Artificial Intelligence

Transkript

1 Artificial Intelligence AI Hype meets Business Reality Dr. Stefan Wess CEO Empolis Information Management GmbH

2 Unternehmen in Kaiserslautern

3

4 UND TEIL UNSERES KULTURELLEN ERBES.

5 KÜNSTLICHE INTELLIGENZ DOMINIERT DIE SCHLAGZEILEN

6 KI NAIVE KINDHEITSTRÄUME 1965 H. A. Simon 1970 Marvin Minsky

7 MEINE NAIVE KINDHEITSTRÄUME (1980) Es ging weit über meine eigenen Programmierfähigkeiten, aber auch über jede existierende Technologie hinaus.

8 25 JAHRE ZUVOR (1956): DIE GEBURTSSTUNDE DER KI Die Dartmouth-Konferenz von 1956 wurde von Marvin Minsky, John McCarthy und zwei leitenden Wissenschaftlern organisiert: Claude Shannon und Nathan Rochester. "Jeder Aspekt des Lernens oder weitere Merkmale der Intelligenz kann so genau beschrieben werden, dass eine Maschine gebaut werden kann, um dies zu simulieren." Die Teilnehmer nahmen "Künstliche Intelligenz" als neuen Namen des Feldes an.

9

10 EIN NEUES PROBLEM

11 HABEN WIR BEREITS ERFAHRUNGEN MIT EINEM ÄHNLICHEN PROBLEM?..

12 CASE-BASED REASONING (CBR) IDEE: LÖSUNG GEFUNDEN! EINE NEUE ERFAHRUNG!

13 JAHRE ERFAHRUNG MITARBEITER INSTALLATIONEN 700,000 PROFESSIONAL USER 40,000,000 ENDNUTZER

14 Artificial Intelligence Machine Learning Neural Networks Deep Learning

15

16

17 »ARTIFICIAL INTELLIGENCE IS THE NEW SMART «

18 Maschinen verstehen nichts. Sie rechnen. Maschinen haben kein eigenes Bewusstsein. Was Menschen leicht fällt, fällt Maschinen schwer. Was Menschen schwer fällt, fällt Maschinen leicht. Alles was automatisiert werden kann, wird auch automatisiert. 1. Zuboff s Gesetz (1988) Jede hinreichend fortschrittliche Technologie ist von Magie nicht zu unterscheiden. 3. Clarkesche Gesetz (1962)

19 SYMBOLISCHE (KLASSISCHE) KI ANSÄTZE Vorteile: Gute Ergebnisse Nachvollziehbar Nachteile: Hoher Aufwand Wartung

20 SUBSYMBOLISCHE (AKTUELLE) KI ANSÄTZE Vorteile: Übermenschliche Fähigkeiten Neue Einsatzgebiete Nachteile: Keine Nachvollziehbarkeit Keine Integration von Wissen

21 Kosten Symbolische KI Subsymbolische KI Wissensgetrieben Datengetrieben Keine Daten Massive Daten

22 Hybrid Grey Box AI Symbolische KI White Box Wissen Repräsentation UND Subsymbolische KI Black Box Erfahrung & Beispiele Lernen

23

24 CASE-BASED REASONING (CBR)

25 Quelle: State of Artificial Intelligence & Big Data in the Enterprise Report, 2015

26 Daten? Aktion Entscheidungsunterstützung Aus Daten die nächstbeste Aktion ableiten

27 ? Daten Entscheidungsunterstützung Ermöglicht Effizienzgewinne Entscheidung Aktion

28 Häufigkeit Hohe Automatisierung Software? Hohe Expertise Mensch Schwierigkeit

29 POTENTIAL VON KI IN DER AUTOMATISIERUNG VON GESCHÄFTSPROZESSEN Schwierige Probleme Häufige Probleme Sporadische Probleme x = K I Entscheidungstypen Bearbeitungszeit Aufwand

30 Erhöhung des Automatisierungsgrades 78% Weniger menschliche Interaktionen 73% Verringerung der Bearbeitungszeit 72% Bessere Aktionen 71% Reduktion der manuellen Dateneingabe 50% Bessere Entscheidung bei Ausnahmen. PAC Trendstudie: What AI can bring to business applications 8. Mai 2018

31 Daten Aktion Entscheidung Entscheidungs unterstützung automatisierung

32 Häufigkeit Hohe Automatisierung Künstliche Intelligenz Hohe Expertise Schwierigkeit

33 Zitat: Malte Spitz, Daten - Das Öl des 21.Jahrhunderts?

34 Die Killer im Einsatz von KI im Geschäftsprozess

35 Killer Frage 1: Wie gelangt man an massive Datensätze zum Training?

36 Viele Daten Wenig Wissen Wenig Daten Viel Wissen

37 Killer-Frage 2: Wie kann man Neutralität und Fairness in Daten und Algorithmen gewährleisten?

38

39 Ausnahme Richtige Entscheidung Regulärer Prozess Vorurteile

40 KILLER-FRAGE 3: KÖNNEN SIE MIT BLACK-BOX ENTSCHEIDUNGEN LEBEN? INPUT STMULUS? OUTPUT RESPONSE Haftung Rechenschaftspflicht Verantwortung Verständlichkeit Arbeitnehmervertretung Wie können wir Entscheidungen nachvollziehen? Gleichberechtigung DSGVO...

41 Ergebnisse Recht

42 Zitat: Malte Spitz, Daten - Das Öl des 21.Jahrhunderts?

43 ünftige K I nformatik ugmented A I ntelligence

44

45 K I aiserslautern inside

46

47 DR. STEFAN WESS Europaallee Kaiserslautern Phone Fax Mobile empolisinformationmanagementgmbh Please follow me on Twitter and LinkedIn Seite 47