Killer-Roboter. Bedrohliche Humanoiden. Robo-Apokalypsen und böse Roboter, die die Welt übernehmen. (Nur ein Scherz.)

Filme wie Blade Runner, I, Robot und Ex Machina sowie reißerische Artikel in der Presse über künstliche Intelligenz (KI) malen ein beängstigendes und unheimliches Bild von KI. Leider wird KI oft als etwas Bedrohliches und Negatives zusammengefasst, das all unsere Jobs stehlen wird oder vielleicht noch schlimmer, uns vollständig und total überwältigen wird.

Fakten triumphieren über Fiktion

Wir sehen aus G2-Daten und -Forschung, dass die Realität von KI und ihrer nahen Verwandten, der Analytik, nuancierter und rosiger ist, als die Medien es vermuten lassen.

Als Marktforschungsanalyst bei G2, der sich auf KI & Analytik konzentriert, habe ich sowohl das Vergnügen, tief einzutauchen, als auch das Privileg, diese faszinierende Technologie zu erforschen. Dies ermöglicht es mir, andere zu befähigen, die Magie und das Geheimnis hinter KI zu verstehen und einen Einblick in alles zu bieten, von den inneren Abläufen eines neuronalen Netzwerks bis hin zu breiten makroökonomischen Trends rund um KI & Analytik.

Oftmals beruht das, was von außen wie Magie aussieht, auf viel mehr „hinter dem Vorhang“. Zum Beispiel sind einige Unternehmen in die Kritik geraten, weil ein namenloser, gesichtsloser Roboter ihre persönlichen Daten, wie E-Mails, betrachtete, um ihre alltägliche KI-Technologie zu trainieren.

Stattdessen sehen wir immer wieder, wie Unternehmen Menschen beschäftigen, um Daten manuell zu analysieren und zu kennzeichnen. Wir werden die ethischen Dilemmata diskutieren, die sich aus diesem häufigen Vorkommen ergeben.

„Die derzeitige Qualifikationslücke, die die Einführung von KI einschränkt, wird durch technologische Entwicklungen abgebaut, die die Zugänglichkeit fördern und potenzielle Anwendungsfälle erweitern werden.“

Tom Pringle, VP der Technologieforschung bei G2

In diesem Artikel werden wir ein Bild zeichnen, in groben Zügen, wie diese Vorhersage zur Realität wird.

Das Datenförderband

„Daten sind das neue Öl“ ist ein gängiges Sprichwort, das man heute in der Technologie hört, und es stimmt.

Es gibt eine Reihe von Zwischenschritten auf dem Weg, um Daten in Erkenntnisse zu verwandeln, einschließlich einiger der folgenden.

• Datenintegrationssoftware & Datenvorbereitungssoftware

Daten, ob quantitativ (z.B. Hauspreise, Anzahl der Menschen in einem bestimmten Gebiet) oder qualitativ (z.B. Umfrageantworten, Produktbewertungen), können nicht einfach in ein maschinelles Lernmodell eingefügt werden, wie man eine Traube in den Mund steckt. Zuerst müssen die Daten bereinigt und systematisiert werden, um sicherzustellen, dass sie im richtigen Format und am richtigen Ort (z.B. Server, vor Ort, etc.) vorliegen.

• Maschinelles Lernen Datenkataloge

Dies ermöglicht es Unternehmen, Unternehmensdaten aus mehreren Datenquellen zu kategorisieren, darauf zuzugreifen, sie zu interpretieren und zusammenzuarbeiten.

• KI-Plattformen & Business Intelligence Plattformen

Egal, ob Sie Ihre eigenen Modelle erstellen oder Standardmodelle, Business Intelligence-Tools oder Analysetools verwenden, Sie werden irgendeine Art von Plattform nutzen, um von Daten zu Erkenntnissen zu gelangen.

• Erkenntnisse

Sobald Sie die Daten bereinigt haben, sind sie bereit, für Erkenntnisse und Muster „gepresst“ zu werden (entschuldigen Sie mein gemischtes Metapher).

Wir sehen spannende Bewegungen in diesen Bereichen, die es einer immer größeren Gruppe von Menschen ermöglichen, mit Daten zu arbeiten und ihr volles Potenzial freizusetzen.

Haben Sie Ihre Daten und analysieren Sie sie auch

Sicherzustellen, dass Ihre Daten ordnungsgemäß vorbereitet, sorgfältig bereinigt und makellos integriert sind, ist keine leichte (oder spaßige) Arbeit. Daher hilft der Aufstieg von KI-gestützten Tools (ob eigenständig wie SnapLogics intelligente Integrationsplattform oder gebündelt wie Qlik Data Catalyst) den Benutzern enorm. Dies ist ein Beispiel dafür, wie der Prozess der Datenanalyse einfacher und zugänglicher wird.

Wenn wir uns das Datenmanagement ansehen, hilft der Aufstieg von Maschinelles Lernen Datenkataloge (data.world, IBM Watson Knowledge Catalog und Aginity), sicherzustellen, dass Daten und ihre anschließende Analyse reproduzierbar und zugänglich sind. Mit maschinellen Lernfähigkeiten ermöglichen diese Datenkataloge jedem Endbenutzer, verwandte Daten zu entdecken, was hilft, ein datengesteuertes Unternehmen aufzubauen.

KI & Analytik Plattformen werden immer intelligenter. Je intelligenter die Plattform, desto weniger intelligent müssen die Benutzer sein. Unten sind ein paar bedeutende Entwicklungen, die wir gesehen haben.

• • Datensatz-Erweiterung gibt Datenwissenschaftlern Zugang zu synthetischen Daten und verbundenen Datensätzen. Intelligente Datenanreicherung hilft visionären Datenwissenschaftlern, Daten zu nutzen, die niemand sieht.

• • Intelligente Empfehlungen geben dem Datenexperten maschinell lernbasierte Empfehlungen für relevante Erkenntnisse, sodass Benutzer Antworten finden können, die tief in ihren Daten verborgen sind.

Sprechen Sie mit Ihren Daten, wo immer Sie sind

Schließlich sind wir am Ende des Datenförderbands angekommen.

Wir leben in einer Bequemlichkeitskultur, einer Zeit, in der wir erwarten, dass Dinge sofort verfügbar und zugänglich sind, einschließlich Daten und Erkenntnisse. Die folgenden zwei Trends sind zu beobachten, wie Benutzer schnell Erkenntnisse erhalten können, wo immer sie sind.

• Konversationsintelligenz-Software

Da das Verständnis natürlicher Sprache verbessert wurde, können wir jetzt mit unseren Daten sprechen und Erkenntnisse mit natürlicher, intuitiver Sprache finden und erkunden. Mit dieser leistungsstarken Technologie können Benutzer sich darauf konzentrieren, Muster zu entdecken und Bedeutung in den Daten zu finden, anstatt sich SQL-Abfragen zu merken.

• Eingebettet

Sowohl die Art und Weise als auch die Methode der Datenabfrage haben Upgrades erhalten. Zum Beispiel bauen Analyseplattformen Integrationen mit häufig verwendeten Kollaborationstools (z.B. Oracle Digital Assistant auf Microsoft Teams). Darüber hinaus geben eingebettete Business Intelligence-Plattformen Softwareentwicklern die Werkzeuge, die sie benötigen, um schnell Self-Service-Analysefähigkeiten in Geschäftsanwendungen zu integrieren.

                                                      Vorher                                                   Nachher

Wir wollen erklärbare Antworten und wir wollen sie jetzt

Was ist die nächste Grenze von KI & Analytik?

Bei G2 denken wir, dass das nächste „große Ding“ der Aufstieg erklärbarer Antworten sein wird, oder die Fähigkeit der Benutzer zu verstehen, warum eine bestimmte Antwort oder Erkenntnis von der Software erzeugt wird. Bis zu diesem Punkt haben wir uns auf das Was und das Wie der Daten konzentriert. In naher Zukunft werden wir nicht nur Antworten aus unseren Daten erhalten wollen, sondern auch Antworten darauf, warum unsere Daten so sind, wie sie sind und warum bestimmte Erkenntnisse oder Antworten generiert wurden.

In einer Welt, in der Daten groß sind und die ethischen Dilemmata noch größer, wird Erklärbarkeit von einem netten Feature zu einem Muss-Feature werden.

Wir haben bereits Bewegungen in diese Richtung mit Unternehmenslösungen wie Tableau’s Explain Data-Funktion gesehen, die erkannt haben, dass Benutzer ihre Daten tief verstehen wollen, nicht nur auffällige Visualisierungen erstellen. Viele Startups konzentrieren sich auch auf das Problem, darunter Kyndi und Fiddler. Tatsächlich dreht sich ihr gesamtes Geschäftsmodell um das Problem der Erklärbarkeit und sie schaffen KI-Systeme, die die Begründung hinter ihren Schlussfolgerungen und Ergebnissen rechtfertigen können. Wir freuen uns darauf, zu sehen, was die Zukunft bereithält.