In einer neuen Serie beleuchten wir, welchen Einfluss Künstliche Intelligenz auf die verschiedensten Bereiche unseres Lebens hat – von Autos über Medizin bis zur Verwaltung. Zum Auftakt erklären wir, wo überall KI drinsteckt.
ChatGPT hat Künstliche Intelligenz direkt erfahrbar gemacht. Doch der Chatbot ist nur eine von vielen KI-Anwendungen, die wir schon viel länger nutzen, ohne über die Technologie dahinter nachzudenken. Wir erklären, wo überall KI drinsteckt.
Bild- und Textgeneratoren
ChatGPT hat sich seit seiner Veröffentlichung im November 2022 rasant verbreitet. Schüler und Studenten lassen sich von dem Chatbot Referate und Abschlussarbeiten schreiben, Büroangestellte beantworten damit Briefe, und Softwareentwickler nutzen die KI zum Schreiben von Programmcode. Auch Zusammenfassungen längerer Texte lassen sich binnen Sekunden erstellen. Die Software vermittelt den Eindruck, tatsächlich zu verstehen, worüber sie schreibt. Tatsächlich berechnet ChatGPT nur, welches Wort mit der größten Wahrscheinlichkeit auf das Wort oder die Wortgruppe davor folgt. Ähnlich populär wie KI-Textgeneratoren sind Programme wie Dall-E, die nach den Eingaben der Nutzer Illustrationen und fotorealistische Darstellungen produzieren.
Internetsuche
Suchmaschinen wie Google oder Bing kommen über die Anfragen ihrer Nutzer an gewaltige Datenmengen, die sich zum Training von KI-Anwendungen nutzen lassen. So lernen die Systeme zum Beispiel, nach welchen Themen wann und wo am häufigsten gesucht wird und welche Suchbegriffe häufig miteinander kombiniert werden. Wer einen Begriff in das Suchfenster eingibt, erhält auf dieser Basis Vorschläge zur Vervollständigung seiner Anfrage. Zudem blenden die Suchmaschinen dazu passende, personalisierte Werbung ein – ebenfalls auf Basis KI-gestützter Datenanalysen.
Onlineshopping und Streaming
Wer im Internet einkauft oder Videos und Musik streamt, bekommt Produkte oder Filme und Musikstücke angeboten, die ihm auch gefallen könnten. Grundlage dieser Empfehlungen ist die Auswertung von Nutzerdaten, aus denen KI-basierte Systeme Zusammenhänge ableiten können – etwa nach dem Muster: 57 Prozent der Nutzer, die den Film A bis zum Ende gesehen haben, schauten sich anschließend den Film B an. Weil die KI aus den bisherigen Entscheidungen ihrer Kunden lernt, werden ihre Empfehlungen mit der Zeit immer besser.
Spracherkennung und Übersetzung
Programme, die Sprache in Schrift verwandeln, hatten lange hohen Unterhaltungswert, aber wenig praktischen Nutzen. Wer heute mit der entsprechenden Funktion in Word Vorträge oder Interviews transkribieren lässt, erhält dagegen brauchbare Texte – sofern der Sprechende etwas Sinnvolles gesagt hat. Auch Übersetzungsprogramme werden immer besser. Moderne Transkriptions- und Übersetzungssoftware nutzt wie ChatGPT große Sprachmodelle, die mit riesigen Textmengen trainiert wurden.
Bilderkennung
KI-Systeme können auch optische Informationen verarbeiten. Dazu werden sie mit großen Mengen Bildmaterial und den dazugehörigen Informationen trainiert – etwa mit Fotos, auf denen Katzen zu sehen sind. So lernen die Programme, Katzen in unterschiedlichen Situationen zu erkennen. KI-Bilderkennung hilft auch bei der Identifikation von Personen oder medizinischen Diagnosen. So können KI-Systeme Hautkrebs teilweise besser erkennen als Menschen.
Autonomes Fahren
Hier müssen nicht nur optische Signale wie beispielsweise Verkehrszeichen verarbeitet werden, sondern auch die Daten der Sensoren, welche die Fahrzeugbewegungen erfassen. Die Systeme werden darauf trainiert, Verkehrssituationen zu erkennen und daraus die richtigen Entscheidungen abzuleiten. Das ist im dichten Verkehr mitunter kompliziert. Die Entwicklung von Autos, die permanent ohne Fahrer auskommen, dürfte deshalb noch einige Zeit dauern.
Industrie
In der Industrie erleichtern KI-basierte Datenanalysen unter anderem die Überwachung und Steuerung von Maschinen. Dazu werden beispielsweise Systeme eingesetzt, die in der Produktion von Halbleitern selbstständig Abweichungen erkennen und darauf reagieren können. Auch Logistik und Wartung lassen sich mithilfe von KI optimieren. So lässt sich beispielsweise immer besser vorhersagen, wann ein bestimmtes Maschinenteil voraussichtlich ersetzt werden muss. Weitere Einsatzgebiete sind die Ausschreibung von Stellen oder die Auswahl von Bewerbern mit KI-gestützten Methoden. Im Büro helfen KI-Spamfilter, schädliche oder unnötige Mails herauszufiltern.
Forschung
In der Wissenschaft fallen sehr große Datenmengen an – in sehr vielen Projekten wird daher in irgendeiner Weise KI genutzt wird, um Muster in diesen Daten zu erkennen und zu nutzen. Ein Beispiel sind Programme, welche die komplizierte dreidimensionale Struktur von Eiweißmolekülen mittlerweile in vielen Fällen besser vorhersagen können als erfahrende Biochemiker. KI hilft auch bei der Interpretation von Klimadaten oder bei der Verbesserung von Klimamodellen und Wetterprognosen.
Deepfakes
Auch Kriminelle setzen zunehmend auf KI. Eine Möglichkeit sind zum Beispiel Schock-Anrufe, bei denen ein Angreifer mit der Stimme einer bekannten Person um die sofortige Zahlung einer hohen Geldsumme bittet. Neben diesem Enkeltrick 2.0 lassen sich mit KI-Programmen auch gefälschte Fotos und Videos in einer Qualität produzieren, die leider immer besser wird. Damit können politische Gegner Beispiel Fake News über Spitzenpolitiker verbreiten – eine Gefahr für die Demokratie. Auf der anderen Seite kann KI aber auch bei der Erkennung von Deepfakes helfen.
Ein Blick in den KI-Maschinenraum
Künstliche Intelligenz (KI) zielt darauf ab, menschliche Denk- und Entscheidungsprozesse mithilfe von Software nachzuahmen. Anders als bisherige Systeme, in denen vorgegebene Programme ablaufen, können KI-Systeme lernen und so bestimmte Aufgaben mit der Zeit immer besser erledigen. Dabei kommt eine ganze Reihe unterschiedlicher Technologien zum Einsatz.
Beim maschinellen Lernen geht es darum, in großen Datenmengen Zusammenhänge zu erkennen. Auf dieser Basis können später ähnliche Aufgaben gelöst werden. Eine zentrale Rolle spielt die Qualität der Trainingsdaten. Enthalten diese etwa Vorurteile über bestimmte Personengruppen, beeinflusst das auch die Entscheidungen der KI.
Neuronale Netzwerke orientieren sich daran, wie biologische Nervenzellen verknüpft sind. Sie bestehen aus mehreren Schichten, in denen Informationen verarbeitet, gewichtet und weitergegeben werden.
Beim Deep Learning werden besonders leistungsfähige „tiefe“ neuronale Netze genutzt. Deep-Learning-Strategien kommen auch in der generativen KI zur Anwendung – beispielsweise in Text- und Bildgeneratoren wie ChatGPT und Dall-E.
Grundmodelle (Foundation Models) werden mit sehr großen Datenmengen trainiert, aus denen sie selbstständig oder teilweise von Menschen überwacht lernen. Die komplexen und rechenintensiven Modelle lassen sich an verschiedene Aufgaben anpassen. Am bekanntesten sind große Sprachmodelle wie jenes hinter ChatGPT. Eine andere Variante sind visuelle Grundmodelle zur Bild- oder Gesichtserkennung.