Künstliche Intelligenz und Deep Learning

Nachdem wir uns in der letzten Woche mit der Frage befasst haben, wie Deep Learning das Video-SEO vorantreibt, gönnen wir uns heute einen erneuten Blick auf das Thema der Artificial Intelligence (AI). Denn es ist für uns selbstverständlich von Interesse, welchen Nutzen das Deep Learning über das Video-SEO hinaus für uns Online-Marketer hat und wo die Grenzen, vielleicht auch die Probleme und Gefahren künstlicher Intelligenz liegen.

Begriffsklärungen

Deshalb ist es ratsam, zunächst einen Blick auf die Definition des Deep Learning zu werfen. Weil eine wissenschaftlich anerkannte Beschreibung des Begriffs noch fehlt, behelfen wir uns mit folgender Definition:

Deep Learning gilt als Disziplin, die inhaltlich an die Forschungsarbeiten des Machine Learning anknüpft. Das Ziel besteht darin, Erkenntnisse zur Funktion des menschlichen Gehirns zu nutzen, um neuronale (neurale) Netze, also selbstlernende Computerstrukturen, zu entwickeln, die in der Lage sein sollen, Gelerntes auf Inhalte, die der Maschine neu gezeigt werden, zu übertragen. Letzten Endes geht es also um die Erkennung von Mustern; anschließend soll die Maschine Prognosen und Entscheidungen sowie Handlungen aus dem Erkennen und Kategorisieren dieser Muster ableiten. Demnach sind die künstlichen neuronalen Netze der Versuch, menschliches Lernen computergestützt nachzuahmen. Wir hatten dies beschrieben im Beitrag zum Video-SEO: Die Anwendung hier besteht darin, Bildinhalte auf algorithmischer Basis zu analysieren. Die Hürde auf dem Weg zur selbstlernenden Erkennung von Mustern: Die Algorithmen, die für das Lernen zuständig sind, müssen für die Skalierung, also die immer weiter fortschreitenden Lerndurchläufe, die Muster innerhalb sehr großer Datenbestände (Big Data) erkennen. Hier kommt, anders als bei den ersten neuronalen Netzen zu Anfang der 90er Jahre, das Deep Learning ins Spiel: Maschinen, die nach diesem Prinzip aufgebaut sind, bestehen aus neuronalen Netzen, die mehrere Schichten aufweisen.

Abbildung:

deep_learning

Aktuelle Anwendungen, die auf Deep Learning basieren

Neben Youtube 8-M, mit dem wir uns bereits befasst hatten, sind beispielsweise folgende Anwendungen im Alltag einiger Menschen bereits Standard:

  • Spracherkennungssoftware
  • selbstfahrende Autos
  • Bilderkennung
  • Produktempfehlungen, die aus dem Auslesen des Browserverlaufs generiert werden

Nicht zu vergessen: Google DeepMind. Diese Firma hat in Zusammenarbeit mit der University of Oxford eine Künstliche Intelligenz (KI) geschaffen, die in der Lage ist, aus Lippenbewegungen auf den Inhalt des Gesagten zu schließen. Mit einer Trefferquote von 46,8 %, wohlgemerkt der Maschine bisher unbekannten Sätzen und Kontexten, übertrifft diese Leistung die der professionellen menschlichen Lippenleser um Längen – Menschen kommen trotz langjähriger Praxis auf durchschnittliche Werte von lediglich 12,4 %. Eine ausführlichere Darstellung dieser Leistung von DeepMind findet sich hier.

Die Grenzen des menschlichen Verständnisses: Deep Learning als Black Box

Wir können die Ergebnisse einer Künstlichen Intelligenz, die auf Deep Learning basiert, wahrnehmen und bewundern. Bleiben wir beim Beispiel von DeepMind: Toll, was dieses neuronale Netz bewerkstelligt. Allerdings: Auf welchen Wegen eine KI zu ihren Erkenntnissen gelangt, bleibt uns Menschen meist verborgen; je komplexer die Maschinen werden, umso größer wird die Aufgabe, diese Black Box auszulesen. Was daran liegt, dass, anders als bei strukturierter Datenablage etwa in einer Datenbank, die Daten von der KI in einer Weise fragmentiert abgelegt werden, dass sie kaum für Menschen erreichbar sind. Fortschritte bei der KI führen dahin, dass die oben erwähnten Prognosen, Entscheidungen und Handlungen einer Maschine auf Kriterien basieren, die sich selbstständig fortschreiben, während der Algorithmus weiter lernt. Das wird nicht ausschließlich, aber ganz besonders im Bereich der Predictive Analytics (http://www.gartner.com/it-glossary/predictive-analytics/) ein Problem werden, wenn es beispielsweise darum geht, Risikobewertungen für den Abschluss einer Kranken- oder Krankenzusatzversicherung maschinengestützt durchführen zu lassen.

blackbox_rockit

Anwendungsbereiche des Deep Learning im Online Marketing

An dieser Stelle müssten wir sehr weit ausholen und verweisen deshalb auf spätere Texte, die auf diesen einführenden Text Bezug nehmen werden. Deshalb nennen wir hier nur die Möglichkeit, dass Algorithmen von Suchmaschinen sich künftig selbständig weiter entwickeln, sich gar anpassen können an sich verändernde Gewohnheiten von Usern, Umständen / Situationen und auch von persönlichen Veränderungen von Usern (für Google sind User Adressaten von Online Marketing-Maßnahmen). Das oben erwähnte Ausspielen von Produktempfehlungen ist dabei nur die vielbemühte Spitze des Eisbergs. Nudging ist ein Thema, letztlich also auch Schwarmsteuerung. Es ist kein Zufall und keine reine Liebhaberei, dass der Google-Konzern sehr viel Geld in die Entwicklung künstlicher Intelligenz investiert, unter anderem in

  • Bilderkennung
  • Objekterkennung in Fotos / Videoframes
  • Texterkennung in Fotos / Videoframes
  • semantische Weiterentwicklung zum Beispiel zur Erkennung von Umgangssprache

Wir bleiben wie gesagt am Ball und werden in loser Folge uns mit weiteren Aspekten der KI und ihrer Anwendung im Online Marketing befassen.

YouTube als integraler Bestandteil Ihrer Marketingstrategie?
Wir rocken das für Sie!

Über den Autor

ROCKIT Team

ROCKIT Team

bei ROCKIT-INTERNET GmbH

Unser Know-how und unsere langjährige Erfahrung für Ihren Erfolg! Seit 2002 rocken wir das Online Marketing speziell die Suchmaschinenoptimierung (SEO), Google-AdWords (SEA) und YouTube-Marketing.

Kommentare

Kommentar schreiben

  • (wird nicht veröffentlicht)