Künstliche Intelligenz
Was ist künstliche Intelligenz?
Künstliche Intelligenz (KI) bezieht sich im Allgemeinen auf jedes menschenähnliche Verhalten durch eine Maschine oder ein System. In der einfachsten Form der KI sind Computer so programmiert, dass sie menschliches Verhalten „nachahmen“, indem sie umfangreiche Daten aus früheren Beispielen für ähnliches Verhalten verwenden. Dies kann von der Erkennung von Unterschieden zwischen einer Katze und einem Vogel bis hin zur Durchführung komplexer Aufgaben in einer Produktionsstätte reichen.
Erfahren Sie mehr über künstliche Intelligenz
Egal, ob es um Deep Learning, strategisches Denken oder eine andere Art von KI geht, sie werden für Situationen genutzt, die blitzschnelle Reaktionen erfordern. Mit KI können Maschinen effizient arbeiten und riesige Datenmengen blitzschnell analysieren und Probleme durch überwachtes, unüberwachtes oder verstärktes Lernen lösen.
Die Anfänge von KI
Während sie es anfangs Computern ermöglichte, Spiele wie Dame gegen Menschen zu spielen, ist KI heute Teil unseres täglichen Lebens. Wir haben KI-Lösungen für Qualitätskontrolle, Videoanalyse, Sprache-zu-Text (natürliche Sprachverarbeitung) und autonomes Fahren sowie Lösungen in den Bereichen Gesundheitswesen, Fertigung, Finanzdienstleistungen und Unterhaltung.
Leistungsstarkes Werkzeug für Unternehmen und Organisationen
Künstliche Intelligenz kann sowohl für große Unternehmen, die wichtige Daten generieren, als auch für kleine Unternehmen, die ihre Kundenanrufe effektiver gestalten müssen, ein sehr leistungsstarkes Werkzeug sein. KI kann Geschäftsprozesse optimieren, Aufgaben schneller erledigen, menschliche Fehler eliminieren und vieles mehr.
KI am Edge
HPE ist ein Wegbereiter für eine neue Dimension von KI durch die Nutzung von Daten und Gewinnung von Erkenntnissen am Edge. Dank KI-gestützten Analysen in Echtzeit für Automatisierung, Vorhersage und Kontrolle können Sie das Potenzial Ihrer Daten schneller ausschöpfen und grenzenlose Möglichkeiten für Innovation, Wachstum und Erfolg nutzen.
Eine kurze Geschichte der künstlichen Intelligenz
Vor 1949 konnten Computer Befehle ausführen, aber sie konnten sich nicht daran erinnern, was sie taten, da sie diese Befehle nicht speichern konnten. 1950 erläutert Alan Turing in seinem Artikel „Computing Machinery and Intelligence“, wie intelligente Maschinen gebaut und deren Intelligenz getestet werden können. Fünf Jahre später wurde beim Dartmouth Summer Research Project on Artificial Intelligence (DSPRAI) das erste KI-Programm vorgestellt. Dies war die Grundlage der KI-Forschung für die nächsten Jahrzehnte.
Zwischen 1957 und 1974 wurden Computer schneller, günstiger und allgemein verfügbar. Die Algorithmen des maschinellen Lernens verbesserten sich und 1970 sagte einer der Moderatoren des DSPRAI dem Life Magazine, dass es in drei bis acht Jahren eine Maschine mit der allgemeinen Intelligenz eines durchschnittlichen Menschen geben würde. Trotz ihres Erfolgs stellte die Unfähigkeit von Computern, Informationen effizient zu speichern oder schnell zu verarbeiten, für die nächsten zehn Jahre ein Hindernis auf dem Weg zur künstlichen Intelligenz dar.
Das Thema KI wurde in den 1980er Jahren mit der Erweiterung des Algorithmus-Toolkits und gezielten Finanzmitteln wiederbelebt. John Hopefield und David Rumelhart stellten „Deep Learning“-Techniken vor, die es Computern ermöglichten, aus Erfahrungen zu lernen. Edward Feigenbaum führte „Expertensysteme“ ein, die die menschliche Entscheidungsfindung nachahmten. Trotz fehlender staatlicher Förderung und abseits der breiten Öffentlichkeit gedieh die KI und viele bahnbrechende Ziele wurden in den nächsten zwei Jahrzehnten erreicht. 1997 wurde der amtierende Schachweltmeister und Großmeister Gary Kasparov von IBMs Deep Blue, einem schachspielenden Computerprogramm, besiegt. Im selben Jahr wurde die von Dragon Systems entwickelte Spracherkennungssoftware auf Windows implementiert. Zudem entwickelte Cynthia Breazeal Kismet, einen Roboter, der Emotionen erkennen und zeigen konnte.
2016 schlug Googles AlphaGo-Programm den Go-Meister Lee Se-dol und 2017 schlug Libratus, ein Poker spielender Supercomputer, die besten menschlichen Spieler.
Arten von künstlicher Intelligenz
Künstliche Intelligenz wird in zwei wesentliche Kategorien eingeteilt: KI, die auf Funktionalität basiert, und KI, die auf Fähigkeiten basiert.
Auf Funktionalität basierend
- Reaktive Maschine – Diese KI hat keine Gedächtnisleistung und kann nicht aus vergangenen Aktionen lernen. Deep Blue von IBM gehört in diese Kategorie.
- Limited Theory – Durch das Hinzufügen von Speicherkapazität nutzt diese KI Informationen aus der Vergangenheit, um bessere Entscheidungen zu treffen. Gängige Anwendungen wie GPS-Ortungsanwendungen gehören in diese Kategorie.
- Theory of Mind – Diese KI befindet sich noch in der Entwicklung mit dem Ziel eines tiefen Verständnisses des menschlichen Verstandes.
- Self-Aware AI – Diese nach wie vor hypothetische KI könnte sowohl menschliche Emotionen verstehen und hervorrufen als auch eigene haben.
Auf Fähigkeiten basierend
- Artificial Narrow Intelligence (ANI) – Ein System, das eng definierte programmierte Aufgaben ausführt. Diese KI hat eine Kombination aus reaktivem und begrenztem Arbeitsspeicher. Die Mehrheit der heutigen KI-Anwendungen gehört in diese Kategorie.
- Artificial General Intelligence (AGI) – Diese KI ist in der Lage, wie ein Mensch zu trainieren, zu lernen, zu verstehen und zu agieren.
- Artificial Super Intelligence (ASI) – Diese KI führt aufgrund ihrer überlegenen Datenverarbeitung, Speicherkapazität und ihrer Fähigkeit zur Entscheidungsfindung Aufgaben besser aus als der Mensch. Aktuell gibt es keine realen Beispiele.
Der Zusammenhang zwischen künstlicher Intelligenz, maschinellem Lernen und Deep Learning
Künstliche Intelligenz ist ein Teilgebiet der Computerwissenschaft. Hierbei soll menschliche Intelligenz mit einer Maschine simuliert werden. KI-Systeme basieren auf Algorithmen und verwenden Techniken wie maschinelles Lernen und Deep Learning , um „intelligentes“ Verhalten zu demonstrieren.
Maschinelles Lernen
Ein Computer „lernt“, wenn seine Software in der Lage ist, auf Basis früherer Ergebnisse neue Szenarien erfolgreich vorauszubestimmen und auf diese zu reagieren. Maschinelles Lernen bezeichnet einen Prozess, bei dem Computer Mustererkennungen oder die Fähigkeit entwickeln, kontinuierlich von Daten zu lernen und darauf basierend Prognosen zu treffen und Anpassungen vorzunehmen, ohne vorher explizit dazu programmiert worden zu sein. Sie ist eine Form von künstlicher Intelligenz, die die Entwicklung von analytischen Modellen automatisiert und ermöglicht, dass sich Maschinen eigenständig an neue Szenarien anpassen.
Die vier Schritte zur Erstellung eines ML-Modells:
1. Auswahl und Vorbereitung eines Trainingsdatensatzes zur Lösung des Problems. Diese Daten können gekennzeichnet oder nicht gekennzeichnet sein.
2. Auswahl des Algorithmus, der mit den Trainingsdaten ausgeführt werden soll.
- Wenn die Daten gekennzeichnet sind, könnte der Algorithmus Regressions-, Entscheidungsstruktur- oder Instanz-basiert sein.
- Wenn die Daten nicht gekennzeichnet sind, könnte der Algorithmus ein Cluster-Algorithmus, ein Assoziationsalgorithmus oder ein neuronales Netzwerk sein.
3. Training des Algorithmus, um das Modell zu erstellen.
4. Nutzung und Verbesserung des Modells.
Es gibt drei Methoden des maschinellen Lernens: „Überwachtes“ Lernen arbeitet mit gekennzeichneten Daten und erfordert weniger Training. „Unüberwachtes“ Lernen wird verwendet, um nicht gekennzeichnete Daten zu klassifizieren, indem Muster und Beziehungen identifiziert werden. Beim „halbüberwachten“ Lernen wird ein kleiner gekennzeichneter Datensatz für die Klassifizierung eines größeren nicht gekennzeichneten Datensatzes verwendet.
Deep Learning
Deep Learning ist ein Teilbereich des maschinellen Lernens mit einer hohen Intelligenzleistung und hat beeindruckende Erfolge im Zusammenhang mit herkömmlichen Ansätzen des maschinellen Lernens gezeigt. Dabei bedient sich Deep Learning einer Mischung aus künstlichen neuronalen Netzwerken mit mehreren Ebenen sowie einer daten- und rechenintensiven Lernmethode, die von den neuesten Erkenntnissen des menschlichen Gehirns inspiriert ist. Dieser Ansatz ist inzwischen so effizient, dass er bereits in einigen Bereichen, wie z. B. bei der Bild- und Spracherkennung oder natürlichen Sprachverarbeitung, die menschliche Fähigkeiten übertrifft.
Deep Learning-Modelle verarbeiten große Datenmengen und sind in der Regel unüberwacht oder halbüberwacht.
Daten mit modernen KI-Anwendungen in Effizienz und einen Wettbewerbsvorteil verwandeln
Nach Jahrhunderten der Theorie, jahrzehntelanger Forschung und jahrelanger Vermarktung hat künstliche Intelligenz ihren Weg in Unternehmen gefunden, wo sie zu einem allgegenwärtigen Feature werden wird. In einer kürzlich durchgeführten Branchenumfrage gaben 50 % der Befragten an, dass sie eine KI-Initiative implementiert haben, sich in der Machbarkeitsstudie-Phase befinden oder dies innerhalb des nächsten Jahres planen.
Warum sich das Tempo von KI für Unternehmen beschleunigt
Die jüngsten Fortschritte bei Algorithmen, die zunehmende Verbreitung von digitalen Datasets und Verbesserungen beim Computing – einschließlich mehr Verarbeitungsleistung und geringeren Kosten – leiten eine neue Art von KI-Technologie ein, die Enterprise-fähig ist. Nahezu alle Unternehmen verfügen über einen ständig wachsenden Berg an Datenbeständen, und KI bietet die Möglichkeit, diese Bestände im großen Umfang zu analysieren.
Auch als Eckpfeiler im digitalen Transformationsprozess wird KI zu einem festen Bestandteil in Unternehmen werden. Die KI ist eine universell einsetzbare Technologie, die Effizienzverbesserungen und Einblicke in nahezu alle Geschäftsprozesse bringen kann – vom Kundenservice über physische und Cybersecurity-Systeme bis hin zu F&E-Funktionen und Business-Analytics-Prozessen.
Moderne Anwendungen für KI
KI bietet die einzigartige Möglichkeit, Erkenntnisse aus Daten zu gewinnen, wenn Sie zwar definieren können, wie die Antwort aussieht, aber nicht, wie Sie dahin gelangen. KI kann menschliche Fähigkeiten erweitern und die exponentiell wachsende Menge an Daten in Erkenntnisse, Aktionen und geschäftlichen Nutzen verwandeln.
Heute wird KI in einer Vielzahl von Anwendungen in verschiedenen Branchen eingesetzt, darunter im Gesundheitswesen, in der Fertigung und im öffentlichen Sektor. Hier einige konkrete Anwendungsfälle:
- Zustandsorientierte vorausschauende Wartung und Qualitätskontrolle optimiert Produktion, Fertigung und Einzelhandel durch ein offenes Framework für IT/OT. Integrierte Lösungen schlagen die besten Wartungsentscheidungen vor, automatisieren Tätigkeiten und verbessern die Qualitätskontrollprozesse durch die Implementierung von KI-basierten Computer-Vision-Techniken.
- Spracherkennung und -verarbeitung transformiert unstrukturierte Audio-Daten in Erkenntnisse und intelligente Informationen. Es automatisiert die computergestützte Erfassung gesprochener und geschriebener Sprache durch Natural Language Processing (NLP), Sprache-zu-Text-Analysen, biometrische Suche oder Live-Monitoring von Anrufen.
- Videoanalyse und -überwachung analysiert automatisch Videos, um Ereignisse zu erkennen, Identität, Umgebung und Personen aufzudecken und betriebliche Erkenntnisse zu gewinnen. Hierbei kommen Edge-to-Core-Videoanalysesysteme für eine Vielzahl von Workloads und Betriebsbedingungen zum Einsatz.
- Hochautonomes Fahren basiert auf einer Scale-Out-Datenerfassungsplattform, über die Entwickler optimale HAD-Lösungen (Highly-Autonomous Driving) umsetzen können, die für Open Source-Services, maschinelles Lernen und neuronale Deep Learning-Netzwerke ausgelegt sind.
Die Bedeutung des richtigen KI-Partners
Ein entscheidender Schritt auf dem Weg zur KI für Unternehmen besteht darin, einen Partner zu finden, der die aktuelle Phase des Unternehmens versteht – und bei der weitergehenden Strategie unterstützt, um kurz- und längerfristige Ziele zu erreichen.
Die Zusammenarbeit mit dem richtigen Partner kann einem Unternehmen dabei helfen, das Potenzial seiner Unternehmensdaten voll auszuschöpfen, um die geschäftliche Transformation und Wachstum zu fördern. Der richtige Partner sollte Folgendes bieten:
- End-to-End-Lösungen zur Reduzierung der Komplexität und Unterstützung der Integration in die vorhandene Infrastruktur
- Beratung und Professional Services
- On-Premises-, Cloud- und hybride Optionen, die Teamstandort, Zugriffsanforderungen, Sicherheit und Kosteneinschränkungen berücksichtigen
- Skalierbare Systeme für aktuelle und zukünftige Anforderungen
- Ein kompetentes Partner-Ökosystem mit branchenspezifischen Lösungen
On-Demand-Einblicke in jedem Umfang mit KI von HPE
Die Transformation von Unternehmen erfordert KI-gestützte Analysen in Echtzeit für proaktive Kontrollen, vorausschauende Wartung, autonome Prozesse und bahnbrechende Erkenntnisse. KI am Intelligent Edge ermöglicht es Unternehmen, Daten schneller für grenzenlose Möglichkeiten für Innovation und Wachstum zu nutzen.
HPE arbeitet mit Unternehmen zusammen, um das volle Datenpotenzial in der neuen KI-Dimension zu erschließen und Erkenntnisse am Edge zu nutzen – wann, wo und wie sie benötigt werden.
Warum HPE für KI?
Mit HPE als Ihrem KI-Partner profitieren Kunden von:
Technologie-Führerschaft und Innovation im Bereich KI
Die ergebnisorientierten KI-Lösungen von HPE sind von Experten für den Intelligent Edge entwickelt.
- Einer Vielzahl an Hardware und Software von HPE
- HPE Ezmeral Software Portfolio für Container-Orchestrierung, Datamanagement und Data Fabric
- HPE Aruba Networking Edge Services Platform
KI-Expertise
Service- und Bereitstellungsmodelle basierend auf umfangreicher Expertise und bewährten Erfahrungen umfassen:
- HPE Pointnext Advisory und Operational Services
- HPE Financial Services Optionen
- HPE GreenLake Bereitstellungs- und Verbrauchsmodelle
- HPE IoT-Transformationsworkshop für Ihren Weg zur KI am Edge
KI-Wettbewerbsvorteil
Unsere Kunden können einen geschäftlichen Vorteil erzielen, dank HPE und:
- leistungsstarken Echtzeit-Analysen am Edge für Automatisierung, Vorhersage und Kontrolle
- Nutzung vom Edge für Mehrwert sowie neue Geschäftsmöglichkeiten, Modelle und Kundenerlebnisse
- IT- und OT-Partnerschaft zur schnelleren und effizienteren Gewinnung von Einblicken
HPE KI in einer Vielzahl von Branchen
Unternehmen in jeder Branche können mit der KI und den speziell entwickelten Technologien von HPE neue Erkenntnisse gewinnen. Unternehmen nutzen KI am Edge für Konnektivität, Autonomie, Verwaltung hoher Datenmengen und zeitkritische Ereignisse. Von Kliniken über Labore und Lager bis hin zu Unternehmen – die Anwendungsfälle umfassen die Verarbeitung natürlicher Sprache (NLP), Videoanalyse, Qualitätssicherung (QA), Überwachung und Sicherheit sowie die Kundenstimmung.
Unternehmen im Gesundheitswesen und in den Biowissenschaften verwenden die KI von HPE, um medizinische Erkenntnisse zu gewinnen und ein neues Niveau an Pflege am Edge bereitzustellen. Die Anwendungsfälle reichen von tragbarer Gesundheitsüberwachung und personalisierter Gesundheitsversorgung bis hin zu medizinischen Leistungen und vernetzten Geräten. KI am Edge wird auch bei der Schwarmintelligenz für verteilte Entdeckungen und in anderen Anwendungen verwendet, um die medizinische Forschung und wissenschaftliche Durchbrüche voranzutreiben.
In der Fertigung trägt die KI von HPE dazu bei, die Produktivität und die Gesamtanlageneffektivität (OEE) am Edge zu steigern. Zu den Anwendungsfällen gehören intelligente Abläufe, vorausschauende Analysen zu Assets und Prozessen innerhalb der Lieferkette sowie Simulationen mit KI.