Dicht gedrängt sitzen 98 Führungskräfte aus 44 Ländern im großen Schulungsraum der kalifornischen Singularity University. Auf den Tischen liegt Lego und anderes Spielzeug. Jeder der Teilnehmer hat 14.000 Dollar dafür bezahlt, sich sechs Tage lang "fit" für die Zukunft briefen zu lassen. Was sie zu hören bekommen, sind in erster Linie Pläne für ihre eigene Abschaffung.
Künstliche Intelligenz: Algorithmus statt CEO?
"Ich als CEO träume davon, dass eines Tages eine Form von künstlicher Intelligenz den Großteil meines Jobs erledigt", sagt Rob Nail, Chef der Singularity University. "Ich glaube, dass 70 bis 80 Prozent der Entscheidungen, die ich jeden Tag treffe, auch von einem Algorithmus getroffen werden könnten. Wir könnten die Plattform so programmieren, dass sie genauso gut entscheidet wie ich, wenn nicht sogar besser." Manchmal vergesse er zum Beispiel, zu Mittag zu essen, sagt Nail. Er treffe dann sehr kurzentschlossen und hungrig Entscheidungen. Und besonders nett sei er dabei auch nicht. "Jeder Roboter würde das sehr viel konsistenter machen."
"Think Big" lautet das Motto der Singularity University im Silicon Valley, die sich 2008 unter anderem mit dem Geld von Google, Autodesk und Genentech auf dem NASA-Forschungsgelände gegründet hat. Weltweite Herausforderungen wie Energie und Jobs, Bildung, Weltraum und Medizin angegangen werden. Eine Art Thinktank, zugleich Ausbilder und Start-Up-Accelerator.
Welche KI-Systeme schon im Einsatz sind
Facebook Big Sur
Das unter Open-Source-Lizenz stehende KI-System setzt auf die Nvidia Tesla Accelerated Computing Platform und übernimmt bei Facebook heute komplexe Aufgaben, für die früher auf Drittanbieter-Hardware zurückgegriffen werden musste.
Google RankBrains
Für Suchanfragen, die erstmalig auftauchen, soll RankBrains menschliche Schriftsprache in mathematische Vektoren übersetzen, die die Suchengine dann verarbeiten kann. Diese Form des maschinellen Lernens wird mit steigender Zahl bislang unbekannter Suchanfragen immer besser. Wissbegierige Internetnutzer trainieren das System quasi unbewusst.
Google Deepmind AlphaGo
Besiegte kürzlich den Welt- und den Europameister im asiatischen Brettspiel Go: das KI-System Alpha Go, das von Google Deepmind entworfen wurde.
SwiftKey Neural Alpha
Wer SMS schreibt, bekommt schon länger Wortvorschläge. Mit Neural Alpha will "n-gram"-Erfinder SwiftKey nun aber auch ganze Satzzusammenhänge vorhersagen und so die Texteingabe noch intuitiver machen.
Open AI
Investor und Tesla-Gründer Elon Musk erforscht in der "Open AI"-Initiative zusammen mit anderen Silicon-Valley-Vordernkern die Künstliche Intelligenz zum Wohle der Menschheit. Damit wir keine bösen Terminatoren bekommen, die uns alle versklaven wollen...
Microsoft XiaoIce
Der Microsoft-"Virtual Social Assistant" XiaoIce trägt seit Ende 2015 den Wettbericht im chinesischen Fernsehen komplett ohne menschliche Hilfe vor.
Roboter-Concierge Connie
Wenn Sie demnächst in einem Hilton absteigen, könnten Sie einem kleinen Roboter-Concierge begegnen: "Connie" arbeitet mit Watson-Technologie von IBM und steht Hotelgästen mit Rat und Tat zur Seite. Das Pilotprojekt läuft gerade in den USA.
"Digitale Erweckung": SingularityU Summit 2016
Immer wieder werden die Teilnehmer des "Executive Programs" aufgefordert: "Denkt zehnmal größer! Wie sieht Euer Flug zum Mond aus?" Und bitte keine Angst vor neuen Technologien. Ein Ratschlag: "Kaufen Sie sich einen Telepräsenz-Roboter, damit Sie von überall auf der Welt mit ihrem Team kommunizieren können, als wären Sie selbst im Raum." Oder: "Hören Sie auf, die Nachrichten zu schauen. Die Welt ist viel besser, als uns die Medien weismachen wollen. Wer eine negative Weltsicht hat, investiert nicht in die Zukunft", sagt Peter Diamandis, Luftfahrtingenieur und Mitbegründer der University.
Die Manager erfahren, wie anfälllig jede Branche und Industrie im Moment für disruptive Entwicklungen ist, was soviel heißt wie Störung oder Unterbrechung und für das Prinzip steht, neue Märkte anzugreifen und Marktführer zu verdrängen. Die immer wiederkehrende Warnung: "Entweder Ihr 'disrupted' Euch selbst oder Ihr werdet 'disrupted'." Auch ein deutscher Manager nimmt an dieser Brainstorm-Woche im Silicon Valley teil: Martin Hofmann, CIO bei Volkswagen. "Die ganze Autobranche erfährt gerade Disruption, da müssen wir jetzt in den Angriffsmodus gehen, auch wenn viele Angst haben vor Veränderung." Hofmann nennt die digitale Einstellung hier vor Ort ein "Erweckungserlebnis".
Software Robotic: Wenn der Kollege ein Roboter ist
Einsparungen in der Lieferkette
Die Grafik zeigt, dass in den kommenden Jahren besonders bei Finance & Accounting sowie in der Supply Chain mit Einsparungen durch Automatisierung zu rechnen ist.
Roboter ersetzen Menschen
Bei den horizontalen Prozessen konnten bereits im vergangenen Jahr zum Teil erhebliche Personaleinsparungen realisiert werden. Die Übersicht zeigt, dass dies wiederum besonders in der Lieferkette gelang.
Analytics matters
Cognizant betont in der Studie mehrfach die Bedeutung des Zusammenspiels von Automatisierung und Analyse. Letztere spielt neben der Kostensenkung aus Entscheidersicht vor allem eine wichtige Rolle beim Verstehen von Kundenbedürfnissen und bei der Verbesserung von Prozessen.
Transformatorische Kraft
In wenigen Jahr wird sich die transformatorische und signifikante Wirkung von Prozess-Automatisierung mit Wucht entfalten. Das sieht die Hälfte der Befragten so. Wobei die Bedeutung auch heute bereits hoch ist.
Erhöhte Glaubwürdigkeit
Der Einfluss von digitalen Prozes-Technologien macht sich laut Studie in Sachen Analytics über ganze Prozesse hinweg positiv bemerkbar. Das betrifft insbesondere die Datenqualität und -verlässlichkeit, aber auch die Integration von Daten wird einfacher.
Hürden und Hindernisse
Sechs Klippen benennen die Befragten als besondere Herausforderung bei der Digitalisierung von Prozessen. Die Datensicherheit ist das größte Problem.
Abwartende Banken
Drei Branchen nimmt die Studie ins Visier. Während die HealthCare-Firmen bei der digitalen Reise vorneweg maschieren oder zumindest den Zug nicht verpassen wollen, warten 39 Prozent der Banken erst einmal ab.
Singularitäts-Gipfel: Erstmals auch in Deutschland
Am 20. und 21. April hält die Singularity University ihren ersten deutschen Gipfel ab. Blumig wird ein "Happening mit hoher Lernkurve" versprochen, die meisten der 500 Tickets zum Stückpreis von 1999 Euro sind bereits verkauft. Viele wollen Silicon-Valley-Luft schnuppern, ohne dafür die Reise an die US-Westküste auf sich zu nehmen. Die Singularity-Vordenker fliegen ein, um die Deutschen in Sachen Mobilität, Robotik, 3D-Druck, maschinelles Lernen und Design Thinking auf den neuesten Stand zu bringen.
Neil Jacobstein, Guru für Künstliche Intelligenz an der Singularity University, rechnet etwa für das Jahr 2030 mit dem Einsatz einer "Superintelligenz". Das werde eine ganz neue Arbeitswelt, verspricht er den Managern: "Künstliche Intelligenz ist rund um die Uhr verfügbar, wird nie krank, braucht keinen Urlaub und jammert nicht." Nachteile wie der Wegfall mancher Jobs würden rasch ausgeglichen: "der Mensch ist anpassungsfähig", sagt Jacobstein. "Wir werden neue Jobs erfinden." Die Menschheit auf diese Umbrüche vorzubereiten, darin sehen die Experten der Singularitäts-Universität ihre Mission. (dpa/fm)
Entwickler-Frameworks für Machine Learning
Apache Spark MLlib
Früher als Teil des Hadoop-Universums bekannt, ist Apache Spark mittlerweile ein bekanntes Machine-Learning-Framework. Sein umfangreiches Angebot an Algorithmen wird ständig überarbeitet und erweitert.
Apache Singa
Singa, seit kurzem Teil des Apache Incubator, ist ein Open-Source-Framework, das Deep-Learning-Mechanismen auf große Datenvolumen hin „trainieren“ soll. Singa stellt ein simples Programmierungsmodell für Deep-Learning-Netzwerke bereit und unterstützt dabei diverse Entwicklungsroutinen.
Caffe
Caffe umfasst ein ganzes Set von frei verfügbaren Referenzmodellen für gängige Klassifizierungsroutinen; die gewachsene Caffe-Community steuert weitere Modelle bei. Caffe unterstützt die Nvidia-Programmiertechnik CUDA, mit der Programmteile wahlweise auch durch den Grafikprozessor (GPU) abgearbeitet werden können.
Microsoft Azure ML Studio
Weil die Cloud also die ideale Umgebung für ML-Anwendungen darstellt, hat Microsoft seine Azure-Cloud mit einem eigenen ML-Service auf der Basis von „pay as you go“ ausgestattet: Mit Azure ML Studio können Nutzer KI-Modelle entwickeln und trainieren und anschließend in APIs umwandeln, um diese wiederum Anderen zur Verfügung zur stellen.
Amazon Machine Learning
Amazon Machine Learning arbeitet mit Daten, die in einer Amazon-Cloud wie S3, Redshift oder RDS liegen und kann mithilfe binärer Klassifizierungen und Multiklassen-Kategorisierung von vorgegebenen Daten neue KI-Modelle bauen.
Microsoft DMTK
Das DMTK (Distributed Machine Learning Toolkit) von Microsoft soll ML-Anwendungen über mehrere Maschinen hinweg skalieren. Es ist eher als "Out of the Box"-Lösung gedacht und weniger als Framework - entsprechend gering ist die Anzahl der unterstützten Algorithmen.
Google TensorFlow
TensorFlow basiert auf sogenannten Data-Flow-Graphen, in denen Bündel von Daten („Tensors“) durch eine Reihe von Algorithmen verarbeitet werden, die durch einen Graph beschrieben sind. Die Bewegungsmuster der Daten innerhalb des Systems heißen „Flows“. Die Graphen lassen sich mittels C++ und Python zusammenbauen und via CPU oder GPU verarbeiten.
Microsoft CNTK
Das Microsoft Computational Network Toolkit funktioniert ähnlich wie Google TensorFlow: Neuronale Netze lassen sich durch gerichtete Graphen erzeugen. Microsofts eigener Beschreibung zufolge lässt sich CNTK außerdem mit Projekten wie Caffe, Theano und Torch vergleichen – sei aber schneller und könne im Gegensatz zu den genannten gar parallel auf Prozessor- und Grafikprozessorleistung zugreifen.
Samsung Veles
Das Samsung-Framework ist dazu gedacht, Datensätze zu analysieren und automatisch zu normalisieren, bevor sie in den Produktivbetrieb übergehen – was wiederum durch eine eigene API namens REST sofort möglich ist – vorausgesetzt, die eingesetzte Hardware hat genügend Power. Der Python-Einsatz in Veles umfasst auch ein eigenes Analyse- und Visualisierungstool namens Jupyter (früher IPython) für die Darstellung einzelner Anwendungs-Cluster.
Brainstorm
Brainstorm setzt auf Python, um zwei Data-Management-APIs („Handers“ genannt) bereitzustellen – eine für CPU-Prozessing durch die Bibliothek „Numpy“ und eine für GPU-Verarbeitung via CUDA. Eine benutzerfreundliche GUI ist in Arbeit.
mlpack 2
Die neue Version der in C++ geschriebenen Machine-Learning-Bibliothek mlpack, die erstmals im Jahr 2011 erschien, bringt eine Menge Neuerungen mit – darunter neue Algorithmen und überarbeitete alte.
Marvin
Der Quellcode von Marvin ist sehr übersichtlich - die enthaltenen vortrainierten Modelle (siehe Bild) ermöglichen aber bereits eine umfangreiche Weiterentwicklung.
Neon
Neon von NervanaSystems ist ein Open-Source-Framework, das auf ein- und abschaltbaren Modulen basiert und KI-Prozesse via CPU, GPU oder Nervanas eigener Hardware ermöglicht.