Isabella Pridat-Zapp

© BrownMantis (CC0)

Inhalt:

1) Artificial General Intelligence (AGI)
2) KI in Unternehmen heute
3) Extern oder Intern: ML Datenvorbereitung

Artificial General Intelligence (AGI)

In den letzten Jahren haben Unternehmen wie ­Google, Facebook und Amazon sehr viel in ­KI-Projekte investiert.

Das 2015 von Elon Musk finanzierte, als Non-Profit-Organisation gegründete OpenAI Laboratorium hat den Zweck, künstliche Intelligenz (KI/AI) so zu entwickeln und zu vermarkten, dass sie der Gesellschaft Vorteile bringt und nicht schadet. Bisher wurden beispielsweise Sprach- und Spiele-KI entwickelt. Das Endziel ist die Entwicklung einer für den Menschen sicheren AGI. Da die hierfür zu verarbeitenden Datenmengen aber riesig sind, wurde kürzlich durch OpenAI ein Ableger gegründet, der Investoren mit einem „capped profit“ Modell zuläßt.

Jetzt hat Microsoft 1 Mrd. US-Dollar in dieses ­OpenAI „capped profit“ Modell investiert und das ­Laboratorium profitiert von Microsofts Super­computing und Cloud Resourcen bei der Entwicklung von AGI. Dies bildet Bestandteil von Microsofts neuer Strategie um mit den eingangs erwähnten Konkurrenten bei der Entwicklung von KI Schritt zu halten.

Microsoft will durch die Zusammenarbeit mit ­OpenAI neue KI Technologien entwickeln und trainieren, die im Azure Cloud Computing Service zum Einsatz kommen sollen, sowie ferner neue ­Supercomputing ­Hardware gemeinsam entwickeln, die AGI unterstützt. Die ­Artificial General Intelligence würde es ­Maschinen ­ermöglichen, auf die gleiche Weise neues Wissen aufzunehmen und Aufgaben zu bewältigen wie der Mensch.

OpenAI wird wohl zunächst die vorhandenen Deep-Learning Methoden mit Rechen-Power massiv ­skalieren (statt neue zu entwickeln), um dem Fernziel AGI näher zu kommen.

KI in Unternehmen heute

Kürzlich veröffentlichte IDC ein White Paper zum Einsatz von Künstlicher Intelligenz – inzwischen haben 41 % der deutschen Unternehmen KI-Projekte umgesetzt, also weniger als in den skandinavischen Ländern oder im UK, doch planten 88% der deutschen Unternehmen neue KI-Projekte für die nächsten 12 Monate. Untersucht wurden auch die Hürden, die Unternehmen bei der Einführung von KI ­überwinden müssen.

Die Wahl der Infrastruktur für ML/Deep Learning ist, so IDC, nur der erste Schritt. Dann muss auch noch die passende Software gefunden werden. Die größte Herausforderung scheint jedoch die Vorbereitung der Daten zu sein. Es hat sich herausgestellt dass es oft Monate dauert, bis die Daten soweit sind, dass an Deep Learning Training und die Optimierung der Training Infrastruktur gedacht werden kann.

Weitere Hürden sind der Mangel an Experten, die Unsicherheit bezüglich Sicherheit und gesetzlichen Vorschriften, sowie Zweifel an der Einsatzfähigkeit seitens der IT oder der Fachbereiche.

Die Unternehmen zielen auch jetzt noch weniger auf innovative Anwendungsmöglichkeiten der KI, als auf Optimierung vorhandener Prozesse in puncto Kosten, Kundenerlebnisse und Produktqualität.

Extern oder Intern: ML Datenvorbereitung

Algion bereitet Daten von Fortune 1000 Unternehmen für Machine Learning (ML) Trainings-Projekte vor. In einem „Blueprint“ Paper beschreibt Algion den typischen Projekteinstieg:

Datenvolumen: Training Data versus Zuverlässigkeit des Modells; (POC=Proof of concept) © Algion

Ähnliche Artikel:

IBM Db2 jetzt mit KI IBM kündigte am 22. Juni 2019 Db2 Version 11.5 an. Das Datenbank-Managementsystem Db2 wird mit ­künstlicher Intelligenz (KI) ausgestattet, um Data Management und Data Science auf einer Plattform ­zusammenzuführen.

Vorbereitung auf die Zukunft der Arbeit Künstliche Intelligenz (KI) und Automation werden die Art und Weise, wie wir arbeiten, transformieren. Dies gilt für jeden Unternehmensbereich, auch für Personalabteilungen. Um Unternehmen in diesem Prozess zu unterstützten, bietet…

INTERVIEW Modernisierung mit IBM i Als übergreifendes Thema dieses Interviews mit Ralf Dannemann (IBM, Director POWER Platform D/A/CH), sprach Burgy Zapp von Schneider-Egestorf, NEWSolutions, das Thema der Modernisierung in IBM i Abteilungen an.