Produkt: Kostenloser Download: Alternative Veranstaltungsformate
Kostenloser Download: Alternative Veranstaltungsformate
World Café? Fish Bowl? Oder Brownbag? Unser Download liefert Ihnen die wichtigsten Informationen über alternative Veranstaltungsformate!
Künstliche Intelligenz:

Enorme Potenziale in den Anwendungsgebieten von KI

Die Einsatzmöglichkeiten von KI sind sehr vielfältig: So kann z. B. eine individuell erstellte Software Menschen und Geschlechter auf einem Event automatisiert zählen und Handlungen wie Besucherstrom, Verweildauer, Blickkontakte analysieren. Außerdem kann sie Muster in den menschlichen Reaktionen und Aktionen voraussagen – nicht unbedingt das, was sich der Teilnehmer einer Veranstaltung wünscht, da dies gewissermaßen Eingriffe in seine Privatsphäre sind!

Gehirn-Glühbirne-KI-Idee(Bild: Pixabay)

KI kann zudem genutzt werden, um Produkte, Messestände oder Werbemaßnahmen besser zu gestalten oder platzieren. Denkbar ist auch der Einsatz von KI zur Optimierung der Raumgestaltung und der Anordnung des Mobiliars. Denn via KI kann beobachtet und gelernt werden, wie Menschen gerne stehen, gehen, verweilen und sitzen oder am Gang der Person sogar erkennen, ob sie fröhlich, traurig oder missgestimmt ist. Auch bei der Erstellung von Dokumenten kann KI hilfreich sein, weil man z. B. feststellen kann, bei welchen Themen Menschen am einfachsten Antworten kennen oder geben wollen.

Mit einer KI können auch digitale Callcenter-Agents erstellt werden, die sogenannten Chatbots, die durch künstliche, neuronale Netzwerke bessere/ sinnvollere Ergebnisse liefern, als Chatbots, die nach herkömmlicher Methode programmiert wurden. Die KI kann Sprachsteuerung und Spracherkennung optimieren, Fahrzeuge jeglicher Art und Weise autonom fahren lassen, Stimmen verstellen oder menschliche Gesichter erzeugen. Des Weiteren interaktive Messe-Highlights für Bewegtbilder und Virtual Reality und Augmented Reality verbessern oder sie hilft bei der Produktion von Videos. Überall dort kann sie eingesetzt werden, wo es zu kostenaufwendig ist (oder es an Personal fehlt), einen echten Menschen einzusetzen.


Kleines Glossar

Was ist Künstliche Intelligenz (KI)?

KI steht für künstlich erzeugte, neurale Netzwerke und beschreibt einen mathematischen Lösungsansatz, die den Neuronen des Gehirns nachempfunden ist.

Was ist Machine Learning (ML)?

KI beinhaltet z. B. ML. Darunter versteht man eine Sammlung z. B. von mathematischen Methoden der Mustererkennung. ML wird gerne mit KI zusammen verwendet.

Was ist Deep Learning (DL)?

Bei der Verbindung von neuronalen Netzwerken mit Machine Learning lernt die Maschine nach Vorbild der Natur mit neuronalen Netzwerken und wird dann eingesetzt, wenn MachineLearning an seine Grenzen stößt.

Überwachtes Lernen

Kann sortieren und „lernt“ anhand von Erkennung, ob sich z. B. eine Katze auf einem Bild befindet.

Unüberwachtes Lernen

Hier wissen wir nicht, wie das Ergebnis aussehen wird. Die KI findet mittels Lösungen des ML/DL Muster und Gleichungen und kann so aus großen Datenmengen (Big Data) Muster


Mit Computern die reale Welt scannen

Generell betrachtet ist KI eine mathematische Formel – ein Lösungsansatz aus einem ganzen Spektrum von Ansätzen der Mathematik. KI wird auch gerne zusammen mit Machine Learning, Deep Learning und weiteren Fachbegriffen genannt. Dieser Artikel fokussiert sich innerhalb dieser Disziplinen auf den Bereich der Computer-Vision – dem Versuch, mit einem Computer die reale Welt der Menschen zu erkennen. Noch kürzer: Erkennung von Bildinhalten. Abwägen, Mustern, Vergleichen, bis eine Lösung im Rahmen des menschlichen Denkens einen Sinn ergibt.

Während in den 50er Jahren das Modell der KI erstmals direkt von Alan Turing mit dem Turing-Test erdacht und aufgestellt wurde (Die Fragestellung war damals: Kann ein Computer ein gleichwertiges Denkvermögen besitzen?), kamen später auch Machine Learning und Deep Learning hinzu. Hier geht es um das Lernen mit vorgegebenem Material, denn die KI selber beschreibt „nur“ den Ablauf der Datenverarbeitung und ist dem menschlichen Gehirn über seine Neuronen und Lernfähigkeit nachempfunden. Das Machine Learning wiederum ist der Teil der KI, der sich um das selbstständige Erschließen von Zusammenhängen auf Basis von Beispieldaten bezieht.

Überwachtes Lernen

Dabei unterscheidet sich das Learning in überwachtes Lernen (wir zeigen dem Computer, was er vergleichen soll und wie das Ergebnis auszusehen hat) und unüberwachtes Lernen. Beim überwachten Lernen lernt der Computer z. B., was eine Katze ist, indem wir ihn mit tausenden Fotos von Katzen füttern und im Bild markieren, wo eine Katze zu sehen ist und wo nicht. Wir trainieren die KI. Am Ende kann die KI dann selber „sehen“, ob sich auf einem Bild eine Katze befindet. So kann die KI helfen, z. B. Fotos zu sortieren oder überhaupt deren Inhalte zu lesen.

Unüberwachtes Lernen

Beim unüberwachten Lernen wissen wir nicht genau, wie das Ergebnis aussieht. Der Computer lernt hier aus verschiedensten Informationen, Muster zu erkennen und wiederkehrende Strukturen und Verhalten zu entdecken und zu trennen. So kann das unüberwachte Lernen die Wiederkehrenden Inhalte von Fotos (Formen, Farben usw.) erkennen ohne vorher trainiert zu werden. Über das Erkennen von Mustern kann der Computer letztendlich Dinge trennen oder zählen lernen. Einer so selbst trainierenden KI ist es möglich, Äpfel von Birnen zu unterscheiden, indem sortiert und runde Objekte dann von den birnenförmigen separiert werden. (Dabei weiß die KI allerdings noch nicht, dass alle rund erkannten Objekte mit speziellen Eigenschaften Äpfel sind. Es sei denn, ein Mensch informiert die KI darüber.)

Computer-VR-AR-KI-erweitert(Bild: Pixabay)

Super-KI / starke KI

Aktuelle KIs benötigen möglichst eine große Menge an Datenmaterial zum Lernen. In China kann bei der Entwicklung von besseren/genaueren KI´s auf ein breites Spektrum von z. B. Bildund Bürgerdateien zurückgegriffen werden. In demokratischen Staaten, wie z. B. Deutschland, können aus Datenschutzgründen personenspezifizierte Datenmengen nicht so einfach einer KI zur Verfügung gestellt werden. Die Amerikaner haben eine freie Bibliothek für KI (OpenAI) entwickelt. U. a. wird vermutet, dass hier intern an einer sogenannten Super- Intelligenz gearbeitet wird. Damit bezeichnet man eine KI, die die gleichen intellektuellen Fertigkeiten von Menschen erlangt oder übertrifft. Sollte eine solche Super-KI/starke KI irgendwann einmal existieren (und die Hardware, die es braucht) und auch funktionieren, werden wir erfahren, ob es reicht, „schlauer“ als ein Mensch zu sein oder ob die emotionale Intelligenz doch mehr ist als die Masse und „Verdrahtung“ der Neuronen unseres Gehirns. Vor allem die amerikanische Firma Clearview soll nach eigenen Angaben über drei Milliarden Fotos verfügen. Clearview steht in der Kritik, das sogenannte „Scrapping“ zu nutzen: Die Bilder würden durch ein automatisiertes System von Plattformen wie Facebook, Twitter und Instagram heruntergeladen und analysiert. Die entsprechende Software soll in kürzester Zeit sehr genau fast jeden Menschen über z. B. ein Smartphone erkennen können.

Weitere Infos hier: https://bit.ly/3eE90qb

Zeit für einen Selbstversuch? Wer selber mal KI testen möchte: Es gibt eine freie Datenbank mit über 14 Millionen Bildern zum Üben unter www.image-net.org.

Verschiedene Anwendungsmöglichkeiten von KI

Audiodateien

Computer-Vision beschäftigt sich mit der Bildsprache und Übersetzung von realen / natürlichen Bildern zur Computererkennung: Mittlerweile machen sich auch Wissenschaftler und Programmierer dieses Prinzip zunutze, indem sie die Wellenform von Audiodateien grafisch umarbeiten, damit sie die KI effizienter lesen kann. So können gesprochene Sätze einer anderen Person „zugefüttert“ und ganze Sätze ergänzt werden – in der Sprache der vorher eingegebenen Person!


„Computer-Vision ist der Versuch mit einem Computer die reale Welt zu erkennen, abzuwägen, Muster zu finden und zu vergleichen, bis eine Lösung im Rahmen des menschlichen sehens einen Sinn ergibt.“


Kostenfreie Wortwahl durch Open- Source: Durch neue Erkenntnisse der KI-Forschung werden immer perfektere Nachahmungen möglich. Beispiel: Die kostenlose Real-Time Voice Cloning Toolbox vom KI-Forscher Corentin Jemine, die gesprochene Audiodateien verwendet und analysiert und danach beliebige Texte mit der Stimme wiedergibt.

Weitere Infos: https://bit.ly/2Kmcuj5

Wer sich selber ein „Bild“ von der Software machen möchte, lädt sich das Programm hier herunter: https://bit.ly/2xPLp57

Fotoretusche ohne Bildmotive

Nvidia hat eine cloudbasierte KI veröffentlicht, mit der man Fotos mit wenigen Handstrichen selber erstellen kann. Dazu trainierte der US-Hersteller von Grafikkarten und Chips eine KI mit über 60.000 Fotos und Definitionen von realen Landschaftsaufnahmen. Der KI wurde erklärt, was ein Baum, was eine Straße, ein Berg, Wasser usw. ist. Das Ergebnis: Der Anwender kann mit nur wenigen Handgriffen ein real wirkendes Foto erzeugen, das seinen Vorstellungen entspricht.

Kunst

Vielleicht erinnern Sie sich noch an die verstörenden Bilder von Google unter dem Begriff „computergenerierte Kunst“? Dort stellte der Konzern 2015 ein KI-Programm mit dem Namen Inceptionism vor, das künstliche Kunst generierte. Das Programm versucht, aus einem Bild eine Struktur zu erkennen und diese zu ersetzen. So entsteht aus einer Tanne ein Haus oder aus einer Pflanze ein Vogel. Die Idee hinter der KI: Schau, was du erkennst (z. B. eine Wolke wird als Ente erkannt, und gib mir mehr von dem, was du da erkennst). Zusammen mit der Sammlung von Bildern entstehen über Überlagerungen usw. teils surrealistische Darstellungen.

Quelle: https://bit.ly/2Vqkc1V

Bildbeispiele gibt es hier: https://bit.ly/3btuofH

Auch beeindruckend: Jahrhunderte alte Werke können mit KI zum Leben erweckt werden. Animation der weltbekannten Mona Lisa unter https://bit.ly/2wVLvI0

Deep Fakes

Diese Variante der KI ist spätestens seit 2019 in aller Munde: Köpfe von Pornodarstellern wurden automatisiert gegen prominente Hollywood-Darsteller mittels Deep-Fake ausgetauscht. Der Künstler CTRL Shift face ersetzte z. B. den Original-Schauspieler Arnold Schwarzenegger in Terminator durch Sylvester Stallone.

Für dieses Ergebnis hatte lediglich eine Person am Rechner gesessen, die KI mit einer kleinen Anzahl von Bildern gefüttert und den heimischen PC rechnen lassen …!

Das Video und der Unterschied ansehen:

Mit einem Deep-Fake-Programm und etwas Training der Software können nicht nur Gesichter ausgetauscht werden, sondern auch per Mausklick Umgebungen oder der Look eines einfach gedrehten Videos.

Wir sehen hier zwei Ausschnitte aus dem gleichen Film: Disney´s Neuauflage von „Der König der Löwen“. Einmal in aufwendiger 3D-Animation und einmal im Cartoon-Look aus dem ersten Teil, der 1994 noch klassisch im gezeichneten Stil daher kam. Wem der alte Look besser gefällt als die sehr aufwendige Neuauflage als 3D-Produktion, der kann sich über Deep Fake ein neues Video erstellen.

Unbedingt ansehen – den Ausschnitt dazu finden Sie hier:

Der Faktor Zeit – das Rechenproblem des Machine Learnings

Je nach Feld des maschinellen Lernens, hier aus dem Bereich der Computer- Vision, ist die Lösung immer nur so gut, wie die Trainings-Daten, die hinterlegt sind. Je mehr, desto besser und umso genauer das Ergebnis. Schauen wir uns das einmal am Beispiel des Autonomes Fahrens genauer an.

Das Problem: Da die 3D-simulierte Welt in Echtzeit-3D arbeitet, eine Interaktion also sofort stattfindet, muss der Rechner extrem schnell sein, um diese Daten zu verarbeiten und wiederzugeben. Ein virtueller Ball springt auf die virtuelle Straße vor das virtuelle Auto – was tut die KI jetzt?

Dafür müssen zig Rechenoperationen berechnet werden. Das Auto fährt mit einer Geschwindigkeit und Masse X sowie Reibung der Reifen auf die Straße. Der Ball wird mit einer Wucht von x Kraft in einem Winkel von x auf die Straße geworfen. Dabei wird berechnet, wie viel Luft der Ball verdrängt (Widerstand), wie der Aufschlag auf der Straße oder dem Auto sein wird, wie sich der Ball gegebenenfalls verformt (erneute Kalkulation des Luftwiderstandes) und gänzlich alle physikalischen Eigenschaften von Auto und Ball.

Die Rechenoperationen sind extrem aufwendig und brauchen Zeit. Die Rechner muss diese Szene immer und immer wieder für die KI berechnen. Aus jedem nur erdenklichen Winkel. Der User hat nun die Möglichkeit zu entscheiden, ob die Rechenoperationen sehr genau sein sollen (dafür braucht das KI-Training Tage oder gar Wochen) oder die KI schnell zum Einsatz kommen muss (dann werden die Parameter sehr weit „heruntergestutzt“ und einige physikalische Eigenschaften werden gar ganz gelöscht).

Das Ergebnis: Bei Reduktion der Rechengenauigkeit lernt die KI nicht mehr so genau. Diese Ungenauigkeit vererbt sich dann immer weiter in der Kette und kann dann möglicherweise zu falschen Ergebnissen führen. Fokussiert man sich auf eine sehr hohe Genauigkeit, rechnet sich die KI im doppelten Sinne nicht mehr: Sie wird nicht fertig oder sie kann nur sehr begrenzt sehr genaue Ergebnisse liefern, die nicht wirtschaftlich sind.

KI live erleben: Ein Auto versucht mittels KI einzuparken!

Blick in die Zukunft:

Lösungen für den Weltmarkt Genauer und schneller: Das Leipziger Unternehmen Progressive3D GmbH besitzt mehrere Patente, die es ermöglichen, die Trainings-Daten für die KI in 3D zu optimieren und mit 1.000-facher Genauigkeit und mit 60-facher Geschwindigkeit wiederzugeben. Man bedenke: Eine KI kann teilweise sehr viel schneller reagieren als ein Mensch. Dies gilt auch für das Autofahren. Derzeit ist zu lesen, dass 5G wahnsinnig schnell ist und sich u. a. für die Übertragung von KI-Daten für das autonome Fahren eignen soll. Was grundsätzlich nicht der Fall ist. Ein solch lebenswichtiger Datenstrom kann auch schnell einmal abbrechen, da das 5G-Funksignal sehr anfällig ist für Bäume, vorbeifahrende Autos usw. ist.

Aber zurück zur Geschwindigkeit: 5G verspricht eine Latenzzeit (Anfrage vom Smartphone zum Server und zurück) von ca. 1 bis 2 Millisekunden. Das ist sehr schnell, aber: Auch der Server braucht z. B. bei einer 3D-Simulation 200 Millisekunden für eine Bildberechnung und 2 Millisekunden für die Übertragung. Das ist zu viel. Das Verfahren der Progressive3D GmbH kann die Latenzzeit inkl. der Bearbeitung auf einem Server auf 40 Millisekunden drücken, was zu erheblichen Zugewinnen bei neuartigen Services führt und viele Anwendungen überhaupt erst möglich macht.

Führende KI-Plattformen

  • Google A I Platform
  • TensorFlow
  • Microsoft Azure
  • Rainbird
  • Infosys Nia
  • Wipro HOLMES
  • Dialogflow
  • Premonition
  • Ayasdi
  • MindMeld
  • Meya
  • KAI
  • Vital A .I
  • Wit
  • Receptiviti
  • Watson Studio
  • Lumiata
  • Infrrd

Quelle: https://bit.ly/3cF9FWG


Über den Autor

Sven Schreiber
Sven Schreiber (Bild: Privat)

Top-Speaker Sven Schreiber ist Berater für Digitalisierung sowie seit über 30 Jahren Technologieexperte und Produzent für Virtual- und Augmented Reality sowie Funktechnik wie 5G. Neben einer Berater- und Kreativagentur betreibt er eine Hologramm-Plattform (holo2buy.com) und eine Patentfirma (progressive3d.com), die die Leistungen von Mobiles mit Software verdreifacht. Derzeit halten seine Unternehmen über 27 Auszeichnungen weltweit.

Produkt: events Studentenabonnement Print
events Studentenabonnement Print
Studenten lesen günstiger. Lesen Sie das Fachmagazin events als Heft im Studenten Abo.

Kommentar zu diesem Artikel

  1. Spannendes Themenfeld! Wir haben auf Basis von KI eine Lösung zur sensorgesteuerten Besucherführung entwickelt: [Produktname von Redaktion entfernt]. Wir überwachen damit bereits sehr zuverlässig Maximalkapazitäten in Räumen und kontrollieren hochfrequentierte Zonen, um beispielsweise die Reinigungsintervalle gezielt zu steuern – als Konzeptkomponente zur Einhaltung von Hygieneauflagen aus diversen Gründen daher bestens geeignet! Auch für Aussteller liefert die KI spannende Auswertungsmöglichkeiten (Verweildauer am Stand, vor Exponaten, Geschlechterverteilung, usw.).

    Auf diesen Kommentar antworten

Schreiben Sie einen Kommentar

Ihre E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Das könnte Sie auch interessieren