Das A und O der Technologie verstehen

Risto Siilasmaa ist ein sehr bekannter Business Angel, der in zahlreiche Technologie-Start-ups investiert hat und in ihren Aufsichtsräten sitzt.

Artikel lesen

Risto Siilasma ist Vorsitzender des Nokia-Aufsichtsrates und ein Unternehmer aus Leidenschaft. Er hat nicht nur Nokias jüngste Umwandlung geleitet, sondern ist auch Gründer und Aufsichtsratsvorsitzender von F-Secure.

Ende der 80er Jahre war ich fasziniert von künstlicher Intelligenz (KI) und beschäftigte mich unzählige Stunden mit den Herausforderungen bei der Verarbeitung natürlicher Sprache und verwendete dabei die fantastische Programmiersprache Lisp. Viel kam dabei nicht heraus, aber wenigstens konnte ich immer behaupten, auf dem heiligen Gebiet der KI gearbeitet zu haben.

2006 begann das von mir 1988 gegründete Cybersecurity-Unternehmen, neuronale Netzwerke zur Identifizierung bösartiger Anwendungen einzusetzen. Auch wenn F-Secure damit nicht sofort wirklich erfolgreich war – wie das so oft der Fall ist, wenn eine neue Technologie etwas zu früh implementiert wird – so war dies mein zweiter Kontakt mit KI und mein erster mit maschinellem Lernen.

Aller guten Dinge sind drei? Die derzeitige Renaissance des maschinellen Lernens begann 2012, und meine Faszination für die Möglichkeiten intelligenter Maschinen wuchs durch Bücher und Gespräche mit Forschern zu dem Thema nur noch weiter. Als Nokia-Aufsichtsratsvorsitzender hatte ich das Glück, die Macher der KI-Welt von morgen zu treffen. Ich verstand kaum etwas und dachte zunächst, das Thema wäre so kompliziert, dass ich Jahre benötigen würde, um es vollständig zu verstehen. Allerdings war ich auch über meine Diskussionspartner frustriert, von denen einige wohl nur zeigen wollten, wie gut sie das Thema beherrschten, anstatt klar und verständlich zu erklären, was sie wussten.

Ich verbrachte eine Zeit mit Klagen. Wo konnte ich bloß gutes Material finden, das in einer allgemein verständlichen Sprache jedem erklärte, wie maschinelles Lernen funktioniert?

Aber dann erinnerte ich mit daran, was es eigentlich heißt, Unternehmer zu sein. Wer unternehmerisch denkt, klagt nicht nur, sondern überlegt immer auch, ob er das Problem nicht selbst lösen kann. Als langjähriger CEO und Aufsichtsratsvorsitzender hatte ich mich daran gewöhnt, dass mir Dinge erklärt wurden. Jemand anderes erledigte die schwierige Arbeit, während ich mir die richtigen Fragen überlegen konnte.

CEOs und Aufsichtsratsvorsitzende denken vielleicht manchmal, sie müssten Technologie nicht verstehen, und es würde reichen, sich nur auf Dinge wie die Steigerung des Shareholder-Values zu konzentrieren. Sie mögen auch glauben, dass sie scheinbar komplizierte Dinge nicht lernen können und versuchen es deshalb gar nicht erst. Weder das eine, noch das andere zeichnet unternehmerisches Denken aus.

Deshalb dachte ich mir: Warum versuchst du nicht selbst herauszufinden, wie maschinelles Lernen funktioniert und erklärst dann anderen, die mit denselben Fragen kämpfen, was du gelernt hast? Nach einer kurzen Suche im Internet fand ich bei Coursera die Kurse von Andrew Ng. Ich begann mit maschinellem Lernen und hatte riesigen Spaß, wieder zu programmieren. Andrew war ein fantastischer Lehrer, der wirklich wollte, dass man was lernt.

Es dauerte nicht lange, da konnte ich sowohl die Schwächen als auch die Stärken des gegenwärtigen Standes des maschinellen Lernens beurteilen. Beides war viel weniger als ich erwartet hatte, aber gleichzeitig waren viele Anwendungen beeindruckender und faszinierender, als ich zu hoffen gewagt hätte.

Mit der Zeit wusste ich genug, um CEOs, Politikern, Akademikern (aus anderen Gebieten) und ehrlich gesagt allen Entscheidungsträgern erklären zu können, welche Aspekte ich beim maschinellen Lernen am wichtigsten finde. Inspiriert von Andrew Ng, wollte ich ihnen ein Gefühl dafür geben, warum beispielsweise maschinelles Lernen derzeit so ein heißes Thema ist und warum es gefährlich wäre, maschinelles Lernen zu ignorieren.

 

Hätten Sie es gewusst?

  • Maschinelles Lernen ist nicht programmiert: Das System lernt aus Daten. Der Nutzen, der sich daraus ziehen lässt, ist abhängig von der Qualität der eingegebenen Daten.
  • Da die Intelligenz nur aus Zahlen besteht, und die Architektur relativ einfach ist, handelt es sich nicht um wirkliche Intelligenz. Maschinelle Lernsysteme sind nicht in der Lage, wirklich zu verstehen. Noch nicht.
  • Maschinelles Lernen ist eine Einbahnstraße. Ein neuronales Netz kann Gesichter erkennen, aber es kann kein ihm bekanntes Gesicht beschreiben.
  • Wenn man einem maschinellen Lernsystem zwei Fähigkeiten beibringt, kann es diese nicht kombinieren, um eine dritte Fähigkeit zu schaffen. Die Systeme sind nicht selbstständig.
  • Beim Einsatz von maschinellem Lernen kratzen wir gerade mal an der Oberfläche. Die Revolution hat begonnen, gewinnt aber erst an Fahrt.

Von Risto Siilasmaa, ThisisFINLAND Magazine 2019

Lesen Sie außerdem auf thisisFINLAND