Künstliche Intelligenz (KI) / Artificial Intelligence (AI)

KI steht für Künstliche Intelligenz. Im englischen auch AI oder A.I. für "Artificial Intelligence" benannt. KI ist ein Bereich der Informatik, in dem mit Hilfe von Soft- und Hardware versucht wird, menschliches​ Denken und Verhalten nachzu​​bilden.

Bei FIEBIG konzentrieren wir uns auf die Verbesserung von Kundenservice‑Prozessen durch geeignete KI Lösungen.
Wir sehen, dass die Kombination von verschiedenen KI-Techniken wie Speech Recognition, Natural Language Processing und Semantische Analyse, erfolgreiche und nachhaltige Ergebnisse erzeugt.

Narrow AI

Narrow AI oder Weak AI ist eine Bezeichnung für KI-Systeme, die nur einen definierten Aufgabenbereich abdecken. Die meisten heute verfügbaren und produktiv eingesetzten KI Systeme sind Narrow AI​'​s. Zwar können z.B. mit den heute verfügbaren Machine Learning Systemen KI'​s für viele verschiedene Bereiche erstellt werden, jede KI ist dann aber nur in der Lage, genau den antrainierten Aufgabenbereich abzudecken. Ein intelligenter Chatbot auf der Webseite einer Fluglinie kennt sich voraussichtlich perfekt mit Flugbuchungen und den Themen rund um den Flugverkehr aus, er wird aber nicht in der Lage sein, eine sinnvolle Unterhaltung zu Sport, Autos oder Mode zu führen.

Artificial General Intelligence (AGI)

Eine Artificial General Intelligence​ (AGI) ist eine Künstliche Intelligenz, die alle Aufgaben lösen kann,​​ die auch ein Mensch mit seinem Intellekt lösen kann. Die AGI ist eine KI, die nicht ​wie die aktuell verfügbaren Narrow AI Systeme ​nur für bestimmte Aufgaben eingesetzt werden kann,​ sondern für​ jede Aufgabe, ohne dafür jeweils komplett neu trainiert zu werden. Sie muss selbstständig in der Lage sein, Lösungsansätze zu erarbeiten. Eine AGI sollte in ihrer Arbeitsweise und Lösungskompetenz dem Menschen gleichkommen. Damit ist eine AGI das ursprüngliche Ziel der KI Forschung und Entwicklung. Derzeit sind noch keine KI Systeme bekannt, die diese Anforderungen erfüllen.

Die Steigerung der AGI wäre eine Super AI, welche die intellektuellen Leistungen des Menschen übertr​effen würde.

Natural Language Processing (NLP) / Natural Language Understanding (NLU)

NLP umfasst viele verwandte Verfahren für die Verarbeitung von Sprache in Form von Text- oder Audiodaten; es ist also eine Kombination von Sprachwissenschaft und Informatik.

Natural Language Understanding (NLU) ist ein Teilbereich von Natural Language Processing (NLP) und damit auch der Computerlinguistik. Dabei ist das Ziel, natürliche Sprache mit Hilfe von Softwarealgorithmen zu erkennen und zu verstehen. Damit ist NLU auch ein Teilbereich der Künstlichen Intelligenz.

NLU ist eine Systematik, um Sprache zu analysieren. Mittels NLU Technologie, die in Software eingesetzt wird, können ganze Sätze in Echtzeit analysiert werden. Mittels NLU ist Software in der Lage, ganze Sätze und deren Sinnzusammenhänge zu extrahieren. Entitäten und Anliegen werden extrahiert und an weiterführende Systeme zur Bearbeitung übergeben.

Daher eignet sich NLU ideal für interaktive Spracherkennungs- und Sprachdialogsysteme und somit für den Einsatz im Kundenservice.

NLU im Kundenservice

Im Kundenservicekontext wollen Sie

  1. verstehen, was ein Kunde mitteilt,
  2. was der Kunde damit meint,
  3. diese Mitteilung analysieren und dann
  4. anschließend einen definierten Response zurückgeben oder eine Aktion ausführen.

Dieser Prozess ist eigentlich das, was Ihre Mitarbeiter Tag ein Tag aus praktizieren; NLU ist Teil der Lösung, wenn diese Arbeit durch KI optimiert wird.

FIEBIG Integration Services

FIEBIG KI Lösungen nutzen modernste NLU Technologien und ermöglichen Ihnen so, menschliche Sprache über alle Kontaktkanäle zu verarbeiten und die Anliegen Ihrer Kunden zu erkennen. Dank der FIEBIG Integration Services ist FIEBIG in der Lage, diese Funktionen in nahezu jede vorhandene System- und   Anwendungslandschaft zu integrieren. ​​​​​​

Mehr über FIEBIG Integration Services erfahren

Anliegenerkennung

Bei der Anliegenerkennung (englisch Intent Recognition) geht es darum, das Anliegen aus einem Text oder einer Formulierung herauszulesen. Dabei ist im KI Umfeld die Anliegenerkennung im NLP Bereich angesiedelt. Ziel hier ist es z.B., Kundenanfragen automatisch zu interpretieren und das eigentliche Anliegen in den Anfragen zu erkennen. Bei dem Satz "Ich möchte von Hamburg nach Berlin fliegen" würde das erkannte Anliegen bei einer Fluggesellschaft wohl Flugbuchung lauten. Ist das Anliegen erkannt, können basierend darauf die nächsten Schritte eingeleitet werden.

Die Erkennung des Anliegens ist die zentrale Komponente zur automatisierten Abarbeitung von Kundenanfragen. Wenn das System erkannt hat, welchen Wunsch der Kunde hat, so kann dieses die nächsten Dialogschritte einleiten oder die entsprechenden Prozesse zur Abarbeitung starten. Aktuelle Anliegenerkennungen sind in der Lage, auch multiple Anliegen aus einem Dokument zu ermitteln.

Die Erkennung des Anliegens ist häufig auch ein Bestandteil von Systemen zur Klassifizierung von E-Mails oder Dokumenten. Ebenso wird es im Bereich Chat oder bei Sprachdialogsystemen eigesetzt. Insbesondere bei der Sprachverarbeitung ist es wichtig, dass die Erkennung in Echtzeit möglich ist, damit in einem automatisierten Dialog keine ungewollten Pausen entstehen.

Computerlinguistik

Computerlinguistik ist die Modellierung von natürlicher Sprache für die Weiterverarbeitung mit Software, sowie die Entwicklung von ​IT-gestützter Methoden für linguistische Fragen.

Stark vereinfacht zum Ausdruck gebracht, kann die Computerlinguistik als linguistische Grundlagenforschung für die Automatisierung gesehen werden. Deren Ergebnisse werden im ​Natural Language Processing eingesetzt.​

Sentiment Analyse

Sentiment Analyse bezieht sich auf den Einsatz von NLP, Textanalyse und Biometrie zur systematischen Identifizierung, Extraktion, Quantifizierung und Untersuchung von affektiven Zuständen und subjektiven Informationen.

Sentiment-Analyse ist der Versuch, die Einstellung eines Redners oder Schreibers zu bestimmen. Die Einstellung kann ein Urteil oder eine Beurteilung, ein affektiver Zustand (d.h. der emotionale Zustand des Autors oder Sprechers) oder die beabsichtigte emotionale Kommunikation (d.h. die vom Autor oder Gesprächspartner beabsichtigte emotionale Wirkung) sein.

Machine Learning

Machine Learning ist verwandt mit den Themen Data Mining und Big Data. Ein System wird mit Daten gespeist und erkennt selbstständig Regeln oder Muster in den Daten. Es lernt aus den Daten und ist dann in der Lage, die gelernten Regeln und Muster auf neue Daten anzuwenden.

Neuronale Netze

Neuronale Netze oder auch Künstliche Neuronale Netze bilden in Hard- und Software biologische Nervensysteme ab. Darüber wird versucht, biologische Prozesse, wie z.B. das Denken im menschlichen Gehirn, nachzubilden. Neuronale Netze werden meist als Grundlage für KI Systeme genutzt.

Deep Learning

Deep Learning oder auch Deep Structured Learning stellt einen Teilbereich des Machine Learning dar. Deep Learning fasst verschiedene Optimierungsmethoden zusammen, u. a. für Neuronale Netze. Wie der Name sagt, wird dabei die Tiefe eines neuronalen Netzes durch das Hinzufügen neuer Schichten erhöht.

Unsupervised Learning

Unsupervised Learning ist eine Variante des Machine Learning, bei dem das System,​​ basierend auf einer​ ausreichend großen​ Eingabemenge,​ ohne Vorgabe von Ergebnissen und Kategorien, eigene Muster erkennt. Anhand der so ermittelten Muster und Kategorien kann das​ System dann auch neue Daten zuordnen.

Supervised Learning

Supervised Learning ist eine Variante von Machine Learning. Das System lernt dadurch, dass es für jeden Eingabesatz das erwartete Ergebnis vorgegeben erhält. Aus einer großen Datenmenge erzielt das System Regeln zur Ermittlung des Ergebnisses, anhand derer auch unbekannte Eingaben korrekt bewertet werden.​

Unterschied zwischen Unsupervised und Supervised Learning

Beides sind Varianten von Machine Learning. Der Unterschied liegt darin, dass beim S​upervised Learning zu jeder Eingabe auch das erwartete Ergebnis vorgegeben wird. Dadurch kann das System Regeln bilden, die zu dem gewünschten Ergebnis führen. Beim Unsupervised Learning fehlen diese Vorgaben und da​s System muss selbst Muster und Kategorien in den Daten finden.

Cognitive Services

Als Cognit​ive Services bezeichnet man eine Sammlung von meist KI oder Machine Learning basierenden Funktionen. Dabei liegt der Schwerpunkt meist auf der Erkennung,​ Interpretation oder Generierung von Bildern oder Sprache. Auch die Interpretation von Emotionen ist oft ein Bestandteil. FIEBIG bietet Cognitve Services von Microsoft an. Aufgrund der hohen Anforderungen an Rechenleistung werden diese Services in der Regel als Cloud Dienste angeboten.
FIEBIG bietet Ihnen mit den FIEBIG KI Integration Services ein Toolset und die Erfahrung zur einfachen Integration von Cognitive Services in Ihre Systemlandschaft.

Turing Test

Der Turing Test wurde 1950 von Alan Turing definiert. Mit dem Turing Test soll überprüft werden, ob das Denkvermögen einer Maschine oder KI dem eines Menschen gleichkommt. Dazu kann sich ein Tester mit 2 Probanden, einem Menschen und einer KI, über eine Tastatur und einen Bildschirm unterhalten. Der Tester weiß und sieht n​icht, welcher Proband sich hinter welchem Bildschirm versteckt.

Wenn der Tester nach intensiver Kommunikation mit beiden Probanden nicht sicher erkennen kann, welcher Proband die KI und welcher der Mensch ist, dann hat die KI den Test bestanden. Auf den Test wird im Teilbereich der Informatik zur Künstlichen Intelligenz immer wieder referenziert.​

Singularität

Die Singularität oder auch die Technologische Singularität beschreibt den Zeitpunkt, in dem durch die Weiterentwicklung der aktuellen Zukunftstechnologien wie KI oder Robotics eine Technologie entsteht, die sich selbstständig verbessert, weiterentwickelt und sich somit von der Entwicklung des Menschen abkoppelt. Wenn die Singularität erreicht ist, sind keine Voraussagen über weitere Entwicklungen mehr möglich, da der Mensch dort nicht mehr das führende Element sein wird.​​​​

Ich möchte mehr erfahren!


All fields marked with * are mandatory