Was ist künstliche Intelligenz KI?

Kleinere Modelle machen auch im Zeitalter sinkender Renditen mit massiven Modellen mit großen Parameterzahlen Fortschritte. 2004John McCarthy schreibt einen Aufsatz mit dem Titel Was ist Künstliche Intelligenz? Zu diesem Zeitpunkt hat das Zeitalter von Big Data und Cloud Computing bereits begonnen.

In jüngerer Zeit spielen mathematisch fundierte Ansätze aus der Statistik, der mathematischen Programmierung und der Approximationstheorie eine bedeutende Rolle. Sie stellt die Grundlage des von Jeff Hawkins definierten hierarchischen Temporalspeichers dar.

Denn es ist ja auch das Ziel der KI-Forschung, das menschliche Gehirn nachzubilden. Entscheidungssysteme auf Social-Media-Plattformen nutzen historische Nutzerdaten, um Inhalte vorzuschlagen, die auf den Interessen der Nutzenden basieren. Dabei werden Eigenschaften von Beiträgen, Interaktionen und Nutzerdaten wie z.B.

Je öfter man sie benutzt, desto mehr passen sie sich an die sprachlichen Eigenheiten des Benutzers an. So können sie dessen Stimme mit der Zeit besser verstehen und machen weniger Fehler bei der Verarbeitung. In Produktionsstraßen, besonders in der Automobilindustrie, ersetzen Roboter eine Unzahl menschlicher Handgriffe. Vor allem bei gesundheitsschädlichen, unfallträchtigen Aufgaben, wie zum Beispiel beim Lackieren oder Schweißen, sind Roboterarme, wie sie bereits in den 1960er-Jahren bei General Motors eingesetzt wurden, nicht mehr wegzudenken. Die Plattform für Künstliche Intelligenz soll den Dialog zwischen Wissenschaft, Wirtschaft, Gesellschaft und Politik fördern und Handlungsempfehlungen erarbeiten, um Deutschland international führend für Lernende Systeme zu positionieren.

Künstliche Intelligenz verstehen: Die wichtigsten Basics

Eine weitere gängige Metapher ist die Black Box, die die Intransparenz vieler KI-Systeme beschreibt13. Im wissenschaftlichen Diskurs werden große Sprachmodelle auch als stochastische Papageien bezeichnet, um darauf hinzuweisen, dass sie Texte erzeugen, ohne den Inhalt wirklich zu verstehen14. Der Autor Ted Chiang vergleicht große Sprachmodelle mit einem unscharfen JPEG aus dem Netz, um Kompressionsmechanismen zu veranschaulichen15.

Künstliche Intelligenz

Planungssysteme planen und erstellen aus solchen Problembeschreibungen Aktionsfolgen, die Agentensysteme ausführen können, um ihre Ziele zu erreichen. Mittels sprachlicher Intelligenz ist es beispielsweise möglich, einen geschriebenen Text in gesprochene Sprache umzuwandeln (Sprachsynthese) und umgekehrt einen gesprochenen Text zu verschriftlichen (Spracherkennung). Diese automatische Sprachverarbeitung kann erweitert werden, so dass etwa durch latente semantische Analyse (kurz LSI) Wörtern und Texten Bedeutung beigemessen werden kann. Letztlich geht es der schwachen KI somit um die Simulation intelligenten Verhaltens mit Mitteln der Mathematik und der Informatik, es geht ihr nicht um Schaffung von Bewusstsein oder um ein tieferes Verständnis von Intelligenz. Während die Schaffung starker KI an ihrer philosophischen Fragestellung bis heute scheiterte, sind auf der Seite der schwachen KI in den letzten Jahren bedeutende Fortschritte erzielt worden.

BMFTR und Länder fördern das NHR mit insgesamt 62,5 Millionen Euro pro Jahr. Ziele sind die Bereitstellung von Hochleistungsrechner-Infrastruktur sowie die Stärkung der Methodenkompetenz der Nutzenden, die Aus- und Weiterbildung und die Weiterentwicklung des Wissenschaftlichen Rechnens an Hochschulen. Deutschland verfügt seit 2018 über eine KI-Strategie auf Bundesebene und hat die Investitionen in Künstliche Intelligenz in diesem Zuge deutlich ausgebaut. Dezember 2020 wurde die KI-Strategie fortgeschrieben und auf neue Entwicklungen und Bedarfe fokussiert. Der KI-Aktionsplan stellt ein Update des BMFTR zur KI-Strategie dar.

Große Datenmengen sind die Grundlage, auf der KI-Systeme trainiert werden, um Muster zu erkennen und Vorhersagen zu treffen. Ohne diese riesigen Datenmengen wäre es kaum möglich, leistungsfähige KI-Anwendungen zu entwickeln, da sie nur durch umfassende Datensätze lernen und sich verbessern können. Stell dir vor, du möchtest einer Maschine beibringen, Bilder von Katzen zu erkennen. Anstatt ihr zu sagen, wie eine Katze aussieht, gibst du ihr Tausende von Katzenbildern und zeigst ihr auch Bilder ohne Katzen. Die Maschine analysiert diese Daten und lernt dabei, welche Merkmale typisch für eine Katze sind, zum Beispiel die Ohren oder die Form des Körpers. Mit der Zeit wird sie immer besser darin, neue Katzenbilder korrekt zu identifizieren.

Es erfordert Tausende von Grafikprozessoren (GPUs) in Clustern und eine wochenlange Verarbeitung, die in der Regel Millionen von Dollar kostet. Projekte für Foundation Models auf Open Source-Basis wie Llama-2 von Meta ermöglichen es Entwicklern von generativer KI, diesen Schritt und die damit verbundenen Kosten zu vermeiden. In hoher Qualität kodieren generative Modelle eine vereinfachte Darstellung ihrer Trainingsdaten und erstellen daraus ein neues Werk, das ähnlich ist, aber nicht identisch mit den ursprünglichen Daten. Es gibt viele verschiedene Techniken oder Algorithmen des maschinellen Lernens, darunter lineare Regression, logistische Regression, Decision Trees, Random Forest, Support Vector Machines (SVMs), K-Nearest-Neighbor (KNN) und Clustering.

Gleichzeitig stellen die rasanten Entwicklungen und die individuelle Nutzung die Gesellschaft vor neue Herausforderungen. Die KI-Services von IBM Consulting unterstützen Sie dabei, die Art und Weise, wie Unternehmen mit KI arbeiten, neu zu denken. 2016Das Programm AlphaGo von DeepMind, das auf einem tiefen neuronalen Netz basiert, besiegt Lee Sodol, den Go-Weltmeister, in einem Fünf-Spiele-Match. Der Sieg ist angesichts der riesigen Anzahl nach zugänglichen informationen möglicher Züge im Verlauf des Spiels (über 14,5 Billionen nach nur vier Zügen) von großer Bedeutung. Später kaufte Google DeepMind für angeblich 400 Millionen US-Dollar.

• Die Berechnung dieses Fehlers wird als Fehlerfunktion bezeichnet und dient als Feedback-Mechanismus für das Lernen.
• Im Gegensatz zum menschlichen Gehirn basieren aktuelle KI-Systeme auf Algorithmen, neuronalen Netzen und statistischen Modellen.
• Das BMFTR fördert Forschungsprojekte zum Ausbau der KI in der Biodiversitätsforschung.
• Durch die digitale Revolution könnte die menschliche Denkleistung durch maschinelle KI ersetzt111 beziehungsweise ergänzt112 werden.

In den letzten 75 Jahren haben sich verschiedene Formen der KI entwickelt, wobei sich bestimmte Ansätze durchgesetzt haben. Zwei Fachbegriffe, die in den letzten Jahren viel Aufmerksamkeit in den Medien erhalten haben, sind maschinelles Lernen und Deep Learning bzw. In den 1950er Jahren war die Idee der KI eher ein abstraktes und theoretisches Modell, das jedoch in den 1960er Jahren durch die Konzepte des maschinellen Lernens erstmals in die Praxis umgesetzt werden konnte. Dabei werden Algorithmen eingesetzt, die anhand eines Datensatzes trainiert werden und Aussagen über statistische Wahrscheinlichkeiten treffen. Die Muster werden nicht von einem Programmierer vorgegeben, sondern der Algorithmus findet sie selbst. Ein ML-System kann beispielsweise mit einem Datensatz trainiert werden, in dem Menschen zuvor Bilder mit der Information versehen haben, ob auf einem Bild eine Katze zu erkennen ist oder nicht.

Von Smartphones über Sprachassistenten bis hin zu autonomen Fahrzeugen – KI durchdringt zunehmend unseren Alltag. Viele verstehen KI als eine Technologie, die denkt und handelt wie ein Mensch. In Wahrheit geht es um komplexe Algorithmen, die Daten analysieren, Muster erkennen und eigenständig Entscheidungen treffen können. Ein wichtiger Baustein der künstlichen Intelligenz sind selbstlernende Systeme. Diese kommen zum Beispiel bei automatisierten Spam-Filtern im E-Mail-Postfach zum Einsatz. Man füttert einen Computer mit Beispieldaten, die er auswertet und analysiert.

In den 1950er Jahren entstand dann der Begriff „Künstliche Intelligenz“ offiziell. 1956 fand die sogenannte Dartmouth-Konferenz statt, die oft als Geburtsstunde der KI bezeichnet wird. Wissenschaftler wie John McCarthy und Marvin Minsky legten dort die theoretischen Grundlagen für die Entwicklung von intelligenten Maschinen.

Viele Wissenschaftler unterscheiden zwischen Starker KI und Schwacher KI. Sie basiert meist auf Methoden der Mathematik und Informatik und kommt beispielsweise in Navigationssystemen und bei der Spracherkennung zum Einsatz. Das BMFTR fördert sechs Kompetenzzentren, die gemeinsam den Nukleus des deutschen Ökosystems der KI-Forschung bilden. Die Kompetenzzentren bilden ein Netzwerk zum Austausch von Kompetenzen und Forschungsergebnissen und sorgen dafür, dass Deutschlands KI-Forschung international sichtbar ist und bleibt. 2015Der Supercomputer Minwa von Baidu verwendet ein spezielle tiefes neuronales Netz, ein sogenanntes Convolutional Neural Network, um Bilder mit einer höheren Genauigkeit zu identifizieren und zu kategorisieren als der durchschnittliche Mensch.