Sprachcomputer auf Basis von neuronalem Netzwerk

Einen positiven Impuls für das Fachgebiet der Künstlichen Intelligenz gab es im Jahr 1986 mit dem Programm «NETtalk». Denn damit brachten Terrence J. Sejnowski und Charles Rosenberg den Computer zum Sprechen. Das Programm konnte Wörter lesen und korrekt aussprechen sowie das Gelernte auf ihm unbekannte Wörter anwenden. «NETtalk» gehörte damit zu den frühen sogenannten neuronalen Netzwerken. Das sind Programme, die mit grossen Datenmengen gefüttert werden und darauf aufbauend eigene Schlüsse ziehen können.

Bei der Betrachtung der historischen Entwicklung von Künstlicher Intelligenz fällt der Fokus auch auf die beachtliche Leistung von Rechnern, die bei Brett-, Computer- oder anderen Spielen gegen Menschen spielen. Es zeigt sich immer wieder, dass moderne Computer sogar die besten menschlichen Spieler übertreffen können. Bereits 1997 konnte die Weltöffentlichkeit beobachten, wie das IBM-System «Deep Blue» den russischen Schachweltmeister Gary Kasparov besiegte. Und im Jahr 2011 gewann das Computerprogramm «Watson» (ebenfalls IBM) in der amerikanischen Quiz-Show Jeopardy gegen die besten Quizmeister. 2016 übertraf die Deepmind-Software AlphaGo von Google den südkoreanischen Spitzenspieler Lee Sedol bei einer Spielpartie auf dem chinesischen Brettspiel Go. AlphaGo schlug Sedol 4:1. Das Resultat erstaunt angesichts der Komplexität des Spiels. Hat der erste Spieler bei Schach 20 mögliche Züge zur Auswahl, sind es bei Go 361 Züge.

Bildergalerie

Schnellere Rechner fördern maschinelles Lernen

Ungefähr ab dem Jahr 2010 begann eine Phase der Kommerzialisierung von KI-Anwendungen. Als besondere Innovationen für den Alltagsgebrauch der Menschen begannen sich die Sprachassistenten Siri und Alexa zu etablieren. Im Geschäftsbereich schritt die Automatisierung von Arbeitsprozessen voran und das Internet der Dinge konnte für immer mehr Anwendungsbereiche genutzt werden. Dank der immer besseren Rechnerleistung konnten die Computer immer besser für das maschinelle Lernen genutzt werden. Beim maschinellen Lernen generiert der Computer selbstständig Wissen aus Erfahrungen. Er kann damit auch eigenständig Lösungen für neue und unbekannte Probleme finden. Auch das Deep Learning erreichte einen neuen Boom. Deep Learning ist ein Teilgebiet des maschinellen Lernens, bei welchem neuronale Netze in mehreren Schichten genutzt werden. Es entsteht eine umfangreiche innere Struktur des Netzes. Deep Learning kann zum Beispiel dafür genutzt werden, Bilder zu erkennen, Texte zu verstehen oder präzise Entscheidungen zu treffen.

Grosse Datenmengen zur Effizienzsteigerung der Künstlichen Intelligenz nutzen

Ab dem Jahr 2020 ergaben sich im Bereich Künstliche Intelligenz viele weitere Trends. Die Unternehmen begannen sich zum Beispiel auf die Machine Learning Operations (MLOps) zu konzentrieren. In einem funktionsübergreifenden und kooperativen Prozess soll das maschinelle Lernen für möglichst viele Anwendungsgebiete in einem Unternehmen produktiv genutzt werden. Die Unternehmen sollen aus ihren Daten wertvolle Informationen gewinnen können, beispielsweise, wenn es um Workflows, Traffic-Muster und das Bestandsmanagement geht. So ergeben sich beispielsweise neue Möglichkeiten zur Effizienzsteigerung im Supply-Chain-​Management durch die immer bessere Verfügbarkeit von digitalen Daten über die Kosten und die Lieferbarkeit von Gütern und Ressourcen. Bereits heute stellen die B2B-​Plattformen wie wlw oder Europages grosse Mengen solcher Daten zur Verfügung. Das Unternehmen Visable als Träger der beiden Plattformen nutzt selber KI-Programme zur Pflege der Daten, beispielsweise zur Bereitstellung von Schlüsselwörtern für die Da­tensu­che oder zur Eliminierung von Daten-​Duplika­ten.

(ID:48237588)