Künstliche Intelligenz und Smartphone Apps

Dirk Wieczorek Trend

Künstliche Intelligenz und Smartphone Apps

In diesem Blogbeitrag erfahren Sie, welche Funktionen „künstliche Intelligenz“ bereits heute in einer App Anwendung ermöglicht und wie sie diese Potentiale für ihr Unternehmen optimal nutzen können.

Was heißt hier intelligent?

Wenn wir derzeit über den Einsatz von intelligenten Systemen sprechen, reden wir meistens über „Mustererkennung“. Eine Software lernt Muster zu erkennen und richtig zu labeln, also z.B. ein Bild mit einem Turnschuh als Turnschuh zu bezeichnen oder ein Bild mit einer Hose, als Hose. Auch in anderen Bereichen gibt es Muster, die korrekt erkannt und gelabelt werden. Zum Beispiel lassen sich beim Ton Muster erkennen und labeln. Auf diese Weise lernen Computer die menschliche Sprache in Text umzuwandeln. Ein bestimmtes Soundmuster heißt dann zum Beispiel „Hallo!“. Muster finden sich überall. Genau genommen besteht unsere gesamte Welt aus Mustern. Wenn unsere Augen durch den Raum wandern erkennen wir einen Kühlschrank, einen Tisch, die Fenster, Bäume oder andere Menschen. All das sind Muster, die unser Gehirn erkennt und labelt. Wenn wir also einen Text lesen, wenn wir Musik hören oder an einem Glas Wein riechen, erkennen wir permanent deren Muster. Mit der Fähigkeit solche Muster zu erkennen und zu labeln, sind die Computer uns ein ganzes Stück nähergekommen und wirken deshalb gar nicht mehr so dumm.

Setzt man in der Mustererkennung auch den Faktor Zeit ein, so lassen sich über den Computer Vorhersagen machen. Im einfachsten Modell ist es der tropfende Wasserhahn. Hat die Software erkannt, in welchem Zeitraum und nach welchem Muster es tropft, kann sie gut vorhersagen, wann der nächste Tropfen folgen wird. Übertragen auf komplexe Modelle kann eine KI das Wetter vorhersagen, das Kauf- und Sozialverhalten einer Person oder die Entwicklung am Aktienmarkt. Alle diesen Ereignissen liegen Muster zugrunde. In der Identifizierung von Mustern in komplexen Systemen ist die Software dem Menschen in einigen speziellen Anwendungsgebieten bereits heute überlegen.

Wie kann ich diese Fähigkeit der KI in einer App nutzen?

Die Fähigkeit der Mustererkennung bietet viele Möglichkeiten. Apps können per Sprache gesteuert werden. Sie erkennen Musikstücke und nennen Titel, Komponisten und Sänger. Sie durchsuchen die Fotosammlung und sortieren diese nach Personen oder Ereignissen. Sie erkennen Spam und löschen diese. Sie erkennen im EKG-Muster einen sich anbahnenden Herzinfarkt und rufen den Notarzt. Sie erkennen unseres Kaufverhaltens und bieten uns passende Produkte an.

Die Möglichkeiten sind schier unbegrenzt. Z.B. könnten Apps mit dieser Technologie bald in der Lage sein den Wahrheitsgehalt des Gegenübers am Gesichtsausdruck zu erkennen. Es ließe sich per Soundanalyse des Motorgeräusches ein sich anbahnender Motorschaden im Vorfeld erkennen. Mit einer App könnte man möglicherweise künftig einen Vertrag fotografieren und wichtig Hinweise auf kritische Formulierungen erhalten. Im Gesundheitswesen könnte die Mustererkennung per App die Behandlungs- und Diagnosemethoden revolutionieren. Fast für jede App kann die Mustererkennung neue interessante Funktionen ermöglichen.

Ist das sehr aufwendig?

Der programmiertechnische Aufwand für die Entwicklung eines solchen Systems ist vergleichsweise gering. Dank vorhandener Frameworks, wie z.B. TensorFlow von Google (es gibt noch viele andere), lassen sich Anwendungen mit etwas Know How und wenigen Zeilen Code erstellen.

Aufwendig aber ist die Erstellung der Trainingsdaten für diese Art der KI und die Wahl und Ausarbeitung eines geeigneten Modells. Nehmen wir an, unsere KI soll erkennen, ob auf einem Bild eine Katze oder ein Hund zu sehen ist. Damit sie das lernen kann, muss man ihr möglichst viele Bilder von Hunden und Katzen zeigen und das Ergebnis vorgeben. Hierfür wären möglicherweise viele hunderttausend Trainingsdaten erforderlich. Die Anzahl der notwendigen Trainingsdaten ist abhängig von der Schwierigkeit der Aufgabe. Um Rechtecke von Kreisen zu unterscheiden wären sehr viel weniger Trainingsdaten erforderlich. Aus diesem Grund nennt sich dieser Bereich der KI auch Deep Learning oder Maschinenlernen

Bei vielen Online-Dienste liegen mögliche Trainingsdaten bereits in geeigneter Form vor. So könnte z.B. autoscout24 oder mobile.de anhand der bei ihnen vorhandenen Daten ein KI einfach darauf trainieren, welcher Preis für ein Auto anhand seiner Eigenschaften (Alter, PS, Ausstattung, Kilometer, Typ) üblich ist.

Wie geht das eigentlich?

Eine solche Software modifiziert anhand der Trainingsdaten ein vorgegebenes „Modell“. Dieses „Modell“ besteht aus einer mathematischen Funktion bzw. eine Abfolge von mathematischen Funktionen, in die man viele Daten hineingibt und am Ende wenige Daten herauskommen.

Die Software prüft bei jedem Trainingsdurchgang, wie viele richtige Treffer für Katze und Hund mit dem aktuellen Modell richtig zugeordnet wurden. Sie verändert systematisch die Parameter in dem Modell und prüft die Trefferquote erneut. So tastet sich die Software immer näher an die am besten geeigneten Parameter für die Aufgabe heran. Ist die Trefferquote über einen festgelegten Prozentsatz, hat man ein geeignetes mathematisches Verfahren gefunden, um die gestellte Aufgabe zu lösen. In diesem Fall hat man ein Modell, um in einem Bild einen Hund oder eine Katze zu erkennen. Dieses Modell lässt sich dann einfach auf jedes Bild anwenden. Das geht blitzschnell und mit überschaubaren Ressourcen.

Angst vor der KI?

Die maschinelle Mustererkennung kann viel. Sie bietet viel Potential für den Einsatz im Guten, wie im Schlechten. Es kommt darauf an, wofür wir sie in Zukunft einsetzten werden. Die Mustererkennung allein wird nicht zur technischen Singularität führen - der Zeitpunkt, an dem die Maschinen intelligenter werden, als die Menschen – aber sie ist ein wichtiger Schritt in diese Richtung. Bis die Maschinen allerdings erkennen, dass sie besser ohne uns dran sind, werden aber sicher noch Jahrzehnte vergehen.