Die Fortschritte künstlicher Intelligenz sind beeindruckend. Es gibt noch Grenzen, aber man kann sie bereits für Lösungen zur Verwaltung von Produktinformationen, Referenzdaten und in Systemen zur digitalen Vermögensverwaltung einsetzen.
#KI kann alles machen
Die Medien lieben künstliche Intelligenz! Und sie sprechen viel darüber und insbesondere über die Macht, die man ihr zuspricht. Und um auch die größten Skeptiker zu überzeugen, ist es ihr gelungen, den Menschen im Spiel „Go“ zu besiegen. Ein solcher Erfolg wurde für eine Maschine als unmöglich angesehen. Das Berechnen der Spielmöglichkeiten würde zu viel Zeit in Anspruch nehmen und das „Go“-Spiel setzt Erfahrung und Intuition voraus... Aber die Fortschritte von AlphaGo im Deep Learning waren überzeugend.
Dank dieses bedeutenden technologischen Fortschritts entdecken wir, dass künstliche Intelligenz Krebs sucht, Fahrzeuge fährt, in Natursprache kommuniziert... Künstliche Intelligenz macht auch Kaffee und ist sogar Restaurantchef.
Mit solchen Fortschritten lässt man uns glauben, dass künstliche Intelligenz bereits alles kann, wie programmieren anstelle des Menschen, Musik komponieren und Kunstwerke kreieren. Die Literatur und Science-Fiction-Filme führen uns vor Augen, dass die Aufhebung der Maschine im Gange ist. Skynet wird die Macht übernehmen. Die Menschheit ist in Gefahr, denn sie verliert die Kontrolle über diese Maschinen, die ihr überlegen sind.
#Künstliche Intelligenz denkt nicht
Künstliche Intelligenz denkt nicht, jedenfalls nicht diejenige, die heute funktioniert. Künstliche Intelligenz ist nicht nur ein sehr fortschrittliches System mit Algorithmen, die vom Menschen definiert und kontrolliert werden. Künstliche Intelligenz kann aus gigantischen Datenmengen (Big Data) Statistiken und komplexe mathematische Formeln extrahieren, die Wiedererkennung und Reproduktion ermöglichen. Und da liegt der Unterschied zum Menschen. Künstliche Intelligenz kann zum heutigen Zeitpunkt nicht selbst erkennen und produzieren. Und eine solche Autonomie wird auch morgen noch nicht möglich sein.
In einem kürzlich geführten Interview erinnert Luc Julia, einer der Entwickler des Assistenten Siri (Apple), daran, dass „künstliche Intelligenz nicht existiert“, wie er in einem Buch mit demselben Titel erklärt. Der Weg ist noch lang, bis künstliche Intelligenz eine wirkliche Intelligenz wird, die zu Bewusstsein, Emotionen, Instinkt fähig ist, in mehreren Bereichen arbeiten, schnell selbst lernen kann…
Neue Fortschritte im Bereich des Machine Learning und Deep Learning basieren auf einem von der Maschine durchgeführten „Lernprozess“. Dieser Lernprozess fordert sehr große Mengen an Daten und zahlreiche Wiederholungen, um funktionieren zu können. Der Sieg von DeepMind von Google über professionelle Spieler von Starcraft II ist ein gutes Beispiel: es war eine Entsprechung von knapp 200 Jahren Training erforderlich, um diese Spielstufe zu erreichen. Enorm viel Zeit, was zeigt, dass Menschen glücklicherweise viel schneller lernen. Und sie sind in der Lage, ihre Erfahrung zu kapitalisieren, um sie für neue Themen einzusetzen (um ein neues Videospiel zu erlernen), während künstliche Intelligenz noch auf genau definierte Aufgaben spezialisiert ist.
#PIM / MDM / DAM und künstliche Intelligenz
Heute kann man mit Lösungen für die Verwaltung von Produktinformationen (GIP oder PIM), Referenzdaten (MDM) und mit Systemen für digitale Vermögensverwaltung (DAM) große Mengen an Informationen zentralisieren (technische, logistische, marketingbezogene, preisbezogene Eigenschaften…). Das Ziel besteht darin, die Qualität der Informationen zu verbessern und diese effizient auf verschiedenen Kanälen zu veröffentlichen.
Der Einsatz von künstlicher Intelligenz in diesen Softwares verspricht die Lösung aller Probleme, die bei der Nutzung dieses Softwaretools auftreten können. Diese Systeme ermöglichen, Informationen mithilfe zahlreicher Metadaten mit großer Feinheit zu organisieren. Die Qualität der Informationen rührt vor allem von dem, was die Benutzer liefern: ein falscher Preis, ein nicht stimmiges Bild, ein doppeltes Produktdatenblatt, unvollständige Eigenschaften... Alle diese Probleme entstehen durch eine falsche Eingabe von Informationen.
Mit künstlicher Intelligenz könnte man ein intelligentes System schaffen, das in der Lage ist, alle diese Informationen korrekturzulesen und zu identifizieren, was nicht geht, die Fehler zu korrigieren und noch besser, Daten einzugeben.
Die neuesten Technologien ermöglichen bereits einen Teil dieser Aktionen. Heute kann das System Ihre Bilder analysieren und sie mit Ihren Produktbeschreibungen vergleichen, Texte automatisch übersetzen, Daten analysieren und sie vergleichen, um statistische Regeln zu erstellen und Elemente zu identifizieren, die dagegen verstoßen.
Um solche Aktionen korrekt auszuführen, muss man sich auf bestehende „Wissensdatenbanken“ (wie „Google Translate“, ein System mit künstlicher Intelligenz, das bereits erlernt hat, in zahlreiche Sprachen zu übersetzen) stützen oder seine eigene Wissensdatenbank ausarbeiten. In diesem Fall ist die Aufgabe komplex, denn diese Datenbank muss, damit sie einsetzbar ist, eine sehr große Menge an Daten von sehr guter Qualität umfassen. Nicht jeder verfügt über Zehn- oder Hunderttausende Produktdatenblätter, die einheitlich und von konstanter Qualität sind, um das System zu trainieren:
- Wenn die Qualität der Daten unsicher ist oder zu sehr schwankt, wird der Lernprozess entsprechend ausfallen und keine guten Ergebnisse hervorbringen,
- Wenn die Qualität der Daten nicht ausreichend ist, kann der Lernprozess nicht erfolgreich zu Ende geführt werden,
- Wenn alle zu bearbeitenden Elemente zu uneinheitlich sind, wird sich keine richtige „statistische Tendenz“ abzeichnen.
Die Ausarbeitung der Trainings- und Kontrollspiele ist eine sehr anspruchsvolle Aufgabe. Sie bedarf der Unterstützung von Spezialisten (die berühmten Data Scientists). Es ist die zeitaufwendigste Aufgabe in
Projekten des Machine Learning.
Ob Maschinen zur Dateneingabe oder Wahl der richtigen Bilder fähig sind, hängt vom gewünschten Ziel ab:
- Lange Beschreibung auf Grundlage verschiedener Eigenschaften vorbereiten oder Bilder automatisch den richtigen Produkten auf Grundlage ihrer Metadaten zuordnen: das ist bereits möglich mit den „herkömmlichen“ Algorithmen. Zusätzlich könnte künstliche Intelligenz auf Grundlage von Tausenden Produktdatenblättern, wie der Mensch es gemacht hat, Analysen durchführen, um Regeln aufzustellen. Der Nutzen ist von geringer Bedeutung, denn die Benutzer sind im Normalfall fähig, diese Regeln direkt aufzustellen.
- Angemessene Marketingtexte verfassen oder das schmeichelhafteste Bild für die Präsentation eines Produkts auswählen: solche Aktionen sind subjektiv und appellieren an die Intuition. Dafür braucht man die „Intelligenz der Situation“. Die aktuelle künstliche Intelligenz hat sie nicht.
Der Einsatz der Fortschritte von künstlicher Intelligenz im Bereich der PIM / MDM / DAM ist bereits möglich. Es gibt noch Grenzen, aber sie werden jeden Tag etwas weiter verlagert.