Das Vertrauen auf prädiktive KI-Modelle in verschiedenen Entscheidungsbereichen birgt das Risiko katastrophaler Folgen, da diese in der Regel Korrelationen als Kausalität betrachten. Daher müssen Entscheidungsträger einen anderen Ansatz verfolgen: die kausale KI, die dabei helfen kann, die Beziehung zwischen Wirkung und Ursache genau zu identifizieren. Kausalität gilt heute als eines der wichtigsten fehlenden Elemente, das für echte Fortschritte im KI-Bereich erforderlich ist.

Kausale KI versteht Ursache und Wirkung

Fachexperten fordern schon seit längerem, Maschinen mit der Fähigkeit auszustatten, über Wirkungen und Ursachen nachzudenken. Große Marken wie Google, Microsoft, Facebook, Uber und Amazon investieren massiv in kausale KI, sodass auch die Forschung im Bereich der Kausalität an Fahrt aufgenommen hat.

Quelle: Gartner.

Gartner, das führende Technologieanalyseunternehmen, hat auch kausale KI unter den 25 sich entwickelnden Technologien aufgeführt, die das Potenzial haben, Geschäftspraktiken zu verändern. Jetzt scheint es in der Branche ein Wettrennen zu geben, um die außergewöhnlichen Vorteile dieser Technologie zu nutzen, indem man sie früher einführt, aber damit dies geschieht, ist zunächst die Entwicklung einer ausgereiften kausalen KI unerlässlich.

Für echte Intelligenz ist es eine notwendige Voraussetzung, Ursache und Wirkung Priorität einzuräumen. Dieses Problem fehlt prädiktiven KI-Systemen, und Experten versuchen, es mit kausaler KI zu lösen.

Wir Menschen sind schlauer als Daten, weil wir Ursache und Wirkung verstehen, Daten jedoch nicht. Wir nutzen unsere Fähigkeit zum logischen Denken durch unser kausales Wissen, um vorherzusagen, wie sich eine bestimmte Handlung auf eine Angelegenheit auswirkt, und entwickeln dementsprechend Strategien und Pläne. Wir können uns unerwünschte oder andere Ergebnisse als erwartet vorstellen, indem wir uns auf unsere Fähigkeit zum kausalen Denken verlassen. Dies ist die menschliche Kompetenz, zu bestimmen, warum etwas so ausgegangen ist, wie es ausgegangen ist. Die KI, die Ursache und Wirkung kennt, kann also auch über diese Fähigkeit verfügen, die oft sehr mächtig ist.

Domänenwissen an Bord

Einer der Hauptvorteile der kausalen KI ist die Nutzung von Fachwissen, das von Experten auf dem jeweiligen Gebiet bezogen und in den Systemprozess integriert werden kann. Auf diese Weise können Programmierer einige Beziehungen definieren und das Modell einschränken, um die Korrelation zu berücksichtigen. Diese Fähigkeit bringt Fachwissen in das maschinelle Lernen ein.

Quelle: Marketsandmarets.

Das Erkennen der zugrunde liegenden Faktoren ist nicht der einzige Vorteil des Einsatzes von Casual AI; er ermöglicht auch die Gestaltung von Prozessen, die die Ergebnisse verändern können, indem die Algorithmen von Casual AI verwendet werden, um Fragen zur Argumentation zu stellen.

Angenommen, Sie möchten ein Schulungsprogramm für Ausbilder bewerten, um deren Kompetenz zu verbessern. Welche Leistung kann ein Auszubildender erbringen, um seine Noten zu verbessern? Oder beispielsweise weiß ein Fabrikleiter, dass bei steigender Temperatur in Kammer X auch der Druck in Kammer Y steigt. Dieses vom Menschen gewonnene Wissen kann in die KI eingebettet werden und sicherstellen, dass das System diese Kriterien immer einhält.

Aktuelle KI-Systeme sind nicht auf intelligente Weise auf menschliche Werte ausgerichtet. Kausale KI ist der Höhepunkt erklärbarer künstlicher Intelligenz und der Fairness von KI-Systemen. Auf Kausalität basierende Systeme liefern eine bessere Leistung und auch Erklärbarkeit des Prozesses, während sich konventionelle KI auf bestimmte Erwartungen an Genauigkeit konzentriert und Transparenz ignoriert. Die Kenntnis der Antworten auf komplexe Was-wäre-wenn-Fragen hilft uns zu verstehen, wie die reale Welt funktioniert, und ermöglicht es uns, die richtigen Entscheidungen für bessere Ergebnisse zu treffen.

Die Originalgeschichte kann hier eingesehen werden.