Der Einsatz prädiktiver KI-Modelle in verschiedenen Entscheidungsbereichen birgt das Risiko katastrophaler Folgen, da sie in der Regel Korrelation als Kausalität betrachten. Daher müssen Entscheidungsträger einen anderen Ansatz verfolgen, die kausale KI, die dent helfen kann, den Zusammenhang zwischen Wirkung und Ursache genau zu identifizieren. Kausalität gilt heute als eines der wichtigsten fehlenden Elemente, die erforderlich sind, um echte Fortschritte im KI-Bereich zu ermöglichen.
Kausale KI versteht Ursache und Wirkung
Fachexperten fordern bereits seit geraumer Zeit, Maschinen in die Lage zu versetzen, über die Auswirkungen und Ursachen nachzudenken. Große Markennamen wie Google, Microsoft, Facebook, Uber und Amazon investieren stark in kausale KI, daher hat sich auch die Forschung im Bereich Kausalität beschleunigt.
Auch Gartner, das führende Unternehmen für Technologieanalysen, zählt kausale KI zu den 25 sich entwickelnden Technologien, die das Potenzial haben, Geschäftspraktiken zu verändern. Nun scheint es in der Industrie ein Wettlauf zu sein, die außergewöhnlichen Vorteile dieser Technologie durch eine frühere Einführung zu nutzen, aber damit dies geschieht, ist zunächst der Aufbau einer ausgereiften kausalen KI unerlässlich.
Für echte Intelligenz ist es eine notwendige Voraussetzung, Ursache und Wirkung den Vorrang zu geben. Dies ist das Problem, das prädiktive KI-Systeme nicht haben, und Experten versuchen, es mit kausaler KI zu lösen.
Wir Menschen sind schlauer als Daten, weil wir Ursache und Wirkung verstehen, Daten jedoch nicht. Wir nutzen unsere Fähigkeit, durch unser Kausalwissen zu argumentieren, um vorherzusagen, wie sich eine bestimmte Handlung auf eine Angelegenheit auswirken wird, und entwickeln daher entsprechende Strategien und Pläne. Abhängig von unserer Fähigkeit zum kausalen Denken können wir uns unerwünschte oder von unseren erwarteten Ergebnissen abweichende Ergebnisse vorstellen. Das ist die menschliche Kompetenz, festzustellen, warum etwas so endete, wie es gekommen ist. Die KI, die Ursache und Wirkung kennt, kann also auch über diese Fähigkeit verfügen, die oft sehr mächtig ist.
Domänenwissen an Bord
Einer der Hauptvorteile der kausalen KI ist die Nutzung von Domänenwissen, das von Experten auf diesem Gebiet eingeholt und in den Systemprozess integriert werden kann. Auf diese Weise können Programmierer einige Beziehungen defi und das Modell einschränken, um die Korrelation zu berücksichtigen. Diese Fähigkeit bringt Fachwissen in das maschinelle Lernen ein.
Das Erkennen der zugrunde liegenden Faktoren ist nicht der einzige Vorteil des Einsatzes von Gelegenheits-KI; Es ermöglicht auch die Gestaltung von Prozessen, die die Ergebnisse verändern können, indem die Algorithmen der Gelegenheits-KI genutzt werden, um Fragen zur Begründung zu stellen.
Angenommen, Sie möchten ein Schulungsprogramm für Ausbilder evaluieren, um deren Kompetenz zu verbessern. Wie viel kann man von einem Auszubildenden erwarten, um seine Ergebnisse zu verbessern? Oder ein Produktionsleiter weiß beispielsweise, dass mit steigender Hitze in Kammer X auch der Druck in Kammer Y steigt. Dieses vom Menschen gewonnene Wissen kann also in die KI eingebettet werden und sicherstellen, dass das System diese Kriterien stets berücksichtigt.
Aktuelle KI-Systeme sind nicht auf intelligente Weise auf menschliche Werte ausgerichtet. Kausale KI ist der Gipfel der erklärbaren künstlichen Intelligenz und der Fairness von KI-Systemen. Auf Kausalität basierende Systeme liefern eine bessere Leistung und auch Erklärbarkeit des Prozesses, während herkömmliche KI sich auf bestimmte Genauigkeitserwartungen konzentriert und Transparenz ignoriert. Wenn wir die Antworten auf komplexe Was-wäre-wenn-Fragen kennen, können wir besser verstehen, wie die reale Welt funktioniert, und die richtigen Entscheidungen für bessere Ergebnisse treffen.
Die Originalgeschichte ist hier .
