Bei künstlicher Intelligenz geht es nicht nur um Effizienz und die Rationalisierung mühsamer Aufgaben. Dank maschinellem Lernen und Deep Learning können KI-Anwendungen nahezu in Echtzeit aus Daten und Ergebnissen lernen, neue Informationen aus vielen Quellen analysieren und sich entsprechend anpassen, und das mit einer Genauigkeit, die für Unternehmen von unschätzbarem Wert ist. (Diese Fähigkeit, selbst zu lernen und sich selbst zu optimieren, bedeutet, dass KI den geschäftlichen Nutzen, den sie erzeugt, kontinuierlich steigert. Künstliche neuronale Netze und Deep-Learning-Technologien für künstliche Intelligenz entwickeln sich rasch weiter, vor allem weil KI große Datenmengen viel schneller verarbeitet und genauere Vorhersagen macht als der Mensch.
Deep Learning wird zunehmend auch für die Spracherkennung eingesetzt und ist somit eine Form der Verarbeitung natürlicher Sprache, die weiter unten beschrieben wird. Im Gegensatz zu früheren Formen der statistischen Analyse hat jedes Merkmal in einem Deep-Learning-Modell in der Regel wenig Bedeutung für einen menschlichen Beobachter. Folglich kann die Erklärung der Modellergebnisse sehr schwierig oder unmöglich zu interpretieren sein.
Deep Learning-Techniken ermöglichen dieses automatische Lernen durch die Aufnahme großer Mengen unstrukturierter Daten wie Text, Bilder oder Videos. Das Konzept basiert auf der psychologischen Prämisse, dass andere Lebewesen Gedanken und Gefühle haben, die das eigene Verhalten beeinflussen. In Bezug auf KI-Maschinen würde dies bedeuten, dass KI verstehen könnte, wie Menschen, Tiere und andere Maschinen fühlen und durch Selbstreflexion und Entschlossenheit Entscheidungen treffen, und diese Informationen dann nutzen würde, um eigene Entscheidungen zu treffen. Die Auswirkungen der künstlichen Intelligenz auf die Gesellschaft sind sehr umstritten.
Darüber hinaus wird die KI immer greifbarer: Sie treibt Autos an, diagnostiziert Krankheiten und festigt ihre Rolle in der Popkultur. Im Jahr 1997 besiegte Deep Blue von IBM den russischen Schachgroßmeister Garri Kasparow und war damit das erste Computerprogramm, das einen Schachweltmeister besiegte. Vierzehn Jahre später zog IBMs Watson die Öffentlichkeit in seinen Bann, als es in der Spielshow Jeopardy! In jüngster Zeit verblüffte die historische Niederlage des 18-fachen Go-Weltmeisters Lee Sedol gegen AlphaGo von Google DeepMind die Go-Gemeinde und markierte einen wichtigen Meilenstein in der Entwicklung intelligenter Maschinen. Dies ist die Verarbeitung der menschlichen Sprache durch ein Computerprogramm. Eines der älteren und bekanntesten Beispiele für NLP ist die Spam-Erkennung, bei der anhand der Betreffzeile und des Textes einer E-Mail entschieden wird, ob es sich um Junk-Mails handelt.
Regierung und Unternehmen zogen sich aus der Unterstützung der KI-Forschung zurück, was zu einer Brachperiode von 1974 bis 1980 führte, die als der erste „KI-Winter“ bekannt wurde. Dies kann problematisch sein, da die Algorithmen des maschinellen Lernens, die vielen der fortschrittlichsten KI-Tools zugrunde liegen, nur so intelligent sind wie die Daten, die ihnen beim Training zur Verfügung gestellt werden. Da ein Mensch auswählt, welche Daten zum Trainieren eines KI-Programms verwendet werden, ist das Potenzial für Verzerrungen beim maschinellen Lernen inhärent und muss genau überwacht werden. KI und maschinelles Lernen stehen ganz oben auf der Liste der Schlagwörter, die Sicherheitsanbieter heute verwenden, um ihre Angebote zu differenzieren.
Bestimmte Anwendungen als „künstliche Intelligenz“ zu bezeichnen, ist so, als würde man ein Auto als „Fahrzeug“ bezeichnen – es ist zwar technisch korrekt, deckt aber keine der Besonderheiten ab. Um zu verstehen, welche Art von KI in der Wirtschaft vorherrscht, müssen wir tiefer graben. Der Discovery-Prozess – das Durchsuchen von Dokumenten – in der Rechtswissenschaft ist für Menschen oft überwältigend. Der Einsatz von KI zur Automatisierung der arbeitsintensiven Prozesse in der Rechtsbranche spart Zeit und verbessert den Kundenservice. Anwaltskanzleien nutzen maschinelles Lernen zur Beschreibung von Daten und zur Vorhersage von Ergebnissen, Computer Vision zur Klassifizierung und Extraktion von Informationen aus Dokumenten und natürliche Sprachverarbeitung zur Interpretation von Informationsanfragen.
1997 wurde der amtierende Schachweltmeister und Großmeister Gary Kasparow von IBMs Deep Blue, einem schachspielenden Computerprogramm, besiegt. Dieses öffentlichkeitswirksame Match war das erste Mal, dass ein amtierender Schachweltmeister gegen einen Computer verlor, und diente als großer Schritt in Richtung eines künstlich intelligenten Entscheidungsfindungsprogramms. Im selben Jahr wurde die von Dragon Systems entwickelte Spracherkennungssoftware in Windows implementiert. Dies war ein weiterer großer Schritt nach vorn, allerdings in Richtung der Bemühungen um die Interpretation gesprochener Sprache. Sogar menschliche Emotionen waren ein faires Spiel, wie Kismet, ein von Cynthia Breazeal entwickelter Roboter, der Emotionen erkennen und darstellen konnte, bewies.
KI erfordert eine Grundlage aus spezialisierter Hardware und Software zum Schreiben und Trainieren von Algorithmen für maschinelles Lernen. Es gibt keine Programmiersprache, die gleichbedeutend mit KI ist, aber einige, darunter Python, R und Java, sind sehr beliebt. Der Einsatz von künstlicher Intelligenz hat sich schleichend entwickelt und ist inzwischen KI Beratung Teil des täglichen Lebens. Für viele Unternehmen stellt sie die erste Sicherheitsmaßnahme in Form einer biometrischen Authentifizierung dar. Diese Art der Authentifizierung ermöglicht es selbst den offiziellsten Organisationen wie der US-Steuerbehörde, die Identität einer Person anhand einer durch maschinelles Lernen generierten Datenbank zu überprüfen.
Obwohl sich diese Regierungsvertreter nicht in erster Linie auf Wissenschaft und Cyberdiplomatie konzentrieren, äußern sich auch andere Institutionen zum Einsatz von künstlicher Intelligenz in der Cybersicherheit mit diesem Schwerpunkt. Diese Schwachstelle kann eine plausible Erklärung dafür sein, warum Russland keine KI in Konflikten einsetzt, so Andrew Lohn, ein Senior Fellow am CSET. Das Pentagon setzt KI nicht nur auf dem Schlachtfeld ein, sondern auch bei der Analyse von Kriegsdaten, um die Cybersicherheit und die Kriegsführung der Vereinigten Staaten zu verbessern. Künstliche Intelligenz dient nicht als Ersatz für menschliche Intelligenz und Erfindungsgabe, sondern wird im Allgemeinen als unterstützendes Werkzeug gesehen. Obwohl die künstliche Intelligenz derzeit Schwierigkeiten hat, einfache Aufgaben in der realen Welt zu erledigen, ist sie in der Lage, große Datenmengen viel schneller zu verarbeiten und zu analysieren, als es ein menschliches Gehirn könnte.
