Entstehung von AI
Der Begriff Artificial Intelligence ist keineswegs neu oder in den letzten 20 Jahren entstanden. Erstmals wurde AI bei der Dartmouth Conference 1956 von Computerspezialisten vorgestellt. Seitdem ist er ein fester Bestandteil der menschlichen Vorstellung und wird als Schlüssel zur neuen und besseren Zukunft der Menschen prophezeit.
Jedoch hat die Künstliche Intelligenz in den letzten Jahren einen regelrechten Boom erlebt, besonders seit 2015. Durch die weite Verfügbarkeit von Grafikprozessoren (GPUs), welche eine schnelle, günstige und starke parallele Verarbeitung ermöglichen, konnte aus einer einfachen Idee der Computerspezialisten eine Vielzahl an Anwendungen entstehen. So etablierte sich Stück für Stück die künstliche Intelligenz in Unternehmen.
Unterschied Artificial Intelligence, Machine Learning und Deep Learning
Quelle: twt.de
- Artificial Intelligence
Eines der frühesten Beispiele für AI waren Computerprogramme, die Dame spielten. Die Idee kam das erste Mal auf der Dartmouth Konferenz von Pioniere auf, die mithilfe der neuen Computer eine Maschine bauen wollten, welche die gleiche Intelligenz besitze wie ein Mensch hat. Maschinen, die all unsere Sinne haben, unsere Vernunft und so denken wie wir, das ist das Konzept des „General AI“.
Heutzutage wird der Ansatz des „begrenzten AI“ verfolgt. Das bedeutet: Technologien, die in der Lage sind spezifische Aufgaben genauso gut oder besser als Menschen zu lösen. Ein Beispiel ist die Bildklassifizierung von Pinterest. Damit Technologien Aspekte menschlicher Intelligenz aufzeigen können, ist Maschine-Learning gefragt.
- Machine Learning
Im Grunde ist Maschine Learning ein Verfahren, dass Algorithmen benutzt, um Daten zu analysieren, davon zu lernen und eine Aussage oder Vorhersage zu treffen. Dabei wird, anders als bei Hand-programmierten Software, durch spezielle Anweisungen festgelegt, dass die Maschine durch den Gebrauch von großen Datenmengen und Algorithmen lernt wie eine Aufgabe ausgeführt werden muss.
- Deep Learning
Deep Learning ist quasi die Technik, um „Machine Learning“ zu implementieren. Hierbei handelt es sich um eine komplexere Technologie, die aus verschiedenen Ebenen und individuellen Neuronen besteht und ein neurales Netzwerk bildet. So können trainierte Deep Learning Technologien bei einigen Szenarien schon besser als der Mensch Bilder erkennen. Ein Einsatzgebiet für diese Bildererkennung ist etwa die Identifikation von Indikatoren für Krebs im Blut oder Tumore auf MRT-Aufnahmen.
KI als Unterstützung oder Bedrohung für Unternehmen
Mit Künstlicher Intelligenz lassen sich zwar Unternehmen von Angreifern beschützen, trotzdem bieten sie ein ebenso großes Einfallstor für Angreifer. Denn KI-Anwendungen sind bereits branchenübergreifend eingesetzt und verfügen über ein großes Leistungsspektrum, das laufend erweitert wird. Dabei darf die IT-Sicherheit keinesfalls zu kurz kommen, denn Hacker nutzen schließlich auch schon KI-Tools für Spionage oder Datendiebstahl.
Cybersecurity mit künstlicher Intelligenz
Cyberangriffe werden immer komplexer, sodass einfache Technologien lange nicht mehr ausreichend schützen. Zudem müssen Unternehmen massive Mengen an Vorfallsdaten, fehlerhaften oder doppelten Datensätzen, eine Vielzahl an Malware-Mustern und über tausende Protokolle bewältigen. Für Sicherheitsanalysten ist dies schnell überfordernd. Infolgedessen haben Unternehmen heutzutage eine vergleichbar höhere Anzahl an Schwachstellen als in der Vergangenheit.
Mit dem Einsatz von Künstlicher Intelligenz können dem System Daten eingespeist werden, damit es durch maschine learning erkennen kann, welche Daten auf eine Malware, Hackerangriffe oder Betrugsversuche hindeuten. Je mehr Daten in das System eingespeist werden, desto genauere Vorhersagen kann es machen.
Probleme der Cybersecurity mit AI
Trotz den ganzen Vorteilen, sollte sich ein Unternehmen nicht zu 100 % auf ein System verlassen, denn es schleichen sich immer wieder Fehler ein. Hierzu kommt, dass maschinelles Lernen in Unternehmensprozessen mit möglichst vielen Daten und verschiedenen Quellen verbunden ist. So kann ein Eindringen in das System besonders umfassende Schäden zur Folge haben.
Denn auch Hacker kennen die Schwachpunkte von AI und nutzen diese aus, um ein Unternehmen mit den eigenen Waffen zu schlagen. Zur Sicherheit ist es ratsam seine KI mit zusätzlichen Security-Softwares vor sich selbst und anderen zu schützen. Dabei müssen diese Programme alle Betriebsphasen berücksichtigen: offline, beim Einschalten, während der Laufzeit, sowie einschließlich der Kommunikation mit anderen Geräten und der Cloud.
Ein Secure bootstrap, ist ein Beispiel für eine grundlegende Sicherheitsfunktion, sie stellt sicher, dass die Software oder Firmware des Produkts intakt ist. Die Integrität stellt somit sicher, dass das Produkt, wenn es aus dem Reset kommt, das tut, was der Hersteller beabsichtigt hat – und nicht etwas, das ein Hacker verändert hat.
KI im E-Commerce
Künstliche Intelligenz hilft nicht nur bei der Cybersicherheit, auch im E-Commerce hat der Ansatz schon längst halt gefunden. Onlineshops generieren in der Regel sehr viele Informationen, wie beispielsweise das Verhalten von Nutzern in Kombination zu Produkten, diese Daten sind ideal für den Einsatz von Artificial Intelligence.
Ein Gebiet, wo vor allem Deep Learning bereits eingesetzt wird, ist „AdTech“, die sogenannte Advertising Technology. Der Begriff bezeichnet eine digitale Lösung im Bereich der Online-Werbung und wird dazu verwendet Shop-Besucher, welche ihren Kauf nicht abschließen, mit personalisierten Online-Bannern auf anderen Websites anzusprechen und erneut das Kaufinteresse zu wecken und zur Conversion zu führen.
Die selbstlernenden Algorithmen sorgen dafür, dass die Werbung zur richtigen Zeit auf den richtigen Bannerplätzen und auf dem idealen Endgerät ausgespielt werden. Der Vorteil für den Onlineshop-Betreiber ist, dass er sich nicht näher mit der Kampagnenoptimierung beschäftigen muss, denn das übernimmt der Datencenter des jeweiligen Anbieters vollautomatisch.
Zusätzlich können unterbewusste Entscheidungsmuster von Shopbesuchern erkannt werden und für das Retargeting eingesetzt werden. So klickt der User beispielsweise durch verschiedene Produktkategorien und sieht sich verschiedene Produkte für längere oder kürzere Zeit an. Die Deep Learning Maschine analysiert dieses Verhalten und optimiert die Anzeigenwerbung. Da kann es gut passieren, dass der Algorithmus den User besser kennt, als diese sich selbst. Und so wird plötzlich genau das Produkt angezeigt, welches in unseren Gedanken präsent ist.
