Lernende Maschinen und Neuronale Netzwerke
Stand der Dinge international und in der Schweiz
KI-Technologien wie Algorithmen für maschinelles Lernen und künstliche neuronale Netze können trainiert werden, um bestimmte Aufgaben mit einer Effizienz und Genauigkeit auszuführen, die den Menschen ergänzen und sogar übertreffen können. Die beliebtesten KI-Technologien wie Deep-Learning-Netzwerke sind vage durch die Art und Weise inspiriert, wie das menschliche Gehirn lernt. Sie bestehen typischerweise aus Schichten von Knoten (Neuronen), die durch verstellbare Gewichtsverknüpfungen (Synapsen) verbunden sind. Jedes Neuron kann eine Information an eine andere Gruppe Neuronen abgeben, basierend auf dem Zustand des gewichteten Inputs. Diese Gewichtungen passen sich im Laufe des Lernens an. Die drastische Zunahme der in der Cloud und bei Supercomputern verfügbaren Rechenleistung, die Fortschritte in der KI-Forschung sowie die jüngste Konsolidierung rund um grosse Datenplattformen haben KI-Technologien äusserst erfolgreich und in der Öffentlichkeit sichtbar gemacht. Machine-Learning-Methoden verändern zunehmend unseren Alltag: Spracherkennung, Übersetzung in Fremdsprachen, natürliche Sprachinteraktion mit Maschinen und Bild-/Gesichtserkennung haben die Art und Weise verändert, wie Menschen mit anderen Menschen und Unternehmen interagieren. Das disruptive Potenzial dieser KI-Technologien beruht aber auf deren Integration in grosse Datenplattformen. Tatsächlich stehen Machine- Learning-Methoden im Zentrum der Automatisierung von Datenaufnahme und -kennzeichnung sowie Klassifizierung in grossen Datenplattformen. Das wird ihre Akzeptanz steigern und ihren Einsatz in allen Branchen sowie Unternehmen aller Grössen enorm beschleunigen. Disruptive Veränderungen für Banken, Dienstleistungen, Einzelhandel, Fertigung, Pharmaindustrie und Versicherungen sind die Folge davon.
Konsequenzen für die Schweiz
Die Schweiz war bei der Entwicklung von KI-Technologien führend und ist aufgrund ihres hervorragenden Ökosystems für akademische und industrielle Forschung im Bereich des maschinellen Lernens nach wie vor sehr gut positioniert, sofern Forschungsinvestitionen und das förderliche Geschäfts- und Innovationsumfeld erhalten bleiben. Die Forschung sollte sich künftig auf die Entwicklung stabiler, genauer und widerstandsfähiger Machine- Learning-Methoden konzentrieren, die auf hochdimensionalen realen Daten (z.B. medizinische, industrielle etc.) basieren. Der Schweiz bietet sich die Chance, bei der Definition von Normen und der Zertifizierung von KI-Systemen eine Vorreiterrolle zu übernehmen. Da KI immer häufiger eingesetzt wird, ist es wichtig sicherzustellen, dass diese Modelle ethisch und sicher sind: Sie sollen keine menschlichen Vorurteile wie Alter, Geschlecht, Nationalität oder Religion enthalten, ihre Aufgaben innerhalb definierter Grenzen erfüllen und sicher sein vor bekannten feindlichen Angriffen. Man sollte auch nicht unterschätzen, dass die öffentliche Wahrnehmung von KI-Technologien verbessert werden muss.