in Künstliche Intelligenz

Die Sonne scheint für die künstliche Intelligenz – nur nicht in Deutschland

Die nächste Stufe der Maschinenintelligenz steht vor deiner Tür. Es ist eine selbstlernende, motivierte Software. Teams aus den USA stehen in den Startlöchern, prall gefüllte VC-Taschen warten darauf geleert zu werden. Aus Deutschland kommt bisher nicht viel.

Seit einiger Zeit beschäftige ich mich mit Startups im Bereich Maschinenintelligenz (Buzzwords: künstliche Intelligenz, Artifical Intelligence, Machine Intelligence, Artifical General Intelligence, etc.).

Dazu habe ich Bücher gelesen (Kurzweil, Stross, Gibson, Banks, Eggers, Pistono, Istavan), Leute interviewt (danke), Startups und Konferenzen besucht sowie unzählige wissenschaftliche Veröffentlichungen studiert.

Dabei kam eine Vielzahl an Schlagworten raus, welche wiederum tiefere Bedeutungen haben: Deep reinforcement learning, neural networks, computer vision, agent technologies, semantic web, neural learning, face, text and speech recognition, computational linguistics, graph theory, binary, fuzzy logic, symbol grounding, cognitive science, neural representation, sensor nodes, OpenCV implementation, Markov random fields, Bolzmann machines, bayesian networks, convolutional neural networks und Vieles mehr. Gefühlt habe ich diese Begriffe bis vor einigen Monaten noch nie gehört. Du etwa?

Es geht um die nächste Stufe der Maschinenintelligenz. Man nennt die bisherige Zeit den AI-Winter. Damit bezeichnet man eine Periode, wo künstliche Intelligenz durch Computer keine nennenswerten Sprünge gemacht hat. Seit den 2000er (Ende der Dotcom Blase) war es um die klassischen AI ruhig geworden. Das Feld hat sich stattdessen in kleinere Segmente aufgeteilt. Wir haben in den vergangenen 15 Jahren viel an Maschinenintelligenz gewonnen: SaaS, Hedge-Funds-Algorithmen, Gesichts- und Spracherkennung, Siri. Es ist nicht so, dass die Maschinen dümmer geworden sind. Du hast auf deinem Handy eine Menge Software, die dir Arbeit abnimmt: Whatsapp, Gmail und Facebook (statt Briefe schreiben oder anrufen), Google Maps (statt Straßenkarten), Browser (statt in die Bücherei zu gehen), Spotify (statt CDs einlegen), usw.. Maschinen nehmen uns täglich Arbeit ab, machen das Leben angenehmer und schaffen uns damit ein Überschuss an freier Zeit.

Selbstlernende und motivierte Software

Der nächste Sprung muss sein, dass Software anfängt zu lernen. Maschinenintelligenz bedeutet für mich, dass eine Anwendung (Software) aufgrund vorheriger Vorgänge besser wird. Man kann sagen, dass man der Software eine Motivation mitgibt. Die Motivation kann lauten: Hilf mir Geld zu sparen (Buchhaltung), reduziere die Energiekosten (Gebäudeverwaltung), bring mich auf dem schnellsten Weg nach Hause (Auto), organisiere meine Termine bestmöglich bei Maximierung meiner Freizeit (Personal Assistent). Jedes Mal wenn ich eine Software oder App verwende, ärgert es mich, dass diese nicht besser wird. Jedes Baby lernt schneller. Also muss Software wie ein Baby werden. Software muss lernen. Software muss verstehen, wenn sie richtig oder falsch gehandelt hat; daraus Schlussfolgerungen ziehen und beim nächsten Mal den Fehler vermeiden.

Die Technologie ist bereits vorhanden. Mit Deep learning und neuronalen Netzen, kann eine Software Muster erkennen. Diese Muster werden in Klassen und Kategorien einsortiert. Anschließend werden die Daten verarbeitet, eine Prognose erstellt und die Maschine trifft eine Entscheidung. Der Mensch gibt Feedback, ob diese Entscheidung richtig war. Beim nächsten Durchgang hat die Maschine gelernt und verbessert sich.

Software die lernen kann, dies ist keine Zukunft sondern die Gegenwart. Zahlreiche Tech-Konzerne verwenden dies bereits intern. Baidu für bessere Textanzeigen, IBM, Facebook für Gesichtserkennung und den Stream, Netflix für Empfehlungen, Youtube zur Klassifikation von Videos, Snapchat als Spamschutz, Google für die Suchmaschine, Bildersuche und das fahrende Auto.

Über 400 Millionen USD flossen in amerikanische AI Startups in 2014 und 2015

Erst letztes Jahr kaufte Google die Firma Deepmind für 500 Millionen $. Wohlgemerkt waren es nur 10 Mitarbeiter und diese arbeitet nun für die interne Google Forschungsabteilung. Das Wissen ist vorhanden und jetzt ist es unerreichbar hinter Mauern.

Für Startups aus dem Bereich Maschinenintelligenz sind es wieder gute Zeiten. Sentinel bekamt 146 Millionen, Cortica 40M, vicarious 72M, DeepMind erhielt vor seinem Exit 50M, AlchemyIP wurde von IBM gekauft. Ebenso nennenswert mit großen Finanzierungen sind blue prism, digital genius, kensho, wise.io, nara logics, x.ai, clarifai, bigml, MetaMind, Orbital Insight, atomwise oder neokami.

Jetzt kommt es. Es sind erneut (fast) nur amerikanische Startups aus dem Valley. Ebenso ist auffällig, dass die gleichen Investoren die Deals unter sich ausmachen: Khosla, Horizon, Access, Founder’s Fund, Google, OS Fund, Mission and Market und Lumia.

Wo sind denn die Europäischen Startups? Welche europäischen Kapitalgeber haben bahnbrechende AI Startups finanziert? Auf Gründerseite sowie auf VC Seite sieht es erneut so aus, als würden wie Amerikaner uns davon fahren. Wie das ausgeht, sehen wir an Facebook (statt StudiVZ), Google (statt Lycos), Amazon (statt Otto) oder Microsoft (statt SAP). Tote Hose hier – erneut.

Langsam und stetig ersetzt Maschineninzelligenz die menschliche Arbeit

Doch jetzt zurück zur Maschinenintelligenz. Du musst dir vorstellen, dass du demnächst deine Software wie einen Agenten behandeln kannst. Das bedeutet, du gibst der Software ein Ziel und kontrollierst das Ergebnis. Innerhalb eines Rahmes, darf die Software eigene Entscheidungen treffen. Das ist ungemein angenehm und spart uns Menschen viel Zeit, Geld und Energie.

Nehmen wir folgendes Beispiel: Die Maschinenintelligenz (nennen wir sie der Einfachheit halber AI) wertet die Satellitenbilder aus, die es per API vom Vermarkter bekommt. Diese Bilder werden analysiert und auf den richtigen Erntezeitpunkt eines Kornfeldes ausgewertet. Kombiniert mit der Wettvorhersage, schickt die AI ein Signal an die Flotte an selbstfahrenden Claas Mähdreschern und diese fangen an das Feld zu ernten. Ein vollautomatisierter Prozess, der am Ende die Produktivität unseres Grund- und Bodens erhöht und zugleich Arbeitszeit einspart. Die KI entscheidet über den Zeitpunkt der Saat und Ernte, die Menge der Düngemittel und steuert die Maschinen. Bereits heute fahren zahlreiche Landmaschinen von alleine – no Human needed.

Maschinen – unsere Sklaven der Moderne

Die Verwendungsbereiche sind bekannt. Die Bank Barclays entlässt 100.000 Mitarbeiter aufgrund von Automatisierung. Keine Überraschung, wenn man bedenkt, dass 99,9 % des Produktes von Banken digital ist (Ausnahme das etwas Bargeld in deiner Tasche).

Alle Jobs sind betroffen, wo es darum geht Muster zu erkennen und Entscheidungen zu treffen. Dies sind Sachbearbeiter bei Versicherungen und Ämtern, Buchhalter, Radiologen, Aktienhändler und Mitarbeiter im Kundensupport eines Onlinehändlers.

Der Prozess ist schleichend. Erst unterstützt Software uns, doch nach und nach werden einfach weniger neue (menschliche) Stellen erschaffen, als gleichzeitig wegfallen. Keiner wird entlassen, weil eine lernende Software eingeführt wird, doch außer den IT-Experten, wird auch Niemand mehr eingestellt.

An dich: Ich liebe es, über AI und die Auswirkungen zu diskutieren. Wir können uns gerne in Berlin auf ein kühles Getränk treffen und Gedanken austauschen. Ebenso bin ich dankbar für Hinweise auf Startups aus diesem Bereich die in Europa sitzen. Wir brauchen mehr davon!

Komm in meine Berlin Futuristen Meetup Gruppe und wir können persönlich diskutieren.

Interessant?