Künstliche Intelligenz, Machine Learning und Deep Learning sind Techniken, die zur Zeit die Welt revolutionieren und uns immer öfter im Alltag – bewusst oder unbewusst – begegnen. Doch nicht alles, was wir zu wissen glauben, stimmt auch so. Zeit also, mit den gängigsten Mythen aufzuräumen.
Mythos 1: Machine Learning kann Ereignisse, die noch nie dagewesen sind, nicht voraussagen
Machine Learning wird ja in erster Linie zum Vorhersagen von Ereignissen genutzt. Doch das geht natürlich nicht immer. Noch nie dagewesene Ereignisse, die man nicht voraussagen kann, werden „black swans“, schwarze Schwäne, genannt. Allerdings ist Machine Learning teilweise schon in der Lage, solche Ereignisse zu erahnen. Ein einfaches Beispiel aus dem täglichen Leben ist der Spamfilter in unserem E-Mail-Programm. Hier kommen ständig E-Mails mit immer neuen Tricks, um doch in unserem Posteingang zu landen. Und vor allen Dingen mit immer anderem Inhalt. Also mit noch nie dagewesenen Ereignissen. Trotzdem erkennt der Spamfilter mit ziemlich hoher Treffsicherheit Spam-Nachrichten. Dabei schlussfolgert das System: Wenn Merkmal A eine Ursache von Merkmal B ist und Merkmal B eine Ursache von Merkmal C ist, dann kann A auch eine Ursache von C sein, auch wenn es bisher noch nie vorgekommen ist, dass A eine Ursache von C war.
Allerdings hat die Vorhersagefähigkeit von Machine Learning auch seine Grenzen. Beispielsweise ist es zum Glück unmöglich, die Ergebnisse von Spielautomaten in Online Casinos vorherzusagen. Auch wenn ein Machine Learning System die Drehungen eines Spielautomaten über Jahre analysieren würde. Die Fähigkeit, ein gutes Gewinnbild bei einem Spielautomaten „zu riechen“, ist und bleibt der Intuition des Menschen vorenthalten. Denn Zufallsgeneratoren, die in den Casinospielen zum Einsatz kommen, können von Machine Learning nicht vorhergesagt werden – weil die Wahrscheinlichkeit für jede Zahl gleich groß ist. Das kann wenn überhaupt nur die Intuition des Menschen. Sollten Sie Ihre Intuition mal an einem solchen Spielautomaten testen wollen, können Sie hier ganz unkompliziert das Spiel Ghost Slider kostenlos spielen ohne Anmeldung.
Mythos 2: Beim Machine Learning geht es darum, dass Computer lernen, wie Menschen zu denken
Nein, beim Machine Learning geht es darum, Zusammenhänge zu erkennen und daraus Rückschlüsse (meist über die Zukunft) zu ziehen. In simpler Form geht das auch mit Statistiken. Nur bei diesen werden relativ wenige und vor allem bekannte Fakten verglichen. Mit Machine Learning kann man quasi unsichtbare Zusammenhänge für die Vorhersagen nutzen. Durch die riesige Menge an Daten werden (sozusagen zufällig) auch Punkte miteinander in Verbindung gebracht, auf die man bewusst gar nicht gekommen wäre. Wenn man beispielsweise statistisch Autos miteinander vergleicht, gibt man vielleicht 100 feste Parameter ein, die man unter die Lupe nimmt. Machine Learning greift aber auf viel mehr Parameter zu und setzt sie alle in Verbindung. So werden Zusammenhänge entdeckt, auf die ein Mensch nie aufmerksam geworden wäre – und die nun dieser Firma einen Wettbewerbsvorteil verschaffen. Computer beizubringen, wie Menschen zu denken, fällt nicht unter Machine Learning, sondern unter KI (siehe nächster Mythos).
Mythos 3: Machine Learning und KI sind dasselbe
Oft wird KI (Künstliche Intelligenz) und Machine Learning für dasselbe gehalten. Das liegt daran, dass Machine Learning ein Teil von KI ist. Doch zu Künstlicher Intelligenz zählen auch Robotik, Computer Vision (der Computer lernt, wie ein Mensch zu sehen) und Natural Language Processing (NLP- die menschliche Sprache verstehen). Zu NLP gehören Dienste wie Alexa, Siri, Bixby, Cortana oder der Google Sprachassistent. Der Grund, warum man KI und Machine Learning so schwer unterscheidet, liegt in dem ziemlich ungünstig gewählten Begriff „Machine Learning“. Eigentlich schließt man aus diesem Wort ja, dass genau Sprachassistenten wie Alexa Machine Learning sind, denn sie lernen ja „zu denken“. Und sie lernen ihren Benutzer immer besser kennen, um sich ihm und seinen Bedürfnissen anzupassen. Maschinelles Lernen bezeichnet aber Mustererkennung in großen Datensätzen und daraus resultierenden Vorhersagen. Also im Endeffekt Statistik in einem riesigen Maßstab und unvorstellbar schnell. Daher müsste man eigentlich für Machine Learning ein anderes Wort erfinden, welches diese Funktion deutlicher hervorhebt.
Mythos 4: Für Machine Learning braucht man immer riesige Datensätze
Machine Learning ist Statistik im ganz großen Maßstab. Daher braucht man prinzipiell für maschinelles Lernen immer riesige Datensätze. Damit ist der Einsatz von Machine Learning aber stark begrenzt. Darum wurde nach Wegen gesucht, wie man Machine Learning auch mit nur kleinen Datensätzen nutzen kann. Inzwischen ist das möglich. Dazu hat man sich eines einfachen Tricks bedient: Transfer Learning. Ein bekanntes Beispiel dafür ist Microsoft „Azure“. Der Trick ist folgender: Sie bringen Ihrem Machine Learning System erstmal mit den benötigten großen Datensätzen bei, was es erkennen soll. Beispielsweise soll es identifizieren, auf welchem Foto Personen mit einem iPhone abgebildet sind. Jetzt transferieren Sie das Ganze auf den Datensatz, den Sie wirklich analysieren wollen. Durch das vorherige Training reichen nun Datensätze ab 30 bis 50 Bildern schon aus.
Mythos 5: Machine Learning ist neutral
Maschinelles Lernen vergleicht völlig neutral, also müssten die Ergebnisse ja auch quasi sachlich sein. Doch leider ist das nicht so. Um neutral zu sein, ist Machine Learning auf absolut unbefangene Datensätze angewiesen. Darum werden diese von Spezialisten vorher bereinigt, was allerdings ein ganz schöner Aufwand ist und viel kostet. Darum kommt es sehr häufig vor, dass Machine Learning sehr voreingenommene Ergebnisse liefert. Beispielsweise werden die Geschlechter geradezu klischeehaft bewertet: Männer lieben Sport und Technik, Frauen lieben Essen und Kinder. So kam bei einem Programm, das eigentlich die Sprache „entgendern“ sollte, genau das Gegenteil heraus. So wurde Technik männlich (der Technik) und Essen weiblich (die Essen). Machine Learning ist also absolut nicht immer neutral.
Mythos 6: Machine Learning wird unsere Arbeitsplätze vernichten und denMenschen aus vielen Bereichen des Arbeitslebens verdrängen
Natürlich wird es den Menschen aus einigen Bereichen des Arbeitslebens verdrängen. Maschinelles Lernen ist vor allem eine Automatisationstechnik. So wie es ganz früher das Fließband war, und später Produktionsmaschinen und Roboter.
Heute wird Kleidung nicht mehr von Hand gewebt und Autos nicht mehr manuell zusammengebaut. Und diese Berufe wünscht sich auch niemand mehr zurück. Sie wurden durch bequemere, höherwertige Berufe ersetzt. Ähnlich wird es auch mit dieser neuen Form der Automatisation laufen – Routineaufgaben werden von Computern übernommen werden. Dafür entstehen neue Jobs. Es werden Spezialisten gebraucht, die die richtigen Algorithmen auswählen und erkennen, in welchen Bereichen der Einsatz von Machine Learning sinnvoll ist. Außerdem werden Mitarbeiter benötigt, die diese Systeme betreuen und dafür sorgen, dass die Daten gut aufbereitet sind. Andere bieten Firmen die Implementierung dieser neuen Technik in ihre Strukturen an. Unterm Strich werden sogar mehr neue Jobs entstehen als alte vernichtet werden.
Mythos 7: Nur große bzw. sehr große Firmen können sich Machine Learning leisten
Das war einmal. Inzwischen gibt es Angebote für fast jede Firmengröße. Besonders AWS (Amazon Web Services) bietet die verschiedensten Dienstleistungen, Schulungen und Tools, um gerade auch mittleren und kleinen Unternehmen den Zugang zum Machine Learning zu ermöglichen.
