Schon längst nutzen wir tagtäglich Anwendungen und Tools, wo Künstliche Intelligenz (KI) eingesetzt wird: Sprachassistenten, Übersetzungsprogramme oder Navigationssysteme. KI wird mittlerweile in den meisten Branchen eingesetzt. KI erkennt Betrug, verbessert landwirtschaftliche Ernteerträge, empfiehlt Produkte und hilft sogar Designern und Schriftstellern bei ihrer kreativen Arbeit. KI kann das Anrufvolumen in Kundendienstzentren vorhersagen. KI kann auch den emotionalen Zustand und das Verhalten des Anrufers vorhersagen. KI automatisiert den Prozess für die Medikamentenentwicklung, was letztlich zu schnelleren COVID-19-Impfstoffkandidaten führte. Und fast täglich nimmt die Anzahl an Anwendungsbereichen zu. Wir stehen am Anfang der KI-Revolution. Nachfolgend finden Sie:
Ausgewählte Anwendungsfälle für KI aus verschiedenen Bereichen
Autonome Transportfahrzeuge sind bereits in mancher Smart Factory unterwegs. In der Automobilindustrie rechnet man mit dem autonomen Fahrzeug rund um das Jahr 2030 (Vergleiche den Blogpost: Autonomes Fahren: Bestandsaufnahme & Ausblick). Aber auch in der Schifffahrt werden autonom navigierende Schiffe eine Rolle spielen: Im Mai 2021 startet ein solches Schiff zur Jungfernfahrt über den Atlantik. In Simulationen hat das Schiff bereits 50 Meter hohe Wellen gemeistert. Mehr Info gibt’s HIER
Das Start-Up PainQX hat einen KI-Algorithmus entwickelt, der das subjektive Schmerzempfinden auf Basis von neurologischen Gehirnaktivitäten (Gehirn EEG) auswerten kann. Das Start-Up hat bereits erste regulatorische Hürden genommen, der kommerzielle Launch ist Mitte 2022 geplant. Besondere Relevanz hat ein solches Instrument in den USA, wo falsche Schmerzmedikation zur bekannten Opioid-Krise geführt hat. Diese Krise fordert jährlich mehrere Zehntausend Tote. Mehr Info gibt’s auf der Webseite des Start-Ups: www.painqx.com
Die Wissenschaft kennt zwar von vielen Proteinen die Sequenz der Aminosäuren. Entscheidend für die Wirkung eines Proteins in der Pharmazie aber ist die sogenannte Proteinfaltung: Die Struktur des Proteins im dreidimensionalen Raum (3D-Struktur). Eben diese Proteinfaltung galt bislang als „letztes großes Geheimnis“ des genetischen Codes. Ende 2020 gelang es nun Google’s DeepMind mit der künstlichen Intelligenz AlphaFold, die dreidimensionale Struktur von 70 von 100 Sequenzen sehr präzise vorherzusagen. Ein Durchbruch. Mehr Info gibt’s HIER
Farmer in den USA (und anderswo) sind seit Jahren mit einer Knappheit an Arbeitskräften konfrontiert. Zahlreiche Arbeitsprozesse in der Landwirtschaft sind zudem monoton. In diesem Kontext ist das US-Start-Up Iron Ox entstanden. Die Idee: Eine Indoor Farm, die weitgehend von intelligenten Robotern bewirtschaftet wird: Vom Anpflanzen, Pflegen bis zum Gießen. Eine KI-Algorithmus kann zudem von Schädlingen oder Fäulnis befallene Pflanzen erkennen.
Natürlich ist das keineswegs eine menschenleere Agrarfabrik. Bei Iron Ox werden noch immer Mitarbeiter benötigt: Wissenschaftler, Agrarexperten, die den Pflanzenanbau überwachen und weiter optimieren. Hier ein Interview mit einem der Co-Gründer des Start-Ups, Brandon Alexander (4.30 min, Englisch):
Future Today Institute (FTI)
Das Future Today Institute (FTI) wertet große Datenmengen sowie Informationen zu Aktivitäten von Forschungseinrichtungen aus, um hieraus Trendanalysen abzuleiten. Das Institut hat inzwischen den 14ten Trendbericht vorgelegt, den Tech Trend Report 2021 (Download HIER). Der Bericht ist über 500 Seiten stark und gibt einen gut strukturierten Überblick über technologische Trends in einer Vielzahl von Bereichen – Digitalisierung, 3D-Druck, Drohnen, 5G / 6G, Blockchain und mehr. Nachfolgend einige ausgewählte Fakten rund um Einsatzbereich von Künstlicher Intelligenz aus dem Tech Trend Report 2021, den ich als Lektüre wärmstens empfehlen kann.
Starten wir mit einem Anwendungsbeispiel der Deepfake-Technologie. Das Debüt dieser Technologie liegt bereits etwas zurück, aber nachfolgendes Beispiel illustriert ziemlich gut, wie solche Technologien (Open-Source-Algorithmus DeepFaceLab) von der Kreativszene aufgenommen werden: Letztes Jahr haben die Macher von „South Park“ eine ganze Sendung mit Deepfakes aufgebaut. Nämlich Sassy Justice. Die Hauptfigur ist der fiktionale Reporter Fred Sassy, der dem ehemaligen Präsidenten Trump zum Verwechseln ähnlich sieht (abgesehen von kleineren Veränderungen bei Stimme und Frisur). Die Episoden enthalten Deepfakes von Al Gore, Mark Zuckerberg, Jared Kushner und anderen:
Zur Nutzung von KI-Modellen in der Kreativszene vergleiche auch den Blogpost Künstliche Intelligenz in der Bildenden Kunst – Ein Projektbericht
FTI: Trends und Wachstum des KI-Marktes
Kaum überraschend, dass der gegenwärtige Hype um Künstliche Intelligenz mit einem hohen Wachstum des weltweiten Marktes um KI einher geht: Der CAGR zwischen 2021 und 2027 wird auf 42 Prozent (!) geschätzt. Allein der KI-Chip-Markt wird sich bis 2022 auf 6,7 Milliarden US-Dollar vervierfachen, von 1,66 Mrd. $ im Jahr 2018, so das Marktforschungsunternehmen Tractica: Zahlreiche große Tech-Unternehmen (z.B. Huawei, Apple, Microsoft, Facebook, Alphabet, IBM, Nvidia, Intel, Qualcomm) arbeiten an neuen Systemarchitekturen und Systems-on-a-Chip (SoCs). Diese Chips sind für KI-Projekte maßgeschneidert, die Trainingszeit von KI-Algorithmen kann von mehreren Wochen auf wenige Stunden reduziert werden.
Und noch eine interessante Zahl. Was kostet es eigentlich, einen großen KI-Algorithmus zu trainieren? – Grundsätzlich gilt, dass verschiedene Faktoren diese Kosten beeinflussen. Ein wichtiger Faktor: Die Anzahl der Parameter im KI-Algorithmus. Es kostet aktuell im Durchschnitt ca. 1 US-Dollar je 1 000 Parameter. Das gefeierte Sprachmodell GPT-3 von OpenAIs hat beispielsweise 175 Milliarden Parameter, Kostenpunkt: Mehr als 10 Millionen US-Dollar gekostet für das Training. Genau aufgrund solcher (prohibitiver) Kosten sind vortrainierte Modelle für Sprachmodelle so wichtig. Für kleinere Forschungsgruppen und Firmen sind die Kosten sonst unerschwinglich.
Welche KI-Technik hat wirtschaftlich die größte Bedeutung? – Es ist Robotic Process Automation (RPA). Vergleiche dazu auch den Blogpost Die Zukunft von RPA im Finanzbereich. RPA kann grundsätzlich bestimmte Aufgaben und Prozesse in Büros automatisieren. Darunter fallen UIPath, aber auch Googles Duplex (ein Bot, der Routineanrufe tätigt). Das Unternehmen Amazon nutzt RPA, um Lebensläufe zu sichten und Top-Kandidaten zu priorisieren. Ähnlich wie Googles Duplex kann Tiān Māo (aus China) im Namen des Nutzers Anrufe tätigen. Dieser Digital Assistant (DA) versteht auch Absichten. Der DA ist etwa damit vertraut, dass ein Nutzer normalerweise morgens pendelt; versucht dieser Nutzer nun, einen Termin am Vormittag zu vereinbaren, dann kann das System daraus schließen, dass der Nutzer nicht verfügbar ist und gibt einen Hinweis.
FTI: KI-Anwendungsfälle rund um Kommunikation und Sprache
Vorweg: Computerlinguistik hat enorme Fortschritte gemacht. Die Rolle von Sprachassistenten und sprachbasierter Human-Machine-Interaktion wird in den nächsten Jahren rasant zunehmen. Um den Fortschritt einzuordnen: Es gibt den sogenannten General Language Understanding Evaluation (GLUE)-Benchmark für die Evaluierung Systemen zum Verstehen natürlicher Sprache. Der menschliche Basiswert liegt bei 87, und zwischen Mai 2018 und August 2020 stiegen die Systeme zur Verarbeitung natürlicher Sprache von 60 auf 90,6 und übertrafen damit den Menschen. Der SuperGLUE-Benchmark ist eine neue Messung mit schwierigeren Sprachverstehensaufgaben. Das FTI prognostiziert, dass bis Ende 2021 auch dieser neue Benchmark ebenfalls übertroffen werden wird.
Vergleiche auch den Blogpost Sprache und Computer: Regelbasierte Textroboter vs KI-basierte Sprachassistenten
Ein neues KI-Modell kann wissenschaftliche Literatur zusammenfassen. Das Allen Institute for Artificial Intelligence (AI2) verwendete dieses KI-Modell bereits in der Suchmaschine Semantic Scholar, wo kurze Zusammenfassungen von wissenschaftlichen Arbeiten erstellt werden. Beeindruckend: Auch umfangreiche wissenschaftliche Arbeiten werden mit hoher Genauigkeit und Effizienz komprimiert.
KI-Modelle von Emotion AI können inzwischen ebenfalls Emotionen bestimmen: Hierzu werden Biomarker gemessen, die auf den emotionalen Zustand einer Person schließen lassen (z.B. Aufregung, Traurigkeit, Schwindelgefühl). Die genaue Erkennung menschlicher Emotionen ist herausfordernd, aber die Genauigkeit von Modellen nimmt zu. Die Rekognition-API von Amazon schlussfolgert die Emotionen einer Person anhand von Markern im Gesicht und der körperlichen Erscheinung. Emotion AI kann Feedback darüber geben, wie sich Studenten mit Online-Lernmaterialien und -Vorlesungen beschäftigen; solche Anwendungen können anzeigen, ob Studenten verwirrt, gestresst oder gelangweilt sind. Für eine Bildung, in der Digitalisierung eine wachsende Rolle spielt, wächst die Bedeutung solcher Fähigkeiten; das ist nicht zuletzt deutlich geworden unter den Vorzeichen der Corona-Pandemie, wo viele Studenten online gelernt haben und mit Zoom-Müdigkeit zu kämpfen hatten.
Automatische Sprachtranskription: Die Anwendungsfälle sind praktisch unbegrenzt. Etwa die Aufzeichnung von Besprechungsprotokolle, Notizen zu Vorlesungen, Erstellung von Transkriptionen für Podcasts und Sendungen oder Dokumentation im medizinischen Kontext. Otter.ai ist ein Echtzeit Sprachtranskriptionstool, das sogar Akzente versteht (bzw. Akzente bei wiederholter Nutzung erlernt). Die Recorder-App von Google verwendet KI, um Stimmen mit nahezu perfekter Genauigkeit zu erkennen und zu transkribieren. Die App ist nur auf Googles Pixel Telefonen verfügbar; verblüffend: Hintergrundgeräusche werden weitgehend ausgefiltert.
FTI: Weitere Anwendungsbeispiele für KI aus unterschiedlichen Bereichen
Künstliche Intelligenz (KI) kann im Zusammenspiel mit Robotik enorme Produktivitätssprünge erreichen. Beispiel Forschungslabore. Materialwissenschaftler an der University of British Columbia nutzen einen KI-basierten Ansatz für das Testen einer neuen Art von Solarzelle und protokollieren die Ergebnisse mit einem Roboter, der von einem KI-Algorithmus überwacht wird. Basierend auf den Ergebnissen jedes Experiments bestimmt ein Algorithmus, was als Nächstes für die nächste Versuchsreihe zu ändern ist. Ein 9- bis 12-monatiger Prozess wurde in fünf Tagen abgeschlossen.
Eine Reihe von Startups arbeitet an persönlichen digitalen Zwillingen, die einen Nutzer (online) repräsentieren können. Im Jahr 2021 gab es bei der jährlichen Frühlingsfest-Gala des chinesischen Staatsfernsehens (CCTV) Auftritte von Digitalen Zwillingen bekannter Persönlichkeiten. Vor schätzungsweise einer Milliarde Zuschauern ahmten die KI-Kopien ihre menschlichen Gegenstücke nach; hierbei wurden keine Verhaltensweisen, Reden oder Routinen vorgegeben. Replika ist ein programmierbarer digitaler Zwilling, den Sie für Ihre Freunde einsetzen können. Molly beantwortet Fragen per Text. Die nahe Zukunft könnte digitale Zwillinge für Fachleute Fachkräfte in vielen Bereichen sein, darunter Gesundheit und Bildung.
Im Bereich Computer-Vision können neuronale Netzwerke Geometrie aus einem einzigen Farbbild vorhersagen. Im Jahr 2019 entwickelte das DeepMind-Team ein Generatives Adversariales Netzwerk (GAN), dasVideos aus Bildern erstellt. Beispiel: Nehmen das Foto von einer Person, die einen Basketball hält. Basierend auf der Körperhaltung der Person und anderen Daten im Bild formuliert das GAN ein Hypothese, was wahrscheinlich was als Nächstes passiert. Daraus wird ein Video Clip der Aktion generiert.
Und zu guter Letzt noch ein Anwendungsfall, den man sich gut in einem James Bond-Film vorstellen kann. Wir sind ständig von Funkwellen umgeben, dank der Millionen von WiFi-Routern um uns herum. Obwohl wir sie nicht sehen, hören oder fühlen können, leben wir in einem Feld von 2,4- und 5-Gigahertz-Funksignalen. Jedes Mal, wenn wir uns bewegen, verzerren wir die Wellen. Der Wi-Fi-Sender im Haus sendet und empfängt ständig Informationen, die er in Funkwellen umwandelt. Die Signale sind nicht sehr stark und füllen nur den Raum um uns herum aus. Nun gilt: Mit dem richtigen Gerät ist es möglich, uns dabei zu beobachten, wie wir uns durch die Signale bewegen, während sie an uns und an anderen Objekten abprallen.
Was das in der Praxis bedeutet: Wi-Fi-Signale können genutzt werden, um uns und unsere Bewegungen durch unsere Wände hindurch zu erkennen. Forscher an der University of California, Santa Barbara, nutzten Wi-Fi-Signale aus der Umgebung und ein Smartphone, um nach auffälligen Mustern zu suchen (Änderungen in der Signalstärke). Das Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT und das Massachusetts General Hospital haben ein Gerät entwickelt, das mit einem fortschrittlichen KI-Algorithmus die Funksignale um eine schlafende Person analysiert. Das System übersetzt diese Körperbewegungen dann in die Schlafstadien: leicht, tief oder REM (Rapid Eye Movement).
Ein KI-Landkarte für Deutschland
Auf der Webseite www.plattform-lernende-systeme.de/ki-landkarte.html findet man einen guten Überblick zu Anwendungsfeldern von Künstlicher Intelligenz. Die Anwendungsbereiche lassen sich nach diversen Filterkriterien eingrenzen, etwa nach „KI-Technologiefeld“ (Bilderkennung, Robotik, Sprach-/Textverstehen, Virtuelle Reality, etc.) oder nach „Anwendungsmarkt“ (Agrartechnologie, Bildung, Energie und Umwelt, Handel, etc.). So gelangt man zu einer Übersicht von Produkten/Services auf der Basis von KI-Algorithmen, etwa: “Ausblenden von Störgeräuschen bei Hörgeräten”, “Navigation für Sehbehinderte“ bis zu „Betrugserkennung für die Versicherungsbranche“ und Vieles mehr.
Quelle: www.plattform-lernende-systeme.de/ki-landkarte.html
Zum Weiterlesen
- TOP 6 visionäre Tech-Projekte der Digitalindustrie
- Digitalkompetenz: Python, Maschinenlernen, Data Science für Autodidakten
- Wie Finnland die Bevölkerung auf das digitale Zeitalter vorbereitet: Kostenfreier Onlinekurs zu Maschinenlernen, Künstlicher Intelligenz
- Maschinenlernen für Product Owner, IT Projektmanager (Crashkurs, Teil 8) – Künstliche Neuronale Netze
