Anonim
Das Thema KI ist mittlerweile fast allgegenwärtig, wir zeigen worauf sie achten müssen.
Emnet for AI er nu næsten allestedsnærværende, vi viser, hvad de skal være opmærksomme på.
Foto: NicoElNino - shutterstock.com

Når det kommer til fremadrettede virksomhedskoncepter, ser det ud til, at der ikke er nogen vej omkring KI-løsninger på nuværende tidspunkt. De er beregnet til at gøre operationerne mere effektive, opdage fejl på et tidligt tidspunkt og analysere store datamængder hurtigt. Med kunstig intelligens synes digitalisering at nå et nyt niveau.

Men hvordan kommer et firma med den rigtige AI-løsning? Hvad skal overvejes under implementeringen? Er der løsninger, der fungerer "ude af kassen"? For at besvare disse og andre spørgsmål omkring kunstig intelligens talte COMPUTERWOCHE med Tina Klüwer, administrerende direktør og grundlægger af Parlamentind GmbH - en Berlin-opstart for AI-tjenester - samt eksperter fra Enquete Commission for AI for Bundestag og bestyrelsesmedlem for KI- Federal Association.

AI versus Analytics

Alle taler om AI, men vi har analyseret data tidligere. Hvad er forskellen mellem analyse og kunstig intelligens?

En kunstig intelligens tilbyder en anden tilgang til brugen af ​​data, og det bringer afgørende fordele. AI-teknologi betyder normalt maskinlæring. Med andre ord genereres resultater her - praktisk taget "viden" - enten med algoritmer fra statistiske modeller baseret på empiriske data. Eller resultaterne er resultatet af maskinlæring baseret på neurale netværk eller en kombination af begge dele.

spoods.de

I disse metoder behøver de regler, der tidligere var nødvendige for analyse og behandling af data, ikke længere at blive beskrevet manuelt. Teknologien kan til en vis grad uafhængigt håndtere dataene. I AI-teknologi lærer maskinen uafhængigt direkte af dataene. Det kan løsnes fra hvad et menneske måske har overvejet før, opdage mønstre og behandle dataene i overensstemmelse hermed.

En anden forskel - og dette er den store styrke ved maskinlæring sammenlignet med analyse eller håndskrevne regler - er, at AI-maskinen kan fortsætte med at arbejde på trods af en akut mangel på klarhed. Det vil sige, at hun kan håndtere sager, der adskiller sig lidt fra det, der var forventet før. Dette er en milepæl for analysen af ​​data.

De teoretiske fundamenter fra AI går tilbage til 50'erne i det forrige århundrede. Hvorfor er KI bare et sådant hype-emne lige nu?

Erst die moderne Computing Power und die Fähigkeit große Datenmengen schnell zu verarbeiten, führt zu dem derzeitigen KI-Hype.
Kun den moderne computerkraft og evnen til at behandle store datamængder fører hurtigt til den aktuelle AI-hype.
Foto: Gorodenkoff - shutterstock.com

Tre udviklinger bidrager væsentligt til dette. For det første computerkraft. Heldigvis er chipsene blevet så hurtige, at det også begynder at være sjovt at træne modeller. Tidligere tog dette undertiden flere uger på grund af manglen på computerkraft. Det andet vigtige aspekt er, at store mængder data nu er tilgængelige i en helt anden skala end for 10 år siden. Og for det tredje kan det hævdes, at visse fremskridt inden for selve algoritmerne har ført til, at de er særligt effektive. Især inden for billedgenkendelse har dette åbnet helt nye muligheder.

Hvem drager fordel af AI-brugen

Er der brancher, der især drager fordel af brugen af ​​AI?

Alle sektorer eller forretningsområder, hvor mennesker skal udføre kognitivt arbejde baseret på store datamængder, og hvor det er vigtigt at optimere processer drager fordel af brugen af ​​AI. Dette inkluderer for eksempel billedgenkendelse. Her er kunstig intelligens næsten uundværlig. Talebehandling - her især maskinoversættelse - er et af de felter, der har gjort et stort spring fremad takket være den førnævnte udvikling i AI. Det samme gælder områderne semantisk analyse, tekstforståelse og dialogsystemer.

Hvor er Tyskland egentlig i international sammenligning med hensyn til AI? Ligger vi virkelig bag USA og Kina?

I kommercialiseringen af ​​AI er vi bestemt bag, men der er meget god forskning på dette emne - mange tyske forskere beskæftiger sig med det. Der er også ret innovative nyetablerede virksomheder og ambitioner, men sammenlignet med USA og Kina er selvfølgelig andelen ret lav. Men sammenligningen af ​​et land på størrelse med Tyskland med USA eller Kina halter også. Selv Europa som helhed er underordnet de to andre store nationer med hensyn til antal og omsætning af AI-virksomheder og deres omsætning. Det er også en åbenlys forskel, om jeg lancerer et produkt på et nationalt europæisk marked med højst 80 millioner forbrugere eller i USA eller Kina. Antallet af forbrugere er simpelthen et dusin gange højere og dermed også den mængde data, som en AI kan lære og udvikle sig med. Det er ingen hemmelighed, at platforme som Amazon eller Alibaba, Facebook, Google har enorme mængder data. Dette ledsages af en vis overherredømme inden for AI-området. Men det er også vigtigt at se, at der bestemt er en positiv udvikling i Tyskland og Europa, og at vi bevæger os i den rigtige retning.

Gælder dette for alle AI-segmenter, eller er Tyskland bedre til B2B i B2B?

Tyskland har bestemt en banebrydende rolle i Industri 4.0. Dette er en kompetence, hvor vi altid har været stærk. Digitalisering har fundet sted der i nogen tid nu og åbner allerede i applikationer med kunstig intelligens. Denne tendens vil intensiveres. Personligt ser jeg også en meget stor mulighed for tyske SMV'er her, men mellemstore virksomheder må også turde investere i innovative produkter.

AI introduktionsstrategier

Er der nogle KPI'er, som jeg kan bruge som firma til at afgøre, om AI er umagen værd?

Kognitive Arbeit auf Basis großer Datenmengen - das ist die Domäne der KI.
Kognitivt arbejde baseret på store datamængder - det er AI's domæne.
Foto: Phonlamai Photo - shutterstock.com

Dette afhænger meget af den tilsigtede anvendelse, af brugen af ​​AI i virksomheden. AI skal altid overvejes i ansøgningen. Under alle omstændigheder skal en KPI knyttes til tilgængeligheden af ​​digitale data. En anden parameter er resultatet af at bestemme, hvilke kognitive processer der allerede findes i virksomheden, hvor mange mennesker arbejder, og som er gentagne. Dette er gode kandidater til AI-automatisering. Hvis disse forudsætninger er opfyldt, er det bestemt værd at søge råd om, hvilke processer der er egnede på baggrund af AI-teknologi.

Er der en optimal AI-implementeringsstrategi? I bekræftende fald, hvordan ser det ud?

En virksomhed skal aktivt vælge at afsætte ressourcer og investere tid. Ideelt set er den ønskede ændring et højprofileret projekt i virksomheden med en projektleder, der allerede muligvis er ansvarlig for digitalisering og innovation i virksomheden, og som derfor udelukkende kan hengive sig til dette emne. En nødvendig garant for succes for et AI-projekt er også en sund forventning til tidsfaktoren. KI er ikke en teknologi, der fungerer ad hoc, dette er systemer, der er designet til læring, og det tager også tid på maskiner.

Bør jeg som en mellemstor virksomhed snarere tackle eller outsource spørgsmålet om AI internt?

Det skal altid overlades til en AI-tjenesteudbyder at udvikle AI-teknologi og introducere den i virksomheden. Her er særlig ekspertise og mange års erfaring afgørende for at skabe merværdi. Det er usandsynligt, at IT-afdelingen i selv en mellemstor virksomhed har sammenlignelig know-how.

Hvordan håndterer jeg bedst manglen på AI-fagfolk?

Hvis du leder efter AI-fagfolk i Tyskland, skal du virkelig søge internationalt. Og selvfølgelig giver det mening at bruge eksisterende trænings- og udviklingsmuligheder til at udvikle dine egne medarbejdere i retning.

Insourcing eller outsourcing?

Bør AI-løsninger udvikles internt, eller kan KI-sæt anvendes?

At udvikle en AI-løsning selv - internt - er modet. Eksisterende sæt kan ikke implementeres uden omfattende know-how inden for AI-området. Derfor tilrådes det at arbejde sammen med en kompetent partner, såsom et systemhus, som muligvis også kan foretage små justeringer af sætene.

Hvordan løser jeg de etiske spørgsmål, der er relateret til AI?

Da ikke alle virksomheder automatisk har den optimale indsigt inden for hvilke områder etiske retningslinjer spiller ind, er det mest effektivt at søge ekstern rådgivning. I dette område udvikler en stor scene sig i Tyskland i øjeblikket, efterspørgslen vokser. KI-Bundesverband lancerede for nylig et etisk godkendelsesstempel for AI. Her kan virksomheder, foreninger, initiativer og organisationer, der beskæftiger sig med emnet, se på hvilke etiske henstillinger til handling, der er relevante for dem.

Hvilke love er relevante, når du bruger AI?

Grundlæggende er der ingen specifikke "AI-love". AI skal dog overholde de andre love i overensstemmelse med loven. Hvis en AI behandler personoplysninger, er GDPR gældende. Forordningen indeholder også et afsnit om automatisk beslutningstagning og profilering. Hvis en AI f.eks. Er tilsluttet en industriel robot, gælder sikkerhedsbestemmelserne også for AI. Ligeledes gælder de gældende ansvarsregler i overensstemmelse hermed.