Deep Learning mag die Sperrspitze der KI sein und ihrer Vorstellung nahekommen, wie sie in Science-Fiction Filme oftmals dargestellt wird. Dies ist natürlich immer mir einem Bezug auf Gut und Böse zu verstehen, je nachdem wie die Filme ausgerichtet sind. Wobei geht es nun bei dem Deep Learning in unserem Diesseits? Eigentlich sind damit selbstlernende Systeme zu verstehen, die ähnlich wie beim Menschen wie neuronale Netze funktionieren. Das ist auch die Basis, die hinter Deep Learning steckt. Erste Ansätze und Forschungen gehen sogar auf die frühen 1940er Jahre zurück. Neuronale Netze dienten als Vorbild für diese Untersuchungen.

Das war bisher lange Zeit nicht machbar, da es die technischen Möglichkeiten für selbstlernende Systeme nicht gab. Das hat sich nun mit zunehmendem technischem Fortschritt grundlegend geändert. Sie können mittlerweile in vielen Bereiche eingesetzt und dort sehr hilfreich werden. Deswegen ist das Thema so brisant wie noch nie zuvor. Nachstehend folgen nach einer detaillierten Definition, Beispiele, die der Sichtweise von Yosi Taguri, dem Gründer und Head von MissingLink.ai ist, entsprechen und als relevante Einsatzgebiete gelten. MissingLink.ai ist im Übrigen ein Anbieter von Deep Learning Plattformen in Israel.

Deep Learning und neuronale Netze

Die Definition von neuronalen Netzen ist ein Gebilde aus untereinander vernetzten Neuronen, Gewichten sowie Schwellwerten. Die eigentliche Vernetzung und Anordnung (Topologie) dieser spielt dabei eine wesentliche Rolle. Die Deep-Learning-Topologien zeigen viele Schichten von Neuronen, die von Eingangssignale bzw. Features in der Fachsprache genannt angesprochen und diese sogar abstrahieren können. Da dahinter eine tiefe Verschachtelung steckt, wird dieser Eigenschaft der Name „Deep Learning“ zugesprochen. Es besteht meistenteils aus Faltungsnetzwerke bzw. Convolutional Networks. Sie eigenen sich insbesondere für die Bilderkennung und dessen Auswertung. Wie dies genau funktioniert, beschreibt bereits das nachfolgende erste Beispiel.

Deep Learning in der Verkehrssicherheit

Das autonome Fahren schreitet voran. Das Ziel der Autobauer ist es, dass selbstlernende Systeme das Fahren auf langen Strecken komplett übernehmen. Untersuchungen zeigen, dass die Software aus Erfahrungen lernt und sie abspeichert. Sie kann zwischen Fußgängern und Gegenständen auf und neben der Fahrbahn unterscheiden. Selbst recht unkenntliche Verkehrsschilder, die durch Schatten oder Gegenlicht schlechter zu erkennen sind, kann mittels Deep Learning erfasst und als Wissensstand zugefügt werden. Selbstlernende Systeme scheinen sogar fehlerfreier als Menschen zu sein. Das haben Untersuchungen bestätigt. Das ist ein wichtiges Argument, die Forschung und Anwendung in diesem Bereich weiter zu betreiben.

Das Potential im Gesundheitsbereich

Deep Learning ist datenhungrig. Kein Bereich bietet mehr Nährstoff, diesen unglaublichen Wissensdurst zu stillen, als die Medizin- und Gesundheitsbranche. Denn es sind millionenfach Proben entnommen und Daten erfasst worden, die allerdings noch nicht ausgewertet worden sind. Das Ziel dahinter ist sehr eindeutig. Wird Deep Learning intensiver eingesetzt, kann es helfen, Ursachen von Krankheiten zu erkennen und Therapieformen zu entwickeln. Das kann den Erfolg um ein Vielfaches beschleunigen und die medizinischen Therapieformen weiter vorantreiben.

Cybersicherheit – wichtiger denn zuvor

So schnell wie sich gerade in Zeiten der digitalen Vernetzung und Arbeitswelten die dazugehörige Technik entwickelt, desto steigen leider parallel auch die Hackerangriffe, Industriespionage und der Betrug innerhalb des Internets. Die Angriffe werden ausgefeilter, häufiger und schneller. Bisherige Sicherheitssysteme sind zwar gut, haben aber immer noch große Sicherheitslücken, die immer wieder von Kriminellen gefunden und genutzt werden. Deswegen ist ein System notwendig, dass ebenso schnell und effektiv gegen diese Machenschaften angehen kann. Neuronale Netze könnten deswegen an dieser Stelle einen wichtigen Anteil übernehmen.

Kundensupport automatisieren

Deep Learning kann außerdem noch mehr beim E-Commerce und Kundensupport helfen, als es nicht sowieso schon dort eingesetzt wird. Denn es sind bereits sehr viele Chatboots im Einsatz, die zu diesem Bereich gehören. Sie führen die ersten Anfragen und somit Zuordnungen der Kundenwünsche selbstständig durch. Es sind immer noch weitere Grenzen gesetzt, die dann ab einem gewissen Zeitpunkt von persönlichen Beratern übernommen werden müssen. Das kann sich künftig schneller als gedacht ändern. Selbstlernende Systeme könnten aus den vielen Kundenkontakten lernen, die sich meistenteils ähneln und immer feinteilige kategorisiert werden könnten.

Selbst diagnostische Fähigkeiten könnten neuronale Netze irgendwann übernehmen, wenn sie die Informationen der Dienstleistungen mit den Kundenproblemen in Verbindung bringen können. Die bisherigen Chatboots gehen noch nicht so weit, werden allerdings besser. Vorteil der individuelleren Bedienung der Kunden wird die Customer Experience sein, die sie erleben werden. Auf diesem Niveau werden die Anwenderfirmen mehr Erfolg mit diesen Systemen haben, welches sich in Umsatzzahlen ebenso widerspiegeln wird.

Sind ethische Bedenken berechtigt?

Nehmen Maschinen mehr Raum im Leben ein, werden kritische Stimmen automatisch größer. Dies betrifft zum einen, das Verschwinden von menschlichen Arbeitsplätzen und ethischen Fragestellungen, die solch einen Einsatz mitbringt. Zum ersten Punkt muss gesagt werden, dass jede technische Errungenschaft immer ein Verlust an Arbeitsplätzen nach sich ziehen kann und meistens wird. Die industrielle Revolution vergangener Zeit hat dies flächendeckend gezeigt. Aber auch die neuartige Industrie 4.0 und die immer stärker werdende digitale Disruption, bedeutet ebenso ein Verlust an menschlichen Arbeitsplätzen in dem produzierenden Gewerbe. Die Tendenz oder der Seiteneffekt scheinen sich dabei herauszukristallisieren, dass weniger qualifizierte Arbeitsplätze wegfallen. In der Industrie 4.0 sind sie das auch, aber bereits auf einem wesentlich höheren Niveau, wie es beispielsweise bei der damaligen industriellen Revolution war.

Die ethische Diskussion muss künftig noch etwas detaillierter geführt werden. Denn neuronale Netze menschlichen Charakters sind digitale selbstlernende Systeme noch nicht. Es fehlt ihnen an Gefühlen und Gewissen, welches die Menschen zu Menschen macht. Deswegen sollte natürlich die letzte Entscheidung über wichtige Lebensfragen immer den Menschen gehören. Die komplette Selbstbestimmung darf den Systemen niemals übergegeben werden. Ist das sichergestellt, ist das Potenzial von Deep Learning auszunutzen.

Die Firma Bosch geht mit gutem Beispiel voran. Sie ist einerseits offen, neue Technologien wie KI in ihre eigenen Arbeitsprozesse aufzunehmen und neue KI zu schaffen. Anderseits hat sie sich zu dem Thema auch ethisch geäußert und eigene Leitlinien aufgesetzt, an die sich der internationale Konzern halten will. So sollen alle neuartigen Techniken nur dem Menschen dienen. Zudem soll KI seine Transparenz behalten und keine Blackbox sein. Schließlich sollen die Menschen immer die Kontrolle über sie behalten. Diese Haltung ist nicht nur fortschrittlich, sondern sehr ausgereift und ethisch. An diesem Beispiel sollten sich viele andere halten, um den Umgang mit Deep Learning zu fördern und in richtige Bahnen zu lenken.