Skip to main content
main-content
Top

Hint

Swipe to navigate through the chapters of this book

2020 | OriginalPaper | Chapter

10. KI und ihre Chancen, Herausforderungen und Risiken

Authors : Gerhard Paaß, Dirk Hecker

Published in: Künstliche Intelligenz

Publisher: Springer Fachmedien Wiesbaden

share
SHARE

Zusammenfassung

Künstliche Intelligenz hat sich in den letzten Jahren als zentrales Trendthema der globalen Technologieindustrie etabliert. Sie wird realisiert durch tiefe neuronale Netze und bietet vielfältige Chancen und Innovationspotentiale, beispielsweise im Smart Home, in der Medizin und bei industriellen Anwendungen. KI hat enorme Auswirkungen auf die wirtschaftliche Entwicklung und unsere Arbeitswelt und stellt die Gesellschaft vor große Herausforderungen. Die Internetkonzerne nutzen KI auf vielfältige Weise und haben durch die Bereitstellung von Plattformen mittlerweile monopolartige Strukturen aufgebaut, welche große Bereiche der Wertschöpfung aus Europa abziehen. Es sind auch tiefgreifende Veränderungen am Arbeitsmarkt zu erwarten, welche nur durch verstärkte Aus- und Weiterbildungsanstrengungen abgefangen werden können. KI-Systeme erlauben potentiell die feinmaschige Überwachung großer Bevölkerungsteile und es sind detaillierte juristische und organisatorische Regelungen erforderlich, um die Freiheitsrechte der Bürger zu garantieren. Wissenschaftler und die Politik haben daher eine Prüfstrategie für ein „KI-Gütesiegel“ entwickelt, welche garantieren soll, dass KI-Systeme die gewünschten Ergebnisse auf nachvollziehbare Weise liefern. Zudem sollen die Systeme keine Bevölkerungsgruppe benachteiligen, robust funktionieren, den Datenschutz beachten und sicher gegen Angriffe oder bei Unfällen sein.
Literature
go back to reference Andreessen, Marc. 2011. Why Software Is Eating The World. The Wall Stree Journal. 2011, 20.08.2011. Andreessen, Marc. 2011. Why Software Is Eating The World. The Wall Stree Journal. 2011, 20.08.2011.
go back to reference Bengio, Yoshua. 2019. From System 1 Deep Learning to System 2 Deep Learning. NeurIPS’2019 Keynote, December 11th, 2019, Vancouver BC. 2019. Bengio, Yoshua. 2019. From System 1 Deep Learning to System 2 Deep Learning. NeurIPS’2019 Keynote, December 11th, 2019, Vancouver BC. 2019.
go back to reference Biermann, Kai. 2015. BND speichert 220 Millionen Telefondaten – jeden Tag. Zeit Online. 2015, 30.01.2015. Biermann, Kai. 2015. BND speichert 220 Millionen Telefondaten – jeden Tag. Zeit Online. 2015, 30.01.2015.
go back to reference Brinker, T. J., et al. 2019. Deep learning outperformed 136 of 157 dermatologists in a head-to-head dermoscopic melanoma image classification task. European Journal of Cancer, 113, 47–54. 2019. Brinker, T. J., et al. 2019. Deep learning outperformed 136 of 157 dermatologists in a head-to-head dermoscopic melanoma image classification task. European Journal of Cancer, 113, 47–54. 2019.
go back to reference Cadwalladr, Carole und Graham-Harrison, Emma. 2018. How Cambridge Analytica turned Facebook ‘likes’ into a lucrative political tool. The Guardian. 2018, 17.03.2018. Cadwalladr, Carole und Graham-Harrison, Emma. 2018. How Cambridge Analytica turned Facebook ‘likes’ into a lucrative political tool. The Guardian. 2018, 17.03.2018.
go back to reference Castro, Daniel, McLaughlin, Michael und Chivot, Eline. 2019. Who Is Winning the AI Race: China, the EU or the United States? Center for Data Innovation. Washington DC, 2019. Castro, Daniel, McLaughlin, Michael und Chivot, Eline. 2019. Who Is Winning the AI Race: China, the EU or the United States? Center for Data Innovation. Washington DC, 2019.
go back to reference Cremers, A, et al. 2019. Vertrauenswürdiger Einsatz von Künstlicher Intelligenz. Fraunhofer Institut für Intelligente Analyse- und Informationssysteme, Sankt Augustin. 2019. Cremers, A, et al. 2019. Vertrauenswürdiger Einsatz von Künstlicher Intelligenz. Fraunhofer Institut für Intelligente Analyse- und Informationssysteme, Sankt Augustin. 2019.
go back to reference Davenport, T. und Patil, D.J. 2012. Data Scientist: The Sexiest Job of the 21st Century. Havard Business Review. 2012, Oct. 2012. Davenport, T. und Patil, D.J. 2012. Data Scientist: The Sexiest Job of the 21st Century. Havard Business Review. 2012, Oct. 2012.
go back to reference Diamond, A. 2013. Executive functions. Annu Rev Psychol. 64: 135–168. 2013. Diamond, A. 2013. Executive functions. Annu Rev Psychol. 64: 135–168. 2013.
go back to reference Dyrmann, M., Jørgensen, R. N. und Midtiby, H. S. 2017. RoboWeedSupport-Detection of weed locations in leaf occluded cereal crops using a fully convolutional neural network. Advances in Animal Biosciences, 8(2), 842–847. 2017. Dyrmann, M., Jørgensen, R. N. und Midtiby, H. S. 2017. RoboWeedSupport-Detection of weed locations in leaf occluded cereal crops using a fully convolutional neural network. Advances in Animal Biosciences, 8(2), 842–847. 2017.
go back to reference Erxleben, F., et al. 2014. Introducing Wikidata to the linked data web. In International Semantic Web Conference (pp. 50–65). Springer, Cham. 2014. Erxleben, F., et al. 2014. Introducing Wikidata to the linked data web. In International Semantic Web Conference (pp. 50–65). Springer, Cham. 2014.
go back to reference Fischer, M., et al. 2019. DL2: Training and querying neural networks with logic. Proceedings of the 36 th International Conference on Machine Learning. 2019. Fischer, M., et al. 2019. DL2: Training and querying neural networks with logic. Proceedings of the 36 th International Conference on Machine Learning. 2019.
go back to reference Görz, G., Schmid, U., Schneeberger, J. und Braun, T. 2020. Handbuch der Künstlichen Intelligenz, 6. Auflage. s.l. : De Gruyter, 2020. 978-3-11-021808-4. Görz, G., Schmid, U., Schneeberger, J. und Braun, T. 2020. Handbuch der Künstlichen Intelligenz, 6. Auflage. s.l. : De Gruyter, 2020. 978-3-11-021808-4.
go back to reference Grävemeyer, Arne. 2019. Künstlich intelligente Diagnose als zweite Meinung. ct. 2019, 18.10.2019. Grävemeyer, Arne. 2019. Künstlich intelligente Diagnose als zweite Meinung. ct. 2019, 18.10.2019.
go back to reference Gromann, D., Luis Espinosa, A. und Declerck, T. 2019. Special issue on Semantic Deep Learning. Semantic Web 10 (2019) 815–822, DOI 10.3233/SW-190364. 2019. Gromann, D., Luis Espinosa, A. und Declerck, T. 2019. Special issue on Semantic Deep Learning. Semantic Web 10 (2019) 815–822, DOI 10.3233/SW-190364. 2019.
go back to reference Hamrick, J. B. 2019. Analogues of mental simulation and imagination in deep learning. Current Opinion in Behavioral Sciences, 29, 8–16. 2019. Hamrick, J. B. 2019. Analogues of mental simulation and imagination in deep learning. Current Opinion in Behavioral Sciences, 29, 8–16. 2019.
go back to reference Hecker, D., et al. 2016. Big-Data-Geschäftsmodelle – die drei Seiten der Medaille, . In: Wirtschaftsinformatik & Management 8 (6), 2016, 20–30. 2016. Hecker, D., et al. 2016. Big-Data-Geschäftsmodelle – die drei Seiten der Medaille, . In: Wirtschaftsinformatik & Management 8 (6), 2016, 20–30. 2016.
go back to reference Hecker, D., et al. 2017b. Künstliche Intelligenz und die Potenziale des maschinellen Lernens für die Industrie. Wirtschaftsinformatik & Management. October 2017, Volume 9, Issue 5, pp 26–35, 2017. Hecker, D., et al. 2017b. Künstliche Intelligenz und die Potenziale des maschinellen Lernens für die Industrie. Wirtschaftsinformatik & Management. October 2017, Volume 9, Issue 5, pp 26–35, 2017.
go back to reference Hecker, Dirk, et al. 2017a. Zukunftsmarkt Künstliche Intelligenz. Potenziale und Anwendungen. St. Augustin: Fraunhofer-Allianz Big Data, 2017, 60 S. 2017. Hecker, Dirk, et al. 2017a. Zukunftsmarkt Künstliche Intelligenz. Potenziale und Anwendungen. St. Augustin: Fraunhofer-Allianz Big Data, 2017, 60 S. 2017.
go back to reference Hossain, M. T., et al. 2018. Distortion robust image classification with deep convolutional neural network based on discrete cosine transform. [Online] 2018. [Zitat vom: 30. 05. 2019.] arXiv preprint arXiv:1811.05819. Hossain, M. T., et al. 2018. Distortion robust image classification with deep convolutional neural network based on discrete cosine transform. [Online] 2018. [Zitat vom: 30. 05. 2019.] arXiv preprint arXiv:1811.05819.
go back to reference Kahneman, Daniel. 2011. Thinking, Fast and Slow. s.l. : Macmillan. ISBN 978-1-4299-6935-2.2011. Kahneman, Daniel. 2011. Thinking, Fast and Slow. s.l. : Macmillan. ISBN 978-1-4299-6935-2.2011.
go back to reference Kanellos, M. 2016. 152,000 Smart Devices Every Minute. In 2025: IDC Outlines The Future of Smart Things. Forbes. 2016. Kanellos, M. 2016. 152,000 Smart Devices Every Minute. In 2025: IDC Outlines The Future of Smart Things. Forbes. 2016.
go back to reference Kosinski, M., Stillwell, D. und Graepel, T. 2013. Private traits and attributes are predictable from digital records of human behavior. Proceedings of the national academy of sciences, 110(15), 5802–5805. 2013. Kosinski, M., Stillwell, D. und Graepel, T. 2013. Private traits and attributes are predictable from digital records of human behavior. Proceedings of the national academy of sciences, 110(15), 5802–5805. 2013.
go back to reference Kropp, P., Theuer, S. und Fritzsche, B. 2018. Immer mehr Tätigkeiten werden durch Digitalisierung ersetzbar. IAB 2018, S SN 1861-14 35, S.32. 2018. Kropp, P., Theuer, S. und Fritzsche, B. 2018. Immer mehr Tätigkeiten werden durch Digitalisierung ersetzbar. IAB 2018, S SN 1861-14 35, S.32. 2018.
go back to reference Manhaeve, R., et al. 2018. Deepproblog: Neural probabilistic logic programming. In Advances in Neural Information Processing Systems (pp. 3749–3759). 2018. Manhaeve, R., et al. 2018. Deepproblog: Neural probabilistic logic programming. In Advances in Neural Information Processing Systems (pp. 3749–3759). 2018.
go back to reference Marcus, G. 2018. Deep learning: A critical appraisal. [Online] 2018. [Zitat vom: 21. 05. 2019.] arXiv preprint arXiv:1801.00631. Marcus, G. 2018. Deep learning: A critical appraisal. [Online] 2018. [Zitat vom: 21. 05. 2019.] arXiv preprint arXiv:1801.00631.
go back to reference Miners, Zach. 2014. Google buys smart thermostat maker Nest for a cool $3.2B. Computerworld. 2014, Jan 13, 2014. Miners, Zach. 2014. Google buys smart thermostat maker Nest for a cool $3.2B. Computerworld. 2014, Jan 13, 2014.
go back to reference Mitchell, Melanie. 2018. Artificial Intelligence Hits the Barrier of Meaning. New York Times. 5. Nov. 2018. Mitchell, Melanie. 2018. Artificial Intelligence Hits the Barrier of Meaning. New York Times. 5. Nov. 2018.
go back to reference Mukherjee, Siddhartha. 2017. A.I. Versus M.D. – What happens when diagnosis is automated? The New Yorker. 27.03.2017. Mukherjee, Siddhartha. 2017. A.I. Versus M.D. – What happens when diagnosis is automated? The New Yorker. 27.03.2017.
go back to reference Nicklaus, Jack. 2007. Golf My Way: The Instructional Classic, Revised and Updated. s.l. : Simon & Schuster, 2007. Nicklaus, Jack. 2007. Golf My Way: The Instructional Classic, Revised and Updated. s.l. : Simon & Schuster, 2007.
go back to reference O'Neil, Cathy. 2016. Weapons of Math Destruction. Crown Books, 2016. O'Neil, Cathy. 2016. Weapons of Math Destruction. Crown Books, 2016.
go back to reference Osborn, L. E., et al. 2018. Prosthesis with neuromorphic multilayered e-dermis perceives touch and pain. Science Robotics, 3(19), eaat3818. 2018. Osborn, L. E., et al. 2018. Prosthesis with neuromorphic multilayered e-dermis perceives touch and pain. Science Robotics, 3(19), eaat3818. 2018.
go back to reference Pearl, J. 2018. Theoretical impediments to machine learning with seven sparks from the causal revolution. [Online] 2018. [Zitat vom: 13. 09. 2019.] arXiv preprint arXiv:1801.04016. Pearl, J. 2018. Theoretical impediments to machine learning with seven sparks from the causal revolution. [Online] 2018. [Zitat vom: 13. 09. 2019.] arXiv preprint arXiv:1801.04016.
go back to reference Richter, R. R. und Austin, T. M. 2012. Using MeSH (medical subject headings) to enhance PubMed search strategies for evidence-based practice in physical therapy. Physical therapy, 92(1), 124–132. 2012. Richter, R. R. und Austin, T. M. 2012. Using MeSH (medical subject headings) to enhance PubMed search strategies for evidence-based practice in physical therapy. Physical therapy, 92(1), 124–132. 2012.
go back to reference Scudellari, M. 2019. Bionic ‘Feeling’ Leg Makes Walking Easier, Reduces Phantom Limb Pain. IEEE Spectrum. 09. Sept. 2019. Scudellari, M. 2019. Bionic ‘Feeling’ Leg Makes Walking Easier, Reduces Phantom Limb Pain. IEEE Spectrum. 09. Sept. 2019.
go back to reference Severson, Kim. 2020. Thanks to A.I., Machines Get a Taste for the Right Kinds of Food. New York Times. 08.04.2020. Severson, Kim. 2020. Thanks to A.I., Machines Get a Taste for the Right Kinds of Food. New York Times. 08.04.2020.
go back to reference Shoham, Y., et al. 2018. The AI Index 2018 Annual Report. AI Index Steering Committee, Human-Centered AI Initiative, Stanford University, Stanford, CA. 2018. Shoham, Y., et al. 2018. The AI Index 2018 Annual Report. AI Index Steering Committee, Human-Centered AI Initiative, Stanford University, Stanford, CA. 2018.
go back to reference Smith, Craig S. 2020a. Dealing with Bias in Artificial Intelligence. The New York Times. 02.01.20. Smith, Craig S. 2020a. Dealing with Bias in Artificial Intelligence. The New York Times. 02.01.20.
go back to reference Smith, C. 2020b.Want to Be Better at Sports? Listen to the Machines. New York Times. 2020, 08.04.2020. Smith, C. 2020b.Want to Be Better at Sports? Listen to the Machines. New York Times. 2020, 08.04.2020.
go back to reference Valentino-deVries, Jennifer, et al. 2018. Your Apps Know Where You Were Last Night, and They’re Not Keeping It Secret. The New York Times. 10.12.2018. Valentino-deVries, Jennifer, et al. 2018. Your Apps Know Where You Were Last Night, and They’re Not Keeping It Secret. The New York Times. 10.12.2018.
go back to reference Wang, H., et al. 2018. A Captcha Design Based on Visual Reasoning. In 2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (pp. 1967–1971). IEEE. 2018. Wang, H., et al. 2018. A Captcha Design Based on Visual Reasoning. In 2018 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP) (pp. 1967–1971). IEEE. 2018.
go back to reference Wrobel, S. und Hecker, D. 2019. Fraunhofer Big Data and Artificial Intelligence Alliance. In: Neugebauer R. (eds) Digital Transformation, Springer, Berlin. S. 253–264. 2019. Wrobel, S. und Hecker, D. 2019. Fraunhofer Big Data and Artificial Intelligence Alliance. In: Neugebauer R. (eds) Digital Transformation, Springer, Berlin. S. 253–264. 2019.
Metadata
Title
KI und ihre Chancen, Herausforderungen und Risiken
Authors
Gerhard Paaß
Dirk Hecker
Copyright Year
2020
DOI
https://doi.org/10.1007/978-3-658-30211-5_10

Premium Partner