KI als Helfer, niemals als Herrscher

Wie können Computer in 12 Stunden verarbeiten, was der Mensch in 100 Jahren entwickelt hat?

Geschwindigkeit und Rechenleistung

Moderne Quanten Computer können Daten bahnbrechend rasant verarbeiten. Während die kognitive Ressourcen des Menschen begrenzt sind, bewältigen Maschinen riesige Datenmengen in parallelisierten Prozessen mit Millionen von Berechnungen pro Sekunde.

Vortrainierte Modelle

Vortrainierte Modelle basieren auf den Erkenntnissen und Daten, die Wissenschaftler über viele Jahre hinweg gesammelt haben. Diese Modelle bauen auf bereits vorhandenem Wissen und Daten auf, die sie dann in bisher unvorstellbarer Geschwindigkeit verarbeiten und anwenden können.

Große Datenmengen

Maschinelles Lernen und KI-Modelle erkennen Muster in riesige Datenmengen (Big Data). Das Modell durchläuft n kürzester Zeit Millionen von Dokumenten und extrahiert Informationen, die Menschen über Jahre hinweg manuell erarbeiten würden. Das bündelt parallel das Wissen vieler Experten in einem Modell.

Stell dir eine riesige Bibliothek mit Büchern vor, der Mensch braucht Jahre, jedes Buch zu lesen und zu verstehen. Das KI-Modell hingegen kann innerhalb von Stunden durch diese Bibliothek "lesen" und Muster erkennen, weil es gleichzeitig viele Bücher analysieren und die wichtigsten Informationen extrahieren kann. Es ist wie ein Super-Leseassistent, der hilft, schneller auf Wissen zuzugreifen.

Abfragegeschwindigkeit

Große Datenbestände werden oft basierend auf Wahrscheinlichkeiten vorverdichtet. Das bedeutet, dass die Modelle Muster und Trends in den Daten erkennen und diese Informationen zusammenfassen, um sie schneller zugänglich zu machen. So werden weniger relevante Details ausgeblendet und nur die wichtigsten Informationen hervorgehoben, was die Abfragegeschwindigkeit erhöht.

Generierung durch Datenmodell

Umgekehrt können diese vorverdichteten Informationen verwendet werden, um neue Texte schnell zu erstellen. Basierend auf den erlernten Mustern und Strukturen kann ein KI-Modell neue Inhalte generieren, die kohärent und relevant sind. Dies geschieht durch die Nutzung der erkannten Wahrscheinlichkeiten, welche Wörter und Phrasen am besten zusammenpassen.

Definierte Anwendungsbereiche

KI-Modelle sind darauf spezialisiert, bestimmte Aufgaben zu erfüllen. Sie sind keine allwissenden Instanzen, sondern IT-Werkzeuge, die Menschen in bestimmten Bereichen unterstützen.

Beispiele aus dem Alltag:

• Bildvergleich in der Krankheitsdiagnose: In der Medizin wird KI verwendet, um Tumore bei Gewebeveränderungen zu erkennen. Durch das Vergleichen von Millionen von medizinischen Bildern kann ein vortrainiertes Modell schnell Auffälligkeiten erkennen, die ein menschlicher Arzt vielleicht übersehen würde.
• Sprachassistenten: Sprachassistenten wie Siri oder Alexa nutzen vortrainierte Modelle, um gesprochene Sprache zu verstehen und darauf zu reagieren. Diese Modelle analysieren unzählige Sprachbeispiele, um Sprachmuster zu lernen und in Echtzeit darauf zu reagieren.
• Produktinnovation durch Kundendaten: Ein Unternehmen sammelt anonymisiertes Feedback von Kunden über verschiedene Kanäle wie Umfragen, Social Media und Rezensionen. Die KI-Modelle analysieren diese Daten, um Muster und Trends zu erkennen. Zum Beispiel könnte die KI feststellen, dass viele Kunden den Wunsch nach einer bestimmten Funktion in einem Produkt äußern. Basierend auf diesen Erkenntnissen kann das Unternehmen gezielte Verbesserungen vornehmen und neue Funktionen entwickeln, die den Bedürfnissen der Kunden entsprechen. Dies führt zu einer höheren Kundenzufriedenheit und stärkt die Bindung der Kunden an die Marke, ohne dabei in die Privatsphäre der Nutzer einzugreifen

Die Angst vor technischen Übergriffen oder einer Verselbständigung von Künstlicher Intelligenz ist weit verbreitet und oft emotional geprägt. Um diese Ängste auf eine rationale Ebene zurückzubringen, ist es wichtig, die Geschichte der Technologie und ihre Fehler zu betrachten.

Beispiele für technische Fehler und deren Auswirkungen:

• Historischer Fortran-Tippfehler: Ein bekanntes Beispiel ist der Fortran-Programmierfehler, der zum Absturz einer Rakete führte und deutlich machte, wie gravierend Programmierfehler sein können.

• Mechanische Unfälle: Ebenso können mechanische Unfälle schwerwiegende Konsequenzen haben. Einmal führte das Durchtrennen eines Glasfaserkabels durch einen Bagger zur Lahmlegung des Frankfurter Flughafens.

Technologische Risiken und menschliche Faktoren:

• Vorsätzliche strafbare Handlungen: In jedem Kontext können vorsätzliche strafbare Handlungen erhebliche negative Auswirkungen haben. Denken wir hier mit einem Augenzwinkern an Watzlawik und den Hammer beim Nachbarn. Solche Beispiele verdeutlichen, dass technische und menschliche Fehler nicht neu sind.

• Ethik und Kontrolle: Deshalb ist es essenziell, dass wir ethische Regeln und Kontrollgremien auch im Bereich der Künstlichen Intelligenz weiterentwickeln. So stellen wir sicher, dass diese Technologien als Werkzeuge dienen, um unsere Fähigkeiten zu erweitern und uns in unserer Arbeit zu unterstützen, ohne die Kontrolle zu verlieren.