Unter Geschäftsanwendern scheint es Verwirrung darüber zu geben, inwieweit Intelligente Automatisierungslösungen tatsächlich künstliche Intelligenz beinhalten. Dieser Artikel gibt einen vereinfachten praktischen Überblick, beginnend mit den Grundlagen.
Warum herrscht so viel Verwirrung um Künstliche Intelligenz (KI)?
Es gibt viele Definitionen, und sie ändern sich ständig
Der Sammelbegriff KI beinhaltet Konzepte, Methoden, Philosophien und Anwendungen
Es gibt viel Hype und die spezifischen Fachbegriffe werden oft missbraucht
Menschen können normalerweise nicht mehrdimensional denken
Gibt es eine einfache Erklärung, was ist Künstliche Intelligenz?
Ein KI-Modell ist ein Algorithmus, der eine Funktion an vorhandene Datenpunkte anpasst. Im Wesentlichen sind alle KI-Technologien Weiterentwicklungen der Geradenanpassung. Die einfachste Form ist die Lineare Einfachregression, bei der eine gerade Linie an zweidimensionale Daten angepasst wird. Das ist leicht einzubilden. Dann werden die Modelle komplexer. Höherer Polynomgrad und höhere Anzahl der Dimensionen erschweren die Visualisierung. Im Wesentlichen bleiben die Grundsätze der KI-Modelle jedoch gleich.
Warum ist das Training von KI-Modellen so wichtig?
„Out of the box“ ist ein KI-Modell nur ein Algorithmus. Es gibt verschiedene Arten von KI-Modellen (das neuronale Netzwerk ist vielleicht das bekannteste). Er muss „trainiert“, oder an einen bestimmten Datensatz angepasst werden, bevor er nützlich wird. Je größer und umfassender der Datensatz, desto leistungsfähiger wird das Modell.
KI-Modelle sind allgemein zugänglich und viele sind Open-Source. Die Hauptarbeit für eine praktische Anwendung liegt darin, das richtige Modell für die Anwendung auszuwählen (oder zu entwickeln) und es dann auf einer ausreichend großen Datenmenge richtig zu trainieren. In diesem Artikel gehen wir auf das Potenzial der Bündelung der Ressourcen von mehreren Unternehmen für das Training von KI ein, um die Grenzen des menschlichen Lernens und damit die aktuellen Grenzen von Wissensarbeit zu überschreiten.
Was sind die Geschäftsanwendungen von KI?
Jeder Kontext, in dem zuverlässige Daten verfügbar sind und Vorhersagen nützlich sein können (z. B. Predictive Maintenance, Supply Chain Management, Verbraucherverhaltensanalyse), ist ein natürliches Anwendungsfeld für Künstliche Intelligenz. KI kann und sollte jedoch in einer viel breiteren Palette von Anwendungsfällen eingesetzt werden, um die algorithmische Automatisierung zu erweitern.
Künstliche Intelligenz, die in Verbindung mit Robotic Process Automation (RPA) verwendet wird, wird als Intelligente Automatisierung bezeichnet.
Zusammenfassung
Der Hauptvorteil der Intelligenten Automatisierung liegt in der nicht-algorithmischen Entscheidungsfindung und Anpassungsfähigkeit. Während die meisten geschäftlichen Ziele nur mit RPA erreicht werden können (ohne dass ein umfangreiches KI-Modelltraining erforderlich ist), trägt KI dazu bei, die Flexibilität, Anpassungsfähigkeit und letztendlich die Autarkie der Lösung zu erhöhen.
Die algorithmische Entscheidungsfindung ist durch die Fähigkeit der Systemarchitekten und Benutzer begrenzt, die Arten von Entscheidungen vorherzusehen, die das System treffen müssen wird. Im Gegensatz dazu ermöglicht KI eine flexible Entscheidungsfindung: Wenn ein neuer Datenpunkt einer sinnvollen Anzahl früherer Vorkommen hinreichend ähnlich ist, kann das System daraus schließen, dass er gleich behandelt werden sollte, ohne dass für diese Entscheidung eine Regel programmiert werden muss, sondern einfach durch das Beobachten der Entscheidungen im Trainingsdatensatz. Dies kann auch auf der Grundlage großer Datenmengen geschehen, die nicht manuell verarbeitet werden können.
KI ist ein sehr mächtiges Werkzeug, und wir finden ständig neue Anwendungen dafür. Am Ende sind wie bei jedem Werkzeug solides Verständnis und Erfahrung gefragt, um gute Ergebnisse zu erzielen.