Home > Politik > Parteien > FDP > Bericht

FDP: Bericht

vorheriger Bericht     zurück zur Liste     nächster Bericht

18. Dezember 2023

KI – Zwischen Gegenwart und Zukunft

Am öffentlichen Herbstanlass der FDP Bergdietikon liessen sich rund 40 Personen in die unend-lichen Weiten der künstlichen Intelligenz (KI) ein- und entführen. Die zwei Referenten zeigten anhand vieler Beispiele, zu was die KI schon heute fähig ist – aber auch, wo die Probleme liegen.

Präsidentin Françoise Oklé begrüsste die Teilnehmer und versicherte, dass die Einführung noch nicht durch eine Maschine vorbereitet wurde, sie aber für den Rest des Abends dahingehend keine Garantie mehr abgeben könne! Denn bereits anhand des ersten Beispiels zeigte einer der beiden Referenten, Michael Gomez, Managing Director bei Accenture, wie KI in der Lage ist, gesprochene Sprache in Texte umzuwandeln, zu übersetzen und akustisch mit nahezu menschlicher Stimme widerzugeben.

Im weiteren Verlauf des Referats warf Dr. Claudio Giovanoli, Dozent für Wirtschaftsinformatik, FHNW, einen Blick auf die geschichtliche Entwicklung von KI, und im Anschluss dokumentierten beide Referenten Anwendungsbeispiele aus dem akademischen Umfeld und der Privatwirtschaft, die Chancen und Problematiken von KI verdeutlichten. Eine kurze Zusammenfassung der Referate (selbstverständlich verfasst von KI):

Die Fähigkeit von KI-Systemen, aus bereits vorhandenen Daten neue Inhalte zu erzeugen, wird als generative künstliche Intelligenz (KI) bezeichnet. Die Geschichte dieser Technologie, wie sie funktioniert, die zahlreichen Anwendungen, die damit verbundenen ethischen Bedenken sind alles wichtige Überlegungen.

Die Idee der generativen KI geht bis in die Mitte des 20. Jahrhunderts zurück. Jahre zurückverfolgen Die generative KI entstand in der Mitte der 1950er-Jahre, als die grundlegenden Pläne für maschinelles Lernen und künstliche Intelligenz gerade erst entwickelt wurden. Der Chatbot Eliza aus dem Jahr 1964 war eines der ersten Beispiele für funktionierende generative KI. Harold Cohen entwickelte in den frühen 1970er-Jahren ein Computerprogramm namens Aaron, das zur Herstellung von Gemälden genutzt werden konnte. Diese Entwicklung markierte einen bedeutenden Fortschritt in der generativen KI im kreativen Bereich. Generative Modelle wie Hidden Markov Models (HMMs) und Gaussian Mixture Models (GMMs) wurden bereits in den 1950er-Jahren entwickelt, um sequenzielle Daten wie Sprache und Zeitreihen zu generieren.

Neuronale Netze und Deep-Learning-Algorithmen werden von generativen KI-Modellen verwendet, um Muster in grossen Datensätzen zu erkennen und neues Material wie Text, Bilder, Musik und andere zu erzeugen. Diese Modelle arbeiten häufig in einem latenten Raum, der Kreativität und Vielfalt bei der Erstellung von Inhalten ermöglicht. Dabei beginnt Generative KI mit einer Aufforderung in Form von Text, Bild, Video oder anderen Eingaben, und KI-Algorithmen erzeugen dann neue Inhalte. Diese Modelle können selbstgesteuertes Lernen verwenden, einschliesslich unbeaufsichtigtes oder halbüberwachtes Lernen.

Grosses Potenzial, grosse Bedenken

Generative KI hat wirtschaftliche Anwendungen und erhöht die Effizienz und Kreativität in vielen Bereichen. Sie hat insbesondere durch ihre Fähigkeit, menschenähnliche Texte zu verstehen und zu erstellen, die Art und Weise, wie Unternehmen arbeiten, Strategien entwickeln und mit Kunden interagieren.

Es gibt jedoch grosse rechtliche und ethische Bedenken bezüglich der Nutzung von KI. Es besteht ein erhebliches Risiko, falsche oder schädliche Inhalte wie Deepfakes zu produzieren. Darüber hinaus gibt es Bedenken hinsichtlich der Auswirkungen generativer KI auf Arbeitsplätze, die Privatsphäre und die Verbreitung von Vorurteilen durch KI-generierte Inhalte. Um einen verantwortungsvollen Einsatz generativer KI sicherzustellen, müssen diese Risiken durch Governance, Transparenz und ethische Rahmenbedingungen bewältigt werden.

Zusammenfassend lässt sich sagen, dass die generative KI einen langen Hintergrund hat. Sie erzeugt eine Vielzahl von Inhalten mithilfe komplexer neuronaler Netzwerkmodelle und wird immer häufiger in geschäftlichen Kontexten eingesetzt, um Innovation und Effizienz zu fördern. Bei der Weiterentwicklung müssen die ethischen Überlegungen und Risiken sorgfältig berücksichtigt werden.

Nach einer angeregten Fragerunde kamen die Teilnehmenden in Genuss eines feinen Apéros und liessen so den Abend gemütlich ausklingen.