Der Hype um Künstliche Intelligenz ist nicht zu verleugnen. Doch wäre es vermessen, zu diesem Zeitpunkt noch zu denken, dass es sich dabei um reinen Werbejargon handelt. Zwar hat KI reichlich wenig mit den sensationsheischenden Vorstellungen zu tun, die uns von Filmen wie „Terminator“ und Co. vergegenwärtigt wurden. KI (als Konzept) ist wesentlich unspektakulärer. Sie ist im Grunde ein mathematisches, logisches Werkzeug. So wie alles, was wir mit Computern machen. Neu ist allein der Grad an Automatisierung und die immensen Datenmengen, die mittlerweile verarbeitet werden können. Was sich überdies erheblich verändert hat, ist die Mitteilungsfreudigkeit der Menschen, die alle mit ihren kleinen Computern am Leib, den Smartphones, herumlaufen – und kontinuierlich die KI Maschine füttern.
Riesige Datensätze werden immer besser beherrschbar
Inhalt auf einen Blick
Zwei wesentliche Kategorien von maschinellem Lernen sind „überwachtes“ maschinelles Lernen und „unüberwachtes“ maschinelles Lernen. Im Allgemeinen verwenden wir überwachtes maschinelles Lernen, wenn wir die Daten benötigen, um eine bestimmte Frage zu beantworten, den Datensatz also hinsichtlich gewisser Schlüsseldaten durchleuchten wollen. Unüberwachtes maschinelles Lernen wurde hingegen entwickelt, um Muster aufzudecken, die wir sonst nicht oder nur irgendwann zufällig erkennen würden.
Wer ein Smartphone besitzt, hat beide Arten des maschinellen Lernens bereits aus erster Hand erlebt. Smartphones verwenden überwachtes maschinelles Lernen, wenn Nutzer ihnen beibringen, ihren Fingerabdruck zu erkennen, um das Gerät zu entsperren. Ein Smartphone verwendet unüberwachtes Lernen, wenn es bspw. Fotos automatisch nach den Personen gruppiert, die am häufigsten darin vorkommen – alles ohne direkte Eingabe des Nutzers. Indem sie verstehen, wann diese Algorithmen eingesetzt werden müssen, können Vermarkter neue Verbraucher effektiv entdecken und skalieren. Es braucht nur genug Daten. Daten die nicht mit den potenziellen Ungenauigkeiten aus Umfragen behaftet sind – weil sie potenziell zu 100% verhaltensbedingt sind.
Es handelt sich um Mathematik, nicht um Magie
Die Regelwerke, die das Verhalten eines Computers regeln, werden als Algorithmen bezeichnet. Alle Computerprogramme folgen Algorithmen unterschiedlicher Komplexität. Machine-Learning-Algorithmen sind eine spezifische Teilmenge von Algorithmen, die einen Computer anweisen, Daten zu durchkämmen und Erkenntnisse zu gewinnen – so wie bspw. Legal AI wiederkehrende Verträge auf deren legale Validität prüft. Die Stärke von Algorithmen liegt in ihrer Fähigkeit, aus Rohinformationen zu lernen und zu bestimmen, welche Daten relevant oder bemerkenswert sind. Jedoch liegt das Ermessen letztlich immer noch bei einem menschlichen Supervisor.