Arbeitsfrei: Eine Entdeckungsreise zu den Maschinen, die uns ersetzen (German Edition)

gehört.
    Die Funktionsweise von Wolfram Alpha, der »künstlichen Intelligenz« hinter Siri & Co., erklärt er so: Menschen stellen ziemlich oft die gleichen Fragen, und sie tun es auf eine relativ vorhersehbare Art und Weise. Fragt man etwa: »Wie lange dauert es noch bis zum nächsten Vollmond?«, extrahiert die erste Ebene der Software die relevanten Wörter aus der Frage, die nötig sind, um eine Antwort zu berechnen. In diesem Falle »wie lange noch bis« und »Vollmond«. Übersetzt in die Struktur der Algorithmen, wird daraus die Kalkulation »Zeitpunkt des nächsten Vollmonds minus aktuelle Zeit«.
    Wann der nächste Vollmond ist, weiß Alpha aus seiner sogenannten Wissensbasis, welche aus Hunderten von Datenbanken extrahiert wurde, die von Experten des jeweiligen Fachgebiets aufbereitet und für die Algorithmen zugänglich gemacht werden. Fragt man etwa: »Was ist das Bruttosozialprodukt von Deutschland im Vergleich zu dem von Japan?«, extrahiert die Software aus ihrer Datenbasis die jeweiligen Zahlen für die beiden Länder, setzt sie ins Verhältnis und malt auch gleich anschauliche Kurven über die historische Entwicklung.
    Das Geheimnis der algorithmischen Magie von Wolfram Alpha ist also die von Menschen für die Algorithmen aufbereitete Datenbasis. Denn die Software kann – noch – nicht einfach in der Wikipedia lesen, um sich Fakten und Zusammenhänge anzueignen. Doch einmal erschlossen und in eine Struktur gebracht, die Berechnungen ermöglicht, lassen sich mit jeder neuen Datenbank, jedem neu hinzugefügten physikalischen oder mathematischen Sachverhalt neue Zusammenhänge durch Softwareberechnungen erschließen.
    Das Ergebnis ist ein oft verblüffender Eindruck von maschineller Intelligenz, die in Sekundenschnelle Fragen aller Art beantworten kann. Die Formeln, die zu einem Ergebnis führen, werden jeweils ad hoc aus der vom Menschen gestellten Frage abgeleitet und dann auf die Datenbasis angewendet. Im Prinzip sind der dadurch möglichen Komplexität kaum Grenzen gesetzt. In der kostenpflichtigen Profiversion von Alpha können Wissenschaftler auch eigene Datenbasen als Grundlage der Berechnungen hinzufügen, sie können dann Zusammenhänge und Korrelationen in ihren Daten entdecken, ohne sich um die Details kümmern zu müssen. Statt nur anhand von Stichworten wie normale Suchmaschinen die Webseiten zu durchsuchen, die die Antwort auf die Fragen enthalten könnten, beantwortet Alpha die Frage mit Hilfe der Datenbasis direkt und ohne Umwege.
    Bereits heute werden ähnliche Systeme verwendet, um Callcenter zu automatisieren. Auf Wissensbasen fußende Algorithmen steuern den Gesprächsverlauf, nach denen sich die Telefonisten bei den Hotlines für Kundensupport und -akquise richten. Der Mensch ist hier nur noch das Interface für die Software, mit der diese mit dem Menschen auf der anderen Seite der Telefonleitung kommuniziert. Im einfachsten Fall folgt der Callcenteragent einem interaktiven digitalen Drehbuch, in dem ihm die jeweils möglichen Optionen für die jeweilige Problemstellung auf seinem Bildschirm aufgeführt werden. Je nach Antwort basierend auf dem, was der Kunde sagt, wird er jeweils auf weitere Optionen verwiesen und im besten Falle zu einer Lösung geführt.
    Sein Arbeitsplatz hängt eigentlich nur noch vom bis dato relativ unzureichenden Stand der sprecherunabhängigen algorithmischen Spracherkennung ab, der sich jedoch immer weiter verbessert. Wenn die Software hinreichend zuverlässig erkennen kann, was gesagt wird, spricht technologisch nichts mehr dagegen, die gleichen Prinzipien, wie sie Wolfram Alpha verwendet, für sogenannte Sprachdialogsysteme anzuwenden, bei denen sich der Kunde direkt mit dem Computer unterhält.
    Ansätze dieses Prinzips kann man schon auf den Webseiten vieler größerer Unternehmen beobachten, die Hilfe in Form von Chatsystemen anbieten, mit denen der Kunde über seinen Webbrowser kommuniziert. Routineanfragen werden von der Software abgearbeitet, erst bei komplexeren Problemen wird ein Mensch auf der anderen Seite herangezogen. Die Spracherkennung wird auch deshalb immer leistungsfähiger, weil sie von so vielen Menschen – etwa bei Siri – genutzt wird. Die Systeme lernen von uns: Ob etwas korrekt oder falsch erkannt wurde, fließt als Lernanreiz zurück in die Software.
    Den Kunden anhand seiner spezifischen biometrischen Stimm- und Sprachmerkmale zu identifizieren, leistet Software schon heute mit erstaunlich hoher Zuverlässigkeit. Die