Wissensbasierte KI und maschinelles Lernen profitieren voneinander
KI-Technologien sind mächtige Werkzeuge, doch ihre Arbeitsweise bleibt häufig im Dunkeln. Das Institut UKRI möchte dieses Mysterium lüften.
Nach Ansicht von UK Research and Innovation (UKRI) umfasst Künstliche Intelligenz eine Reihe von Rechentechniken- und Werkzeugen. Diese haben die besondere Fähigkeit, menschliche Fähigkeiten zur Bewältigung komplexer Aufgaben nachzuahmen oder sogar zu übertreffen.
Doch aktuell liegt der Schwerpunkt meist auf einem einzigen Tool: dem maschinellen Lernen. Maschinelles Lernen ist ein Prozess zum Erkennen von Mustern in Datensätzen und hat das Interesse an KI enorm gesteigert.
Allerdings arbeitet diese Technologie hinter verschlossenen Türen. Sie klassifiziert Daten basierend auf früher gesehenen Beispielen ohne jegliches Konzept oder Verständnis.
Von Einzelgänger-KIs zur vielseitigen KI-Toolbox
Laut UKRI ist es an der Zeit, die Einzelgänger-Mentalität aufzugeben und sich nicht mehr nur über die Undurchsichtigkeit von KIs zu beschweren. Stattdessen sollten wir das volle Potenzial des KI-Werkzeugkastens ausschöpfen, indem wir konzeptreiche wissensbasierte Systeme mit datengesteuerten Algorithmen kombinieren.
Vor dem aktuellen Hype um das maschinelle Lernen gab es bereits ausgereifte Formen der KI. Viele dieser Techniken basierten auf Wissen, bei denen ein Computersystem darauf ausgelegt war menschliches Fachwissen einzufangen.
Diese Methoden sind von Natur aus transparent. Sie ermöglichen einen logischen Blick auf den Weg vom Input zur Schlussfolgerung.
Kombination aus dem Besten beider Welten
Wissensbasierte KI und maschinelles Lernen schliessen sich nicht gegenseitig aus. Im Gegenteil: Sie können sich hervorragend ergänzen.
Nehmen wir zum Beispiel die Interpretation medizinischer Röntgenbilder: Ein System für maschinelles Lernen kann aus Tausenden von Beispielen lernen, Frakturen zu lokalisieren. Aber dieses System hat kein Konzept von «Fraktur», «Patient» oder «Bild». Es ordnet lediglich Daten anhand vorheriger Beispiele zu.
Auf der anderen Seite nutzt ein menschlicher Arzt weitere Hinweise wie Alter und Kraft des Patienten sowie Gelenkwinkel und Beweglichkeit. All dieses Wissen kann in wissensbasierten Software-Agenten festgehalten werden, die explizite Konzepte über den Patienten und seine Anatomie sowie die Bilder und Geräte enthalten.
Der Weg zur transparenten KI
Zusammenfassend lässt sich sagen: Die Nutzung einer einzigen KI-Technologie ist nicht hilfreich, wenn wir die Undurchsichtigkeit der Algorithmen auflösen möchten.
Stattdessen gilt es, das volle Potenzial des KI-Werkzeugkastens auszuschöpfen. Mit konzeptreichen wissensbasierten Systemen neben datengesteuerten Algorithmen können ist ein grosser Schritt in Richtung Transparenz und Verständlichkeit möglich.
