Credit Suisse: Die Herausforderungen künstlicher Intelligenz

Das 21. Jahrhundert hat bereits beachtliche technologische Errungenschaften hervorgebracht. Die Fortschritte, die in den letzten Jahren hinsichtlich der Fähigkeiten in den Bereichen Prozessorentechnologie, Big Data und Datenalgorithmen sowie durch das Aufkommen der Cloud erzielt wurden, werden nach derzeitigem Stand dazu führen, dass der künstlichen Intelligenz der Schritt aus den Forschungslaboren in die wirkliche Welt gelingen wird. Wir sind der Ansicht, dass diese Entwicklung weitreichende Folgen hat, nicht nur für informationsintensive Branchen, sondern auch für Unternehmen, die hochqualifiziertes Personal benötigen.

Jeremy Howard, ein führender Experte im Bereich „maschinelles Lernen“, zeigt die bedeutenden Fortschritte bei Software für künstliche Intelligenz auf: Computer können nun lesen, zuhören, sprechen, schreiben, einzelne Bilder identifizieren und Wissen auf einem Niveau integrieren, das dem menschlichen sehr nahe kommt oder es sogar übertrifft. Während Fortschritte beim Menschen schrittweise erfolgen, steigen die Fähigkeiten beim maschinellen Lernen exponentiell an. Die jüngsten Fortschritte schaffen in zahlreichen Branchen beträchtliche Möglichkeiten, haben jedoch auch immense Auswirkungen.In dieser Publikation geben wir eine allgemeine Definition künstlicher Intelligenz sowie eine Übersicht der jüngsten M&A-Transaktionen. Danach beleuchten wir, in welchem Stadium sich diese Technologie heute befindet, erörtern potenzielle Herausforderungen und ziehen ein abschließendes Fazit.Was ist künstliche Intelligenz (KI)?

Bei künstlicher Intelligenz, wie sie im Science-Fiction-Film „Terminator“ sehr anschaulich dargestellt wird, handelt es sich um die Intelligenz von Maschinen oder Software. Namhafte Forscher definieren KI als „das Studium und die Konzeption intelligenter Agenten, wobei ein intelligenter Agent ein System ist, das seine Umwelt wahrnimmt und Maßnahmen zur Maximierung seiner Erfolgschancen ergreift.“ Anders ausgedrückt bedeutet dies, dass sich Maschinen mit Problemen beschäftigen, von denen man zuvor annahm, dass nur das menschliche Gehirn sie lösen könnte.

Zwei Hauptkomponenten von KI sind maschinelles Lernen und Natural Language Processing (maschinelle Sprachverarbeitung): Maschinelles Lernen ist eine wissenschaftliche Disziplin, die sich mit dem Aufbau und dem Studium von Algorithmen befasst, die von Daten lernen können. Das Ergebnis sind Maschinen, die in der Lage sind, Muster zu erkennen und durch die Verarbeitung einer riesigen Menge von Daten Vorhersagen zu treffen.

Eine Unterdisziplin des maschinellen Lernens, das „Deep Learning“, ist der Hauptgrund für die jüngst zu verzeichnende Aufregung. Deep Learning basiert auf Software, die versucht, die im menschlichen Gehirn stattfindenden Prozesse nachzuahmen, um schneller zu „lernen“. Diese Methode könnte Unternehmen dabei helfen, verbesserte Rückschlüsse bezüglich ihrer Kunden zu ziehen. Firmen werden in der Lage sein, Vorlieben zu identifizieren und Prognosen zu treffen, etwa wann Kunden am besten kontaktiert werden sollten oder bei welchen Kunden das Risiko am höchsten ist, dass sie einen Vertrag nicht verlängern. Natural Language Processing (NLP) analysiert die Interaktion zwischen menschlicher Sprache (natürlicher Sprache) und Computern oder anderen Geräten. Ziel ist es, dass Computer normale gesprochene und geschriebene Sprache vollständig verstehen, ohne dass die Sprache angepasst werden muss, um den Regeln von Computer- und Softwaresprachen zu entsprechen.

Die Anzahl von Start-up-Unternehmen im Bereich künstliche Intelligenz, die von etablierten Unternehmen übernommen wurden, ist in den letzten Jahren stark angestiegen. Google war diesbezüglich besonders aktiv und hat Technologien in den Bereichen Deep Learning, Bilderkennung und neuronale Netze erworben. Die Tabelle zeigt ausgewählte M&A-Aktivitäten im Zusammenhang mit künstlicher Intelligenz.

Der vollständige Kommentar im pdf-Dokument