Aufrufe
vor 1 Jahr

Netzwoche 1/2019

38 Technology Focus Wie

38 Technology Focus Wie Grafikprozessoren der künstlichen Intelligenz zum Durchbruch verhalfen Die Entwicklungen in der künstlichen Intelligenz in den letzten Jahren sind atemberaubend schnell verlaufen. Kaum jemand hat vorausgesehen, dass sich die künstliche Intelligenz so sprunghaft weiterentwickeln würde. Es fehlten die wichtigsten Zutaten für eine erfolgreiche Anwendung – bis vor Kurzem. DER AUTOR Marc Stampfli Sales Manager Schweiz, Nvidia Switzerland Das Internet und die damit wachsenden Datenmengen sind die Basis für die Erfolge in der KI-Entwicklung in den letzten Jahren gewesen. Es brauchte jedoch eine kritische Masse, um neue Anwendungen ausserhalb des wissenschaftlichen Umfelds zu ermöglichen. Künstliche neuronale Netze als Basis für moderne künstliche Intelligenz waren seit den 1950er-Jahren bekannt. Jedoch wurden sie früher meist nicht eingesetzt, da die notwendigen Datenmengen, um ein neuronales Netzwerk zu trainieren, nicht ökonomisch verarbeitet werden konnten. Die zur Verfügung stehende Computertechnologie war viel zu langsam oder man benötigte einen Supercomputer, was den Durchbruch schlicht unmöglich machte. Grafikprozessoren für die künstliche Intelligenz Dies änderte sich, als Wissenschaftler das erste Mal ein neuronales Netzwerk auf einem spezialisierten Grafikprozessor (GPU) trainierten. Die GPU wurde ursprünglich entwickelt, um dreidimensionale Computergrafik effizient zu berechnen und darzustellen. Es wird ein 3-D-Modell der Umwelt erstellt und für jedes Pixel die korrekten Farben und Schattierungen berechnet. Dabei müssen riesige Mengen an Datenpunkten in Echtzeit berechnet werden. Dazu wurde hauptsächlich die Verarbeitung von linearer Algebra benötigt, die parallelisiert werden kann. Diese Aufgabe wurde an den parallel verarbeitenden Grafikprozessor ausgelagert, da der Hauptprozessor eines heutigen Computers (CPU) für komplexe Instruktionen ausgelegt und zu langsam für diese Aufgabe ist. Die lineare Algebra ist ein Zweig der Mathematik, der für die Computergrafik grundlegend ist. Sie untersucht Vektoren, lineare Transformationen und Matrizen. Genau dieselbe Mathematik, die heutige moderne Computerspiele oder Virtual-Reality- Anwendungen erst ermöglichte, wird auch für künstliche neuronale Netzwerk eingesetzt. Die GPU konnte also für die effizientere und kostengünstigere parallele Verarbeitung auch für künstliche neuronale Netzwerke eingesetzt werden. Damit war der Durchbruch für die moderne künstliche Intelligenz, basierend auf tiefen künstlichen neuronalen Netzwerken (Deep Neuronal Networks), geschafft. Fortschritte und Weiterentwicklungen Plötzlich waren ganz neue revolutionäre Anwendungen möglich. Effiziente Spracherkennung, geschriebene Sprachverarbeitung, Objekterkennung in Bildern oder Filmen, Erkennung von Mustern in Zeitreihen waren grundlegende Aufgaben, die ein Computer endlich in ausreichend guter Qualität übernehmen konnte. Viele werden heute bereits – teilweise unbewusst – in Computern, Software oder Mobiltelefonen eingesetzt. Weiterentwicklungen daraus sind unter anderem autonome Fahrzeuge, neuartige medizinische Diagnosegeräte, intelligente Roboter und Drohnen sowie die Erkennung von Betrug im Finanzwesen. Die ursprünglichen Grafikprozessoren wurden inzwischen weiterentwickelt. Es wurden mathematische Operationen integriert, die notwendig sind, um neuronale Netzwerke direkt auf dem Chip zu trainieren. Inzwischen gibt es sogar einen spezialisierten Mini-Supercomputer für künstliche Intelligenz. Damit wird das Supercomputing für künstliche Intelligenz demokratisiert und es wird viele weitere innovative Lösungen und Produkte von verschiedensten kleinen wie auch mittleren Firmen geben. 01 / 2019 www.netzwoche.ch © netzmedien ag

Technology Focus 39 Auf KI basierende Stimmen- und Spracherkennung für KMUs Die Zeit ist reif für den Einsatz von künstlicher Intelligenz (KI) sowie Stimmen- und Spracherkennung bei KMUs. Ob und wie auf KI basierende Spracherkennung auch bei KMUs gewinnbringend eingesetzt werden kann, entscheidet der jeweilige Business-Case. Ergibt der Einsatz von KI-basierter Sprachtechnologie für KMUs Sinn? Die Antwort auf diese sehr allgemein gehaltene Frage kann natürlich nur «ja» lauten. Allerdings müssen dazu einige matchentscheidende Voraussetzungen erfüllt sein. Die entscheidende Frage sollte bei einem KMU genau gleich lauten, wie sie sich für einen international aufgestellten Grosskonzern stellt: Gibt es einen Business- Case, der den Einsatz dieser sich schnell verbreitenden Technologien rechtfertigt? Bevor wir uns mit dem Businessnutzen beschäftigen, ist es sinnvoll, die Technologie detaillierter zu betrachten. Der Einsatz von KI ist für ein KMU in etwa ähnlich nutzenstiftend wie eine oben liegende Nockenwelle bei einem Auto: Technologisch durchaus interessant, für sich allein gestellt aber wenig gewinnbringend und nur im Zusammenspiel mit anderen Komponenten zielführend. Das Vorhandensein eines relevanten Business-Cases und der konzertierte Einsatz aller Komponenten entscheiden über den kommerziellen Nutzen. Der Business- und Kundennutzen Die Stimmen- und Spracherkennung kann helfen, personalintensive und repetitive verbale Prozesse zu automatisieren. Die Abwicklung eines komplexen Beratungsgesprächs dagegen eignet sich kaum für die Sprachautomation. Die Abfrage von einfachen Produkt-, Bestell- oder Kundeninformationen hingegen kann sehr gut und effizient automatisiert werden. Die wesentliche Frage sollte daher lauten: Wie gross ist der Effizienzgewinn, der durch die Sprachautomation erzielt werden kann, und kann der Kundenservice damit in irgendeiner Form nachhaltig verbessert werden? Erhält das Unternehmen weniger als einige hundert Kundenanrufe pro Tag, dann lässt sich der Businessnutzen der Spracherkennung nicht über eine allfällig erzielte Personaleinsparung berechnen. Entscheidend wäre in einem solchen Fall die Einschätzung des durch eine bessere Erreichbarkeit (keine Telefonwarteschlangen, 7x24 Service etc.) erzielten Zusatznutzens, der zu einem positiven Entscheid für den Einsatz dieser Technologien führen könnte. Diverse Studien im In- und Ausland haben gezeigt, dass der Kunde primär seine Anfrage schnell und effizient erledigt haben will. Dabei ist es 90 Prozent der Kunden gleichgültig, ob die korrekte Antwort von einem automatischen Spracherkennungssystem kommt oder von einem Mitarbeiter beantwortet wird. Wenn ein Sprachautomationssystem mithelfen kann, die Antwortzeiten auch zu Spitzenzeiten zu reduzieren oder auch ausserhalb der Büroöffnungszeiten zur Verfügung steht, dann ist der Kunde gerne bereit, diese Serviceverbesserung durch die Spracherkennung anzunehmen. Der Einsatz von Sprachtechnologien ist ein sehr probates Mittel zur Erhöhung der alles entscheidenden Kundenzufriedenheit. Die Rolle von KI und Machine Learning bei der Stimmen- und Spracherkennung Grundsätzlich werden die durch die Spracherkennung erkannten einzelnen Laute, Silben, Wörter und Sätze mit den bereits vorhandenen Referenzdaten verglichen. Diese Referenzdaten können durch das Aufnehmen von Kunden- oder Mitarbeitergesprächen erzeugt oder auch extern manuell gesprochen und annotiert werden. Je mehr Referenzdaten zur Verfügung stehen, umso besser wird die Erkennung der Sprache und des Kontextes. Mit jeder weiteren neuen Sprachaufnahme werden zusätzliche Referenzdaten geschaffen. Die auf dieser Basis stetig wachsende Referenzdatenbank führt zu einer laufend verbesserten Spracherkennung. Herausforderungen in der Schweiz Schweizerdeutsch ist primär eine gesprochene Sprache. Es bestehen keine klaren Grammatikregeln, und das Vokabular ist regional unterschiedlich. Das macht es für die grossen US-Spracherkennungslösungsanbieter wie Google, Apple, IBM oder Nuance unattraktiv, für den kleinen Markt Spracherkennungslösungen auf Schweizerdeutsch anzubieten. An derartigen Produkten arbeiten deshalb primär Schweizer Unternehmen. Die KI-basierte Spracherkennung eignet sich also hervorragend, um einfache Kundenanfragen schnell und effizient zu bearbeiten. Der Business-Case, die zur Verfügung stehenden Sprachdaten sowie die Anzahl der Anrufe oder Abfragen entscheiden darüber, ob die Spracherkennung auch bei einem KMU gewinnbringend eingesetzt werden kann. DER AUTOR Jürg Schleier Country Manager DACH, Spitch Künstliche Intelligenz ist für KMUs technologisch interessant, aber nur im Zusammenspiel mit anderen Komponenten zielführend. www.netzwoche.ch © netzmedien ag 01 / 2019

Archiv