Credit Suisse beschäftigt einen Roboter. Sie heisst Amelia und arbeitet im Technischen Support Desk. Die Technologie verbindet sich heutzutage mit der Menschheit. Wir haben neue Arten von Intelligenz, neue Formen der Zusammenarbeit, neue Arten der Entscheidungsfindung. All das verändert unser Leben. Geben wir also den Maschinen den Respekt, den sie verdienen! Was können wir von den Maschinen lernen?

DeepMind, die Künstliche Intelligenz (KI) von Google, hat sich vor Kurzem das Schachspiel beigebracht und dies innerhalb von nur 4 Stunden! Danach hat DeepMind die alten Computer-Schachweltmeister geschlagen. Die KI ist nicht bloss Speicherkapazität und Rechengeschwindigkeit, wie bei den alten PCs. Intelligenz-Maschinen können auch lernen. KI ist eine spezielle Art von Intelligenz, die so programmiert ist, NICHT wie Menschen zu denken. Maschinen lernen und tun dies anders als Menschen.

Wie lernt also die KI? Sie verwenden eine Methode, die sich Selbstverstärkendes Lernen nennt. Beim maschinellen Lernen wird die Umgebung typischerweise als ein Markov-Entscheidungsprozess formuliert. Markov-Entscheidungsprozesse sind eine Erweiterung der Markov-Ketten.

Die Markov Kette ist ein mathematischer Begriff, der sich auf den Prozess bezieht, Vorhersagen ausschliesslich auf der Grundlage des gegenwärtigen, von der Geschichte unabhängigen Sachverhalts zu treffen. Mit anderen Worten, das „Jetzt“ bestimmt die nächste Periode und die nächste Periode ist nur vom „jetzt“ abhängig. Diese Vorhersageeigenschaft wurde von Andrey Markov, einem russischen Mathematiker, erforscht, der 1906 eine Abhandlung darüber verfasste. Geschichte ist kein Faktor in diesem Entscheidungsprozess, die Haupteigenschaft der Markov-Ketten ist die Gedächtnislosigkeit. Nur die Gegenwart spielt einer Rolle und hat einen Einfluss auf die Zukunft.

Eine berühmte Markov-Kette ist der sogenannte „Säuferspaziergang„. Es geht darum, dass die Position des Säufers bei jedem Schritt mit gleicher Wahrscheinlichkeit um +1 oder -1 ändern kann. Ein Schritt vorwärts oder ein Schritt rückwärts hängt nur von der aktuellen Position des Betrunkenen ab, nicht von der Art, in der er hineingekommen ist.
Gedächtnislosigkeit bedeutet auch, dass die Wartezeit bis zu einem bestimmten Ereignis nicht davon abhängt, wie viel Zeit bereits verstrichen ist.

Was können wir daraus lernen?

Manchmal sind wir so in Dinge verstrickt, die in der Vergangenheit passiert sind. Wir denken über Dinge nach, die in der Zukunft passieren könnten oder auch nicht. Ihre Geschichte bestimmt, wo Sie jetzt sind, aber wo Sie jetzt sind, bestimmt wo Sie als nächstes sein werden. Ihre Zukunft hängt von Ihren aktuellen Optionen ab, nicht von Ihren früheren. Ob Sie es glauben oder nicht, so funktioniert scheinbar auch das maschinelle Lernen!