Aus dem Unterricht des CAS Digital Masterclass mit Marcel Blattner berichtet Harry Graf:

Artificial Intelligence (AI, Künstliche Intelligenz) ist in der Öffentlichkeit und in den Medien immer wieder ein Thema. Doch nicht alle Leute verstehen diese Thematik, können sie nicht beschreiben und die Auswirkungen nicht einschätzen. Die meisten Medienberichte über Artificial Intelligence und machine learning (ML) sind zwar nicht immer falsch, aber auch nicht unbedingt hochstehend! AI und ML werden oft in der Headline verwendet, um Aufmerksamkeit zu erlangen. Science Fiction-Filme und Bücher tragen leider das ihrige zu einer negativen oder unverständlichen Meinungsbildung der Öffentlichkeit bei.

Eine Grundbehauptung ist, dass Artificial Intelligence unsere heutigen Jobs überflüssig machen wird. Doch sind wir ehrlich; die Zukunft wird anders aussehen als das Heute und mit Veränderungen müssen wir umgehen können. AI schafft neue Arbeitsplätze. Ausbildungen und unser Grundwissen werden sich ändern. Das geschieht nicht von heute auf morgen, doch AI unterstützt uns in diesem Wandel und es wird ein kontinuierlicher Prozess sein. AI kann das menschliche Hirn nicht ersetzen, aber mit AI können wir hochkomplexe Aufgaben effizienter bewältigen. AI wird uns zudem nicht vorschreiben, welche Jobs wir in Zukunft brauchen oder was wir tun sollen. Die Entscheidungsfindung liegt immer noch bei uns.

Die Fragen in den 50er- und 60er-Jahren sind die gleichen wie heute. Können Computer unsere Probleme lösen? Die „Technologien“ haben sich grundsätzlich nicht verändert. Die Fragestellung ist die gleiche, z.B. können Maschinen unsere Sprache übersetzen? Wir suchen heute nur, wie wir es besser und schneller machen können. Dabei profitieren wir von sehr viel mehr Computerleistung als vor 70 Jahren!

Wahrnehmung und Einbettung von Artificial Intelligence und machine learning.


Die Bevölkerung in den asiatischen Ländern hat eine ganz andere Beziehung zu Artificial Intelligence als in den westlichen Ländern. Ein Auslöser war z.B. der 2. Weltkrieg, der in Japan bei vielen Leuten ein kulturelles und soziales Trauma ausgelöst hat, das wir vor allem heute nicht verstehen können. Um sich damals von den Folgen des Weltkriegs abzulenken und das Trauma zu verarbeiten, wurde unter anderem die Manga-Welt geschaffen.

Technologien können nicht neutral betrachtet werden. Es besteht immer eine komplexe Beziehung zwischen Technologien, Kultur, Wirtschaft und anderen wichtigen Treibern. Das gibt den Technologien eine ganz andere, wichtige Bedeutung. Roboter sind für uns metallene Gestalten mit roten, gefährlich leuchtenden Augen oder Filmfiguren wie der Terminator. In Japan sind für ältere Leute Roboter jedoch hilfreiche, unterstützende Maschinen. Diese können die Form eines Tieres oder eine Gestalt aufweisen. Oder wie es eine Bewohnerin eines Altersheim in Japan ausdrückte: „Ich muss nicht aufpassen, was ich sage.“

Artificial Intelligence is an interdisciplinary research area


Es gibt 350 verschiedene Definitionen, was Artificial Intelligence sein könnte. Russol&Novig erläutern dies mit folgender Abbildung:

Maschinelle Algorithmen


Von Menschen erschaffene Algorithmen (Symbolic) unterscheiden sich von künstlich neuronalen Netzwerken (Connectionist).

Symbolic: Ein Algorithmus wird von Menschen entwickelt und das Ergebnis von Menschen gelesen und verstanden, somit auch erklärt werden. Dazu braucht es je nach Komplexität Expertenwissen. Eine weit verbreitete Anwendung ist z.B. die Formel „wenn …, dann …“

Connectionist: Die Maschine löst selbständig eine spezifische Aufgabe. Sie lernt abstrakt und erstellt danach selber einen Algorithmus. Wir verstehen diesen Algorithmus jedoch nicht und können ihn auch nicht nachvollziehen und erklären.

Das kann zum Teil zu sehr skurrilen Ergebnissen führen. Wenn mit AI vorhandene Daten (Social Demografie: z.B. anhand von Surf-Verhalten) einem Label (z.B. Klassifikation von Kundinnen und Kunden) zugeordnet werden. So kann eine Kundin bereits wegen einem Ortswechsel einem tieferen Label zugeordnet werden, obwohl sie jahrzehntelang ihre Rechnungen pünktlich bezahlt hat. Oder die Polizei, die aufgrund bestimmter Datenanalysen eine Gegend als gefährlich einstuft, obwohl dort friedfertige Menschen leben. Die verwendeten Datengrundlagen müssen eine entsprechende Qualität aufweisen und die Anwendungen nachvollziehbar sein.

Maschinen und Logik


Wir nutzen täglich tausende von intelligenten Maschinen, ohne dass wir es bemerken. Maschinen sind nicht kreativ, nicht selbstbewusst und können ihr Konzept nicht erläutern. „Machine Learning“ bedeutet, dass die Algorithmen von Maschinen erschaffen werden. Wir können nicht erklären, wie diese das tun und sind beeindruckt, wenn wir in ihr Inneres hineinblicken können oder ihre Fähigkeiten erfahren dürfen:

DeepDream. AI creativity
Bach. AI komponiert
Robotics at its best

Die Komposition eines Bach-Stücks mit AI gab technisch gesehen ein hervorragendes Ergebnis. Für das Ergebnis wurde rund eine Woche benötigt und wurden Millionen von Mustern benötigt.  Aus musikalischer Sicht war das Ergebnis jedoch etwas holprig und gewöhnungsbedürftig.

Die Reservierung in einem Restaurant oder der Termin für einen Haarschnitt, die ein AI-Assistent automatisch ausgeführt hat, ist schon fast legendär. Europäer können sich nicht vorstellen, mit einer Maschine zu sprechen, Amerikaner jedoch schon. Das Potential ist enorm, Qualitätsstandards (z.B. ISO) müssen noch geschaffen werden.

Übrigens: Nur wenige Teilnehmende des Digital Masterclass 19-1 (ich inklusive) nutzen Siri oder Alexa!

Integration – Was kommt zuerst?


Vielfach wird ein falsches Vorgehen gewählt, wenn Personen oder Firmen Daten benötigen. Sie denken zuerst an die Technologie und bauen als erstes die Infrastruktur dazu. Doch zuerst sollte geklärt werden, was strategisch erforderlich ist (What do you want) und was das erfolgreiche Businessmodell sein soll. Zudem müssen wir abklären, ob wir unser Vorhaben erfolgreich umsetzen können (Feldversuch hilft!) oder die Daten anderweitig beschafft werden können.

Chancen und Risiken


Bei Chat-Bots lässt es sich gut aufzeigen, dass es auch Risiken gibt. Die Chat-Bots funktionieren nur so gut, wie die Community damit umgeht. Google musste einen Versuch abbrechen, da die User zu Beginn aggressive Botschaften platziert hatten und die künstliche Intelligenz diese aufgenommen, verstärkt und weiterentwickelt hat.

Ein weiteres Beispiel, dass das Internet die Intelligenz der Userinnen und User abbildet, zeigt das Beispiel mit den Suchbegriffen „professional haircut“ und „unprofessional haircut“. Bei ersten Suchbegiff wurden als Resultat Herren mit weisser Hautfarbe dargestellt, beim zweiten Frauen mit dunkler Hautfarbe. Der Eindruck könnte entstehen, dass Google der Diversity nicht die notwendige Aufmerksamkeit schenkt. Doch das Resultat beruht auf den eingegebenen Suchkriterien und den Interaktionen!


Ein weiteres Beispiel, was eher durch Google gelöst werden muss, sind mangelnde Bilder von Afrikanerinnen und Afrikaner. Das führt dazu, dass Bilder von solchen Personen mit der Bildunterschrift einer Tierart erscheinen. Google möchte diese Ungerechtigkeit eliminieren, aber das Problem taucht immer wieder auf. Eine ähnliche Problematik besteht darin, dass es Behörden gibt, die aufgrund mittels AI erstellten Mustern friedfertige Menschen einer Risikogruppe zuordnen und diese mit ungeahnten Konsequenzen oder Einschränkungen rechnen müssen.

Tamedia beschäftigt drei Personen, welche die Online-Kommentare überwachen. Dabei müssen 30% der Kommentare deaktiviert werden! Nur 30% der Kommentare können durch eine Maschine freigegeben werden, der Rest muss händisch erledigt werden.


Online-Kommentare, die mit „Du bist …“ beginnen, betreffen eher negative Aussagen (84%), solche die mit „Sie sind …“ beginnen, sind eher positiv formuliert, da formeller (45%)! Eine weitere Erkenntnis ist, dass männliche Politiker positiver beurteilt werden als weibliche Politikerinnen.


Das bedeutet, dass verschiedene Fragen gestellt und im System integriert werden müssen, z.B. Was …
– ist eine gute und faire Messung?
– dürfen wir messen?
– ist angemessen?
– und wie dürfen wir interpretieren?
– ist legal?

Ein spezieller Ausblick


Die Informationen dazu sind verlinkt. Vor allem Short SciFi finde ich sehr spannend und  habe ich sehr amüsant empfunden. Damit werden wir sicher schon bald konfrontiert:
Short SciFi
Transhumanism
Cryonics
Mind reading

Exponential Technologies


Zum Kursabschluss erhielten wir noch ein kleines, aber deftiges Dessert: Quantum computing and other strange things. Richard P. Feymann: Its safely to say that nobody understand quantum mechanics.

Alle festen, flüssigen oder gasförmigen Stoffe bestehen aus Atomen. Jedes Atom gehört zu einem bestimmten chemischen Element und bildet dessen kleinste Einheit. Das Atom hat eine Grösse von 5.0 × 10-15m und der Atomkern hat einen Durchmesser von etwa einem Zehn- bis Hunderttausendstel des gesamten Atomdurchmessers, enthält jedoch über 99,9 Prozent der Atommasse. So würde sich in einem Fussballstadion der Atomkern beim Mittelpunkt befinden. Er besteht aus positiv geladenen Protonen und einer Anzahl von etwa gleich schweren, elektrisch neutralen Neutronen. Diese Nukleonen sind durch die starke Wechselwirkung aneinander gebunden. Die Hülle besteht aus negativ geladenen Elektronen.

Besonders deutlich zeigen sich die Unterschiede zwischen der Quantenphysik und der klassischen Physik im mikroskopisch Kleinen (z. B. Aufbau der Atome und Moleküle) oder in besonders „reinen“ Systemen (z. B. Supraleitung und Laserstrahlung). Aber auch ganz alltägliche Dinge wie die chemischen oder physikalischen Eigenschaften verschiedener Stoffe (Farbe, Ferromagnetismus, elektrische Leitfähigkeit usw.) lassen sich nur quantenphysikalisch verstehen.

Quantenphysik leicht erklärt

Wie es mit der Quantenphysik genau auf sich hat, erklärt Grand Daddy in einem informativen und sehenswerten Video. Bei der klassischen Physik weist bei einem Beschuss der Hintergrund das gleiche Muster auf wie die Vorlage. Würde anstelle von „Murmeln“ wie im Video gezeigt Wasser verwendet werden, so entstehen beim Passieren der Vorlage verschiedene Wellen und somit Intervenzen (verstärken und abschwächen). Bei einem Beschuss mit Electronen entsteht ein gleiches Muster im Hintergrund wie mit Wasser. Ein Electron wählt alle möglichen Optionen. Das Electron kann also gleichzeitig in verschiedene Richtungen ausschwärmen und zwischen 0 und 1 jeden Zustand einnehmen. Nur mathematisch kann die Elementarteil-Physik richtig beschrieben werden.

Ein Quantum kann alles gleichzeitig statt nach und nach berechnen. Shor’s factoring algorithm ist viel komplizierter als Grover’s search algorithm (R.J. Hughes, LA-UR-97-4986). Würde für eine komplexe Aufgabe ein herkömmlicher Computer mit 2018 Bits 3×108 Jahre benötigen, so würde ein Quantum Computer mit 2028 Bits und 10244 Qubits noch rund 36 Minuten benötigen.

Erste Quantum Computer gibt es im IBM-Labor. Aufbrechen und im Handel ein solches Gerät zu suchen, braucht ihr also noch nicht. Aber freuen dürfen wir uns, wenn damit AL und ML in neue Dimension vorstossen können. Aber auch dann gilt es, dass wir ein Businessmodell erstellen und klar festlegen müssen, was wir wollen. Die Entscheidungsfindung liegt immer noch bei uns Menschen!