Hybrid Intelligence: Menschliche und künstliche Intelligenz

Der Begriff “Intelligenz” wird sehr oft und in verschiedenen Zusammenhängen verwendet. Es geht einerseits um die menschliche Intelligenz (Human Intelligence) und andererseits auch um Künstliche Intelligenz (KI) oder Artificial Intelligence (AI). Dabei werden immer wieder (dumme Fragen) zum Entweder-Oder gestellt – also in dem Sinne: Was ist besser, menschliche Intelligenz oder Künstliche Intelligenz?

Wir leben in einer Zeit der reflexiven Modernisierung, bei der es zu Entgrenzung und Kontingenz in allen Bereichen kommt – auch bei dem Konstrukt “Intelligenz”. Es ist daher nicht erstaunlich, dass sich das Center for Hybrid Intelligence gerade damit befasst, wie menschliche und künstliche Intelligenz in einer hybriden Form betrachtet werden können. Auf der Website wird darauf hingewiesen, dass divergentes und konvergentes Denken für kreative Prozesse wichtig sind. Neben dem Begriff der “Intelligenz” kommt somit noch der Begriff “Kreativität” hinzu. Geht man davon aus, dass diese Begriffe ineinander spielen, vom jeweiligen Kontext abhängig sind, und auf verschiedenen Ebenen wie Individuum, Gruppe, Organisation und Netzwerk wirksam werden können wird deutlich, wie umfangreich der Forschungsgegenstand ist.

Siehe dazu auch Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model. Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 249-262 | Springer und Freund, R. (2011): Das Konzept der Multiplen Kompetenz auf den Analyseebenen Individuum, Gruppe, Organisation und Netzwerk. Dissertation, Verlag Dr. Kovac.

Was sind eigentlich mögliche Aufgabengebiete der Künstlichen Intelligenz?

Group of people with devices in hands working together as symbol of networking and communication

Die Geburtsstunde von “Künstlicher Intelligenz” geht auf einen Konferenzbeitrag von McCarthy im Jahr 1955 zurück. In der Zwischenzeit gibt es durch die vielen neuen technischen Möglichkeiten zwar immer wieder Definitionsversuche, doch immer noch keine einheitliche und anerkannte Definition. Was allerdings klar erscheint sind die verschiedenen Aufgabengebiete, die für eine Künstliche Intelligenz geeignet erscheinen. Russell und Norvig unterscheiden hier acht Aufgabengebiete (vgl. Russell und Norvig 2012; Peissner et al. 2019), zitiert in Fraunhofer IAO 2020:11-12):

  • Lernen
  • Problemlösung durch Suchen
  • Planen
  • Robotik
  • Entscheidung
  • Wissensrepräsentation
  • Wahrnehmung
  • Spracherkennung

Anhand dieser Auflistung wird deutlich, dass Künstliche Intelligenz viele Tätigkeiten in unserem gesellschaftlichen und wirtschaftlichen Leben beeinflussen kann. Es geht hier allerdings nicht immer um komplette Jobs, die infrage gestellt werden, sondern auch um Tätigkeitsportfolios, die in einzelnen Jobs oder in Prozessketten von KI profitieren können. Hier ein Beispiel:

Populär wurden in jüngster Zeit Anwendungen wie beispielsweise KI-gestützte »Chatbots«. Dies sind Programme, die eine Konversation mit Nutzern führen können. Social Chatbots agieren in sozialen Netzwerken wie Facebook und Twitter (vgl. Edwards 2016). Anwendungsgebiete sind u.a. Bestellungen (z.B. Pizza-Service), Antworten auf Kundenanfragen zu Prozessen (Paketdienste) und Bearbeitung von Beschwerden (Fraunhofer IAO 2020:13).

Intelligente Organisation oder Organisationale Intelligenz? Was soll das sein?

Image by Gerd Altmann from Pixabay

Wenn wir über Intelligenz oder Dummheit sprechen, geht es oft einerseits um intelligente Menschen und anderseits um intelligente maschinelle Systeme wie maschinelles Lernen oder Künstliche Intelligenz. In Unternehmen/Organisationen oder weiter gefasst, in Systemen geht es allerdings auch darum, die verschiedenen Facetten der Intelligenz zu fördern und für Werte zu nutzen. Bei Organisationen kommen die beiden Perspektiven “Intelligent Organization” und “Organizational Intelligence” ins Spiel.

Within this field two major research communities can be found. The first on has been established around the annual Hawai International Conference on System Sciences (HICSS), starting from a tutorial on “Intelligent Organizations” presented by G. P. Huber in 1987. The second has its roots in Japan, where T. Matsuda is developing towards a holistic approach of what he calls “Organizational Intelligence” (…). In contrast of others he [Matsuda 1988, 1991, 1992] stresses that machine learning is an integral part of the intelligence of an organization (vgl. Kirn 1996:141).

Die Organisationale Intelligence nach Matsuda integriert menschliche Intelligenz und (heute) Künstliche Intelligenz. Ich würde dabei noch ergänzen, dass dies nicht nur auf der organisationalen Ebene, sondern auch auf der individuellen Ebene, bei Teams und in Netzwerken außerhalb der Organisation eine Rolle spielt. In Meinem Buch Freund, R. (2011): das Konzept der Multiplen Kompetenz auf den Ebenen Individuum, Gruppe, Organisation und Netzwerk habe ich diesen Ansatz auch mit Hilfe der Theorie der Multiplen Intelligenzen beschrieben.

Was sind eigentlich Multi-Kontext-Probleme?

Image by Gerd Altmann from Pixabay

Der Begriff “Problem” kommt in unserer Gesellschaft häufig vor, dabei gibt es oft keine einheitliche Meinung darüber, was ein “Problem” eigentlich ist. Es gibt einfache Probleme mit dem dazugehörenden simple problem solving, und komplexe Probleme mit ihrem complex problem solving. In solchen Multi-Kontext-Problemen kommt es darauf an, Entscheidungen unter Unsicherheit zu treffen – was nicht so einfach ist…

Strategische Probleme werden als wenig strukturierte bzw. schwer strukturierbare Probleme betrachtet. Für solche „innovativen Probleme“ bestehen wenig eindeutige Lösungsverfahren (Bamberger & Wrona, 2000). Analog hierzu spricht Dörner (1979) von dialektischen Problemen, bei denen zwar die Ausgangslage bekannt ist, aber nicht der Zielzustand und auch nicht die möglichen Mittel diesen Zielzustand zu erreichen. „Sie stellen Entscheidungen unter Unsicherheit dar und werden auch als sog. Multi-Kontext-Probleme derart bezeichnet, dass sie in unterschiedlichen, jeweils aktorspezifischen Kontexten definiert bzw. expliziert werden“ (Bamberger & Wrona, 2000, S. 6). Probleme werden demnach jeweils im Sinne eigener Werte Normen, Interessen und Sichtweisen der Realität betrachtet und interpretiert. Mit diesen unterschiedlichen Realitätskonstruktionen ist stets die Möglichkeit von Konflikten und das Erfordernis sie zu lösen verbunden (Bamberger & Wrona, 2000) (vgl. Grote, S.; Kauffeld, S.; Hering, V. & Tappe, D. 2009:15, Hervorhebung durch den Autor des Blogbetrags).

Complex Problem Solving ist anders als das einfache, Simple Problem Solving. Die Bewältigung solcher Multi-Kontext-Probleme ist allerdings für die Zukunft entscheidend. Manche Systeme der Künstlichen Intelligenz (KI/AI) können in der Zwischenzeit durchaus schon komplexe Problemsettings lösen, was zu Veränderungen auf dem Arbeitsmarkt führt, und in Zukunft noch stärker führen wird. Entscheidend für Menschen ist immer noch, die Bewältigung komplexer Problemlösungssituationen, die uns (noch) von Algorithmen der Künstlichen Intelligenz unterscheidet.

In meinem Vortrag (Special Keynote) auf der MCPC 2015 (Weltkonferenz zu Mass Customitation, Personalization and Co-Creation) in Montreal habe ich diese Zusammenhänge für Open Innovation dargestell (Konferenzen). Es freut mich sehr, dass mein damaligen Paper bei Researchgate heute immer noch intensiv gelesen und genutzt wird. Mein Paper Cognitive Computing and Managing Complexity in Open Innovation Model zur Weltkonferenz MCPC 2015 ist bei Springer veröffentlicht worden. Bitte sprechen Sie mich an, wenn Sie dazu Fragen haben.

Disruptive capability over the next ten years

Siehe dazu auch

Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model. Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 249-262 | Springer

Freund, R. (2016): Wie verändert Cognitive Computing die HR-Landschaft?. In: HR Performance 2/2016, S. 16-19 | Download

ARTIFICIAL INTELLIGENCE AND LIFE IN 2030

ai-100-report

Es ist schon erstaunlich, wie schnell sich das Thema “Künstliche Intelligenz” (Artificial Intelligence: AI) in Unternehmen und in der breiten Öffentlichkeit etabliert hat. Es kommt einem so vor, als ob Artificial Intelligence wirklich etwas Neues ist, dabei hat die Stanford University schon 2014 auf die 100-jährige Geschichte von Artificial Intelligence hingewiesen (“One Hundred Year Study on Artificial Intelligence (AI100),” Stanford University, accessed August 1, 2016, https://ai100.stanford.edu). Viel wichtiger als die Vergangenheit von AI ist allerdings, wie sich AI bis 2030 entwickeln wird. An dieser Stelle positionieren sich sogenannte Zukunftsforscher mehr oder weniger marketinggerecht. Ich tendiere eher dazu, einer wissenschaftlich fundierten Arbeit zu vertrauen. So eine liegt nun seit September 2016 vor:

Peter Stone, Rodney Brooks, Erik Brynjolfsson, Ryan Calo, Oren Etzioni, Greg Hager, Julia Hirschberg, Shivaram Kalyanakrishnan, Ece Kamar, Sarit Kraus, Kevin Leyton-Brown, David Parkes, William Press, AnnaLee Saxenian, Julie Shah, Milind Tambe, and Astro Teller.  “Artificial Intelligence and Life in 2030.” One Hundred Year Study on Artificial Intelligence: Report of the 2015-2016 Study Panel, Stanford University, Stanford, CA,  September 2016. Doc: http://ai100.stanford.edu/2016-report. Accessed:  September 6, 2016.

In diesem Report geht es um Grundsätzliches, wie z.B. einer Definition von AI

“Artificial intelligence is that activity devoted to making machines intelligent, and
intelligence is that quality that enables an entity to function appropriately and with
foresight in its environment.”Nils J. Nilsson, The Quest for Artificial Intelligence: A History of Ideas and Achievements (Cambridge, UK: Cambridge University Press, 2010).

und um die zukünftigen Entwicklungen und Auswirkungen von AI bis 2030. Wer sich wirklich mit dem Thema befassen will, sollte sich diese ca. 50 Seiten einmal in Ruhe durchlesen. Danach können Sie die vielfältigen Berichte/Kommentare/Meinungen in den einschlägigen Medien besser einschätzen. Ich habe mir in den letzten Jahren zu dem Themenkomplex auch so meine Gedanken gemacht:

Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model. Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 249-262 | Springer

Freund, R. (2016): Wie verändert Cognitive Computing die HR-Landschaft?. In: HR Performance 2/2016, S. 16-19 | Download

Morgen: WDR 5 Thementag über Künstliche Intelligenz

wdr5-thementag-ki

Morgen, am 05.07.2016 gibt es bei WDR 5 einen Thementag über Künstiche Intelligenz. Es ist schon erstaunlich, wie sich dieses Themenfeld in den letzten Jahren verbreitet hat, sodass jetzt sogar Anstalten des öffentlichen Rechts darüber ausführlich berichten. Beim WDR wird allerdings häufig über neue technologische Entwicklungen negativ berichtet. Ich habe dazu schon oft von unterwegs angerufen und Hinweise dazu gegeben (Sharing Economy, Open Innovation, Crowdsourcing …) – natürlich ohne große Wirkung. Möglicherweise ist beim WDR auch etwas Selbsterhaltungstrieb dabei… Hony soit qui mal y pense. Siehe dazu auch Freund, R. (2016): Wie verändert Cognitive Computing die HR-Landschaft?. In: HR Performance 2/2016, S. 16-19 | Download.

Verschiedene Software-Algorithmen gut erklärt

Siehe dazu auch

  • Freund, R. (2016): Wie verändert Cognitive Computing die HR-Landschaft?. In: HR Performance 2/2016, S. 16-19 | Download
  • Freund, R. (2016): Cognitive Computing and Managing Complexity in Open Innovation Model, in Bellemare, J., Carrier, S., Piller, F. T. (Eds.): Managing Complexity. Proceedings of the 8th World Conference on Mass Customization, Personalization, and Co-Creation (MCPC 2015), Montreal, Canada, October 20th-22th, 2015, pp. 88-102 | Springer