nicht beibringen muss, wie Katzen aussehen. Gib es einfach genug Bilder von Katzen, und das wird sich selbst herausfinden:

  1. Geben Sie viele Katzenfotos ein.
  2. Der Algorithmus untersucht die Fotos, um zu sehen, welche Merkmale sie gemeinsam haben (Hinweis: es sind Katzen).
  3. Jedes Foto wird in mehrere Detailebenen zerlegt, von großen, allgemeinen Formen bis hin zu winzigen Linien. Wenn sich eine Form oder Linie wiederholt, wird der Algorithmus sie als wichtiges Merkmal kennzeichnen.
  4. Nach der Analyse von genügend Bildern weiß der Algorithmus nun, welche Muster den stärksten Beweis für Katzen liefern, und alle Menschen mussten nur die Rohdaten bereitstellen.

Zusammenfassend: Deep Learning ist maschinelles Lernen, bei dem sich die Maschine selbst trainiert, obwohl sie weit über Katzen hinausgeht - neuronale Netze sind nun in der Lage, alles in einem Bild genau zu beschreiben.

Deep Learning erfordert viel mehr Ausgangsdaten und Rechenleistung als maschinelles Lernen, aber es wird von Unternehmen von Facebook nach Amazon eingeführt. Die berüchtigtste Manifestation des maschinellen Lernens ist jedoch AlphaGo, ein Computer, der Go-Spiele gegen sich selbst spielte, bis er die besten Züge genau genug vorhersagen konnte, um wiederholt mehrere Weltmeister zu schlagen.

Fazit: AI = Apokalyptische Intelligenz?

Hollywood ist für eine Menge schlechter Wissenschaft verantwortlich, aber wenn es um KI geht, sind Wahrheit und Fiktion möglicherweise nicht so weit auseinander. Es ist nicht undenkbar, dass ein Roboter eine Raumstation übernehmen könnte (2001: Odyssee im Weltraum), Sie verlieben (Her) oder sich genau wie ein Mensch benehmen könnte (Blade Runner, Ex Machina).

Das macht es jedoch nicht schlecht. AI könnte den menschlichen Fortschritt schneller beschleunigen als fast alles davor. Und obwohl es zynisch klingen mag, ist die Realität, dass verantwortungsvolle Wissenschaftler, die sich wegen ihrer möglichen Fehlentwicklungen von der KI fern halten, wahrscheinlich ohnehin von Menschen mit weniger Sicherheitsbedenken entwickelt werden. Wir haben Computer von Prüfern nach Go gebracht, und die nächsten Schritte könnten die Menschheit zu interessanten Orten führen.