Aue
Was macht unsere Geräte smarter?
Kein Hersteller, der heutzutage etwas auf sich hält, bringt noch ein Gerät ohne Künstliche Intelligenz (KI) auf den Markt. Ob eine KI nun die Akkulaufzeit beim Smartphone verbessert, Fotos optimiert oder sich im Smart Home über Gesichtserkennung alles öffnen lässt, sie kommt in vielen Anwendungsszenarien zum Einsatz. Doch wie funktioniert sie eigentlich und welche Prozesse laufen im Hintergrund ab? Zunächst einmal lernen die Geräte aufgrund „Machine Learning“ jeden Tag etwas mehr dazu. Vieles, was als KI verkauft wird, ist also in Wahrheit „nur“ maschinelles Lernen. Durch dieses maschinelle Lernen wird ein Softwaresystem in die Lage versetzt, große Datenmengen zu analysieren, Muster zu erkennen und Lösungen zu entwickeln. Durch diesen Lernprozess entwickelt das System Algorithmen, die den Fortschritt einleiten. In der Theorie soll das System bekannte Daten beurteilen und einordnen, was jedoch in der Praxis noch nicht ganz umsetzbar ist, da häufig aus den Algorithmen falsche Schlüsse gezogen werden.
Ziehen wir das Beispiel Filmanalyse für das bessere Verständnis heran: Das Münchner Startup Luminovo hat gemeinsam mit ProSieben/Sat.1 eine Lösung entwickelt, die Filmmaterial auf nicht jugendfreie Inhalte überprüft. Das System zielt darauf ab, menschliche Entscheidungen zum Thema „jugendfreier Film - ja oder nein“ zu verstehen und umzusetzen. Natürlich muss das System in seiner Anfangsphase noch vom Menschen überwacht werden, da sich sonst viele Fehler einschleichen und die falschen Filme ausgestrahlt oder die richtigen zensiert werden. Prinzipiell muss der Algorithmus trainiert werden, damit es nicht zu Fehleinschätzungen kommt. In erster Linie ist das eine mechanisch-mathematische Frage, da es beim maschinellen Lernen hauptsächlich um mathematische Modelle und Algorithmen und um die Frage, wie ein Computersystem lernt, geht.
Smart Home und KI
Im Smart Home findet sich Künstliche Intelligenz in allen Bereichen, in denen es um intelligente Steuerung geht. Intelligente Algorithmen sorgen dafür, dass Apps und Hubs nicht nur Daten erfassen (etwa zu Lichtverhältnissen oder Temperatur), sondern auch auf die Daten reagieren (Licht anschalten, Heizung drosseln). In einem zweiten Schritt können dann aus den vorhandenen Daten Muster erkannt und langfristige Empfehlungen gegeben werden, beispielsweise zu einer sinnvollen Energieversorgung.
Auch die Art, wie Menschen und Maschinen miteinander kommunizieren, ändert sich durch Künstliche Intelligenz. Intelligente Systeme lassen sich dank Künstlicher Intelligenz per Spracheingabe steuern. Zunächst folgen Sie jeder Konversation, um das Stichwort (auch Wakeword) für ihren Einsatz nicht zu verpassen. Dann senden sie den erhaltenen Befehl an den angebundenen Server. Dort wird er mit einer großen Zahl hinterlegter Befehle abgeglichen und die entsprechende Antwort wird samt Handlungsanweisung zurückgeschickt.
Parallel dazu werden diese Daten gesammelt, sodass ein Smart Speaker die Wünsche seines Anwenders immer besser erkennen und erahnen kann, je länger er in einer Umgebung dient. Auch hier werden auf Basis der vorhandenen Daten Muster erstellt und bestimmte Szenarios abgeleitet, beispielsweise dass nach dem morgendlichen Befehl „Licht an“ meist noch die Bitte nach dem aktuellen Wetter, den Verkehrsbedingungen auf dem Weg zur Arbeit und den TopNews des Tages folgen.
KI in Spielen
Trotz der Namensgleichheit darf man Künstliche Intelligenz in der Forschung und Kl in Spielen nicht direkt gleichsetzen. Das, was man lange Zeit als .KI in Spielen betrachtete, hat nur wenig damit zu tun, was heute in der Forschung als Künstliche Intelligenz bezeichnet wird.
Künstliche Intelligenz, wie sie heute definiert wird, meint damit meist "Machine Leaming", das Sammeln, Verarbeiten und die Anwendung von Informationen. Dies bedeutet in der Praxis beispielsweise, einem Bilderkennungsalgorithmus zehntausende Bilder von Bäumen zu zeigen, bis dieser Algorithmus relativ sicher einen Baum in einem Bild erkennen kann. Es gibt aktuell einige Forschungsprojekte, die Machine Learning und Deep Learning mit Videospielen kombinieren, beispielsweise DeepMind, die von Google aufgekauft wurden. Auch wenn die Spielduelle mit menschlichen Gegnern hier vor allem der Demonstration gelten und die eigentliche Kl für Anwendungsfälle in der Industrie gedacht ist.
Die Kl in Spielen, also beispielsweise Gegnerverhalten und Reaktion der Spielwelt auf den Spieler, basierte viele Jahre nur auf festen Regeln und starren, vordefinierten Aktionen. Intelligent war dies nicht.
Ein zweiter wichtiger Grund dafür, warum Spiele nicht direkt als Künstliche Intelligenz betrachtet werden können: Die Intelligenz des Spiels lebt im Spiel selbst, in der Spiele-Engine, dem Grundgerüst des Spieles. Das macht sie potenziell allmächtig, denn sie könnte jeden Winkel des Spieles und jeden Tastendruck des Spielers kennen. Daher gilt es, Verhaltensmodelle für digitale Figuren zu entwickeln, die nur so viel wissen und gleichzeitig genügend Varianz im Verhalten haben, dass sie glaubwürdig wirken. Diese Modelle haben Regeln für ihr Verhalten, können Informationen erfassen und merken sich dies Gleichzeitig dürfen sie nicht zu komplex werden .Modelle künstlicher Intelligenz, die ein Spiel effektiv so spielen könnten, wie ein Spieler es sieht, gibt es derzeit nur in Grundzügen.