Artificial Intelligence und Machine Learning werden im Zusammenhang mit dem Thema Big Data oft synonym füreinander verwendet. Dennoch gibt es wesentliche Unterschiede in der Bedeutung. So ist Machine Learning lediglich eine Applikation basierend auf der Idee, Maschinen Zugang zu Daten zu gewähren, mit Hilfe derer sie sich die Materie selber beibringen. Kontrastierend dazu wird im Zusammenhang mit Künstlicher Intelligenz von einem größeren Konzept gesprochen, nämlich das schlaue Ausführen von Aufgaben.
Sehr stark vereinfacht kann das Verhältnis in etwa so beschrieben werden: “Alle Daumen sind Finger, doch nicht alle Finger sind Daumen.”
Künstliche Intelligenz kann grundsätzlich in zwei Gruppen unterteilt werden:
Angewandte AI ist die gängigere der beiden Varianten und beinhaltet beispielsweise Systeme, die kreiert wurden um intelligent Aktien und Wertpapiere zu handeln oder autonome Kraftfahrzeuge zu manövrieren
Allgemeinere AI kann theoretisch jede Aufgabe meistern. Obwohl sie weniger weit verbreitet ist, können in diesem Bereich derzeit die spannendsten Neuerungen beobachtet werden. In diese Kategorie fällt auch das vorher genannte Machine Learning.
Machine Learning wurde hauptsächlich durch zwei Durchbrüche auf die Überholspur befördert. 1959 erkannte der US-amerikanische Elektroingenieur und Informatiker Arthur Samuel, dass Computer eigenständig lernen könnten, anstatt etwas beigebracht zu bekommen – eine Erkenntnis mit weitreichenden Folgen Der zweite in diesem Zusammenhang erwähnenstwerte Durchbruch, die rapide Zunahme des digitalen Informationsflusses, ging mit Hervortreten des Internets einher. In weiterer Folge nutzten Programmierer und Ingenieure diese Denkanstöße um Maschinen so zu kodieren, dass sie menschlich denken und sich mit dem vernetzten Wissen des Internets immer wieder neues Wissen eigenständig aneignen können.
Neuronennetzwerke
Ein Neuronennetzwerk ist ein Computersystem,kreiert um beim Klassifizieren von Informationen zu arbeiten wie ein menschliches Gehirn es tun würde. Gegenüber dem Menschen haben die Netzwerke jedoch den Vorteil, schneller, akkurater und nicht voreingenommen zu sein.
Machine Learning Applikationen erkennen beispielsweise, ob eine Nachricht Glückwünsche oder eine Beschwerde darstellt,oder welche Emotionen durch eine bestimmte Musik hervorgerufen würden. Aus diesen Möglichkeiten sowie fantastischen Zukunftsvisionen entwickelte sichdie Idee, mit technischen Geräten und digitaler Information so zu interagieren wie mit Menschen. Folglich entsprang daraus ein weiteres Feld der AI: Natural Language Processing (NLP).
NLP Applikationen versuchen menschliche Kommunikation sowohl in Schrift als auch in Sprache zu verstehen und in einer ähnlich natürlichen Sprache zu antworten. Machine Learning hilft hierbei, die unterschiedlichen Nuancen von Sprache zu eruieren und auf den jeweiligen Gesprächspartner abzustimmen.
Obwohl die Möglichkeiten im Bereich der AI noch lange nicht ausgeschöpft sind, scheint Machine Learning für immer mehr Branchen zunehmend an Attraktivität zu gewinnen. Im Gegensatz zu AI wirkt es nämlich wie das moderne,neue Spielzeug. Und am wahrscheinlich wichtigsten: Es hat hier und jetzt etwas zu bieten.
Ihr Future-Law Team,
Sophie Martinetz & Sophie Werner
