Statistik vs. Schlussfolgerungen KI hat noch keinen Weitblick

Noch gehen KI wichtige Eigenschaften an, um wirklich „intelligent“ zu sein.

Bild: iStock, Midnight Studio
18.11.2022

Künstliche Intelligenz kann inzwischen hervorragend Sprache verstehen, Autos steuern und sogar Bilder malen. Mit echtem Denken tut sie sich aber immer noch ziemlich schwer. Pegasystems erläutert, woran das liegt.

Bild- und Texterkennung, Übersetzungsdienste, digitale Assistenten: In vielen Systemen steckt inzwischen Künstliche Intelligenz (KI). Von wirklicher Intelligenz ist sie aber noch ein gutes Stück entfernt. Die KI, die heute zum Einsatz kommt, basiert vor allem auf Statistik. Sie nutzt mathematische Modelle und trifft Vorhersagen auf der Grundlage von Wahrscheinlichkeiten. Damit kann sie zwar durchaus komplexe Aufgaben bewältigen, aber nur solche, die klar definiert und abgegrenzt sind; und dabei stehen ihr auch nur genau festgelegte Methoden zur Verfügung. Die Wissenschaft spricht deshalb von „schwacher KI“.

Stand heute ist Künstliche Intelligenz nicht in der Lage, durch erweiterte logische Schlussfolgerungen Ergebnisse zu erzielen. Es mangelt ihr an einer allgemeinen Wissensbasis und damit an dem, was gemeinhin als gesunder Menschenverstand bezeichnet wird. Ein wesentliche Grund dafür ist, so Pegasystems, dass die aktuellen KI-Komponenten noch nicht ganzheitlich verstehen, wie die reale Welt aus verknüpften Modellen und Konzepten aufgebaut ist und wie die Beziehungen zwischen den darin enthaltenen Objekten und Regeln aussehen.

KI-Systemen gehen deshalb im Vergleich zum Menschen insbesondere folgende Fähigkeiten ab:

  • Handlungen zu planen;

  • die Folgen ihres Handelns vorherzusagen;

  • auf der Grundlage von Wissen und Erfahrung zu interpretieren;

  • fehlende Informationen und Verknüpfungen zu kompensieren;

  • so genannte latente Variablen zur Bewertung zu nutzen, also Variablen, die nicht direkt gemessen werden können wie etwa Vertrauen, Einstellungen oder Kultur;

  • im universellen Sinne zu lernen;

  • sich selbst etwas beizubringen;

  • durch Abstraktion Wege zur Lösung neuer Probleme zu finden.

Wie können Fortschritte erzielt werden?

Um echte Fortschritte bei Künstlicher Intelligenz zu erzielen, sind umfassende hierarchische Modelle erforderlich, die es den Systemen ermöglichen, beobachtete Ereignisdaten in den richtigen Kontext zu stellen und daraus kohärente Schlussfolgerungen, Entscheidungen und Maßnahmen abzuleiten. Bis solche intelligenten Systeme erforscht, entwickelt und einsatzbereit sind, wird aller Voraussicht nach noch einige Zeit vergehen. Ob es dabei jemals gelingen wird, Lösungen zu finden, die mit menschlicher Intelligenz vergleichbar sind, ist derzeit noch völlig offen.

„Dennoch stehen bereits Ansätze zur Verfügung, die man als fortschrittlich bezeichnen kann. Sie sind beispielsweise in der Lage, Unternehmen beim Entscheidungsmanagement und der Automatisierung zu unterstützen“, betont Florian Lauck-Wunderlich, Senior Project Delivery Leader bei Pegasystems. „Lösungen dafür nutzen eine Mischung aus Regeln, Themenmodellen und Taxonomien, die Kontextwechsel und hierarchische Vererbung ermöglichen und zusammen mit KI-basierten Vorhersagemodellen für die Priorisierung von Aktionen und/oder deren Auslösung sorgen. So verschmelzen Regeln und Maschinelles Lernen auf perfekte Weise, um Entscheidungen intelligent zu automatisieren.“

Firmen zu diesem Artikel
Verwandte Artikel