AI-Engines schießen gerade wie Pilze aus dem Boden. Das ist gut. Die Zeit ist reif für echte künstliche Intelligenz. Und wie bei allen Frameworks und Technologien steigt deren Verbreitung mit dem Rückgang der Komplexität exponentiell. Bei künstlicher Intelligenz ist hier ein ganz besonders rasantes Wachstum zu beobachten.

Waren z.B. wissensbasierte Systeme auf Basis von Fuzzy-Logik früher primär etwas für Studenten und Universitäten mit denen man nur sehr begrenzt Fällle mit einer Art „künstlicher Intelligenz“ lösen konnte, gibt es heute – nicht zuletzt dank dem BigData-Hype der letzten Jahre – immer mehr Frameworks welche eine große Bandbreite der künstlichen Intelligenz abbilden und dies zum Teil deutlich mächtiger und gleichzeitig einfacher.

Kollektives Training durch Entwickler

Google hat mit dem Schritt, im November 2015 die Machine Learning Platform Tensor Flow Open Source zu machen, hierzu ebenfalls beigetragen. Es entwickelt sich ein regelrechter Wettlauf zwischen den Big 5 (Google, Microsoft, Facebook, Apple und Amazon), wer am schnellsten das intelligenteste System aufbauen kann. Dabei wurde erkannt, dass es nicht ausreicht, ein solches Vorhaben auf eine lokale, abgeschottete Bibliothek mit einigen wenigen Schnittstellen zum Internet zu reduzieren. Nein, vielmehr braucht es hierfür eine Vernetzung an vielen Stellen. Ein selbstlernendes System, das nicht vernetzt ist, ist in etwa genauso wie ein Kind, das abgeschottet von der Außenwelt in einem Zimmer ohne Fenster aufwächst. Trotz tausender Entwickler, die bei Google & Co. arbeiten, ist es jedoch nicht trivial, eine solche Vernetzung so umzusetzen, da extrem kostspielig und aufwendig. Da gibt es Abermillionen von UseCases und Hundertausende von Schnittstellen, die implementiert werden müssen.

Ein logischer Schritt ist daher die folgende Idee: Mache alle Entwickler dieser Erde zu Trainern deines AI-Systems. Eine gigantische Herausforderung, die sich hier abzeichnet, aber sicherlich auch der effektivste Weg, um nach und nach eine vernetzte Intelligenz aufzubauen, die nahe an menschlicher Intelligenz sein wird und sie irgendwann vielleicht sogar übertrifft. War Deeplearning bis vor kurzem noch in Entwicklerkreisen der SearchEngines und Big Data Analysis angesiedelt, nimmt es nun immer mehr auch Einzug in die Welt von „Commodity-Apps“. Allen voran in Chat-Anwendungen in Form von intelligenten Chat-Bots.

Was diese Entwicklung noch beschleunigt ist die Vision vieler, dass Chat-Bots zukünftig die Mehrheit der Apps ersetzen wird. Eine gewagte, aber durchaus einleuchtende These. Geht doch der Trend hin zur „All-in-One-App“ in Form eines Messangers. Wenn ich nun nicht mehr extra eine App installieren muss, um die aktuellen Angebote des Italieners um die Ecke zu erhalten, sondern das einfach in Form der Frage „Welche Mittagsangebote hat heute Giovanni ums Eck?“ stellen kann, ist das viel einfacher und „menschlicher“. Hinzu kommt, dass die Entwicklung und der Betrieb eines Bots deutlich günstiger ist, als die einer App. Viele Gründe, die also dafür sprechen, dass Bots zukünftig eine immer wichtigere Rolle in unserem Leben spielen werden.

Die Bot-Plattformen

Je mehr Einsatzzwecke für Chat-Bots gefunden werden, umso intelligenter werden die dahinter liegenden AI-Systeme. Denn allen Bots – egal wo sie verwendet werden – ist gemeinsam, dass sie an einer zentralen Stelle mit anderen Diensten Verknüpft sind und an dieser zentralen Stelle „trainiert“ werden: den Bot-Plattformen. Diese lauten z.B. luis.ai von Microsoft oder wit.ai von Facebook.

Dass das US-Unternehmen Slack eine Bewertung von 3,8 Milliarden USD (!) in  kürzester Zeit erhalten hat, liegt nicht zuletzt daran, dass es Chat-Bots und die Integration in unterschiedlichste Systeme als einen zentralen Punkt seiner technologischen Strategie sieht. Eben genau den Weg geht, wie oben aufgezeigt. Im übrigen ist Google Ventures stark in Slack investiert und Microsoft wollte das Unternehmen Anfang 2016 sogar für 8 Mrd. USD übernehmen. Die Big 5 sind also dran.

Microsoft hat mit der Vorstellung seines Botframework auf der Build 2016 für großes Aufsehen gesorgt. Dabei handelt es sich um ein Framework, um einen selbstlernenden Bot entwickeln, publizieren und integrieren zu können. Das System ist ingesamt noch BETA. So wirkt es leider auch an vielen Stellen. Vor allem die Language Processing Service LUIS ist häufig down und Lernregeln sind noch sehr eingeschränkt. Allerdings sind die Ansätze gut und man kommt vor allem mit dem auf Node.js basierenden BotBuilder sehr schnell in einen produktiven Flow.

Ein anderer Anbieter ist wit.ai. Es wurde 2015 von Facebook gekauft und bietet – genau wie Microsofts Botframework – zahlreiche Tools an, um eine einfache Entwicklung eigener Bots zu ermöglichen. Mir persönlich gefällt wit.ai etwas besser als Microsofts Pendant.

Auch sehr interessant finde ich api.ai (Update: Wurde nun von Google gekauft). Es hat das ansprechenste und meiner Meinung nach durchgängigste Konzept von diesen Dreien.

Alle drei Frameworks bieten Integrationen in Slack in Form sogenannter „Slackbots“ an. Slack selbst hat eine umfangreiche Sammlung für Entwickler aufgebaut, um solche Integrationen zu ermöglichen: https://beepboophq.com/. Aber auch Integrationen in andere Messanger-Dienste sind je nach Framework mehr oder weniger umfangreich vorhanden. Hierzu zählen z.B. Telegram und Facebook Messanger.

Zudem bin ich gespannt, was von Apple und Amazon hierzu noch zu sehen sein wird: Siri und Echo/Alexa werden auch immer schlauer und finden vor allem im IoT-Feld immer mehr Einzug.  Und da ist ja auch noch IBM mit den Watson Services. Sie waren wie häufig zwar Vorreiter, in letzter Zeit wurde es aber still um den Dienst, der es bereits 2010 zum ersten mal geschafft hatte, in der Sendung Jeopardy! mehrdeutige Fragen besser zu beantworten als ein Mensch.

Fazit

Auch wenn aktuell der gesamte „Bot-Markt“ mit seinen Frameworks eher einem riesigen Chaos als der Zukunft unseres Internets ähnelt, ist insgesamt aber zu sehen, dass die rasante Weiterentwicklung von Chat-Bots und das kollektive Trainieren der Bots auf einer zentralen Plattform grade erst begonnen hat und das Rennen extrem spannend wird. Ich freue mich riesig drauf!

Folgende „NLP Dienste“ sind meiner Meinung nach nennenswert und einen Blick wert:

Weitere interessante Links zum Thema:

Über den Autor Stephan Niedermeier

Stephan is the founder of FTAPI Software GmbH. He is a digital market & technology expert with over ten years of experience, including fast bootstrapping of high-performance teams, product management, business development, lean methodologics and digital strategy. He still loves to write code, to blog and to design cloud software architectures.

Kommentar verfassen

Trage deine Daten unten ein oder klicke ein Icon um dich einzuloggen:

WordPress.com-Logo

Du kommentierst mit Deinem WordPress.com-Konto. Abmelden / Ändern )

Twitter-Bild

Du kommentierst mit Deinem Twitter-Konto. Abmelden / Ändern )

Facebook-Foto

Du kommentierst mit Deinem Facebook-Konto. Abmelden / Ändern )

Google+ Foto

Du kommentierst mit Deinem Google+-Konto. Abmelden / Ändern )

Verbinde mit %s