Was bedeutet
Künstliche Intelligenz?
Künstliche Intelligenz (KI) steht für Software- und Robotik-Systeme, die ein Verhalten zeigen, für das gemeinhin menschliche Intelligenz vorausgesetzt wird. Sprich: Die Systeme sind in der Lage, abstrakt beschriebene Aufgaben und Probleme eigenständig zu lösen – ohne dass jeder Schritt vorab vom Menschen programmiert wurde. Zugleich beschreibt Künstliche Intelligenz ein Teilgebiet der Informatik, das sich mit der Entwicklung dieser Systeme beschäftigt.
Auch wenn der Begriff in aller Munde ist: Eine allgemein akzeptierte Definition zu KI gibt es nicht. Nicht zuletzt, weil es schwierig zu bestimmen ist, was als „intelligent“ gilt.
Künstliche Intelligenz und Algorithmen
Oftmals werden die Begriffe KI und Algorithmen fälschlicherweise gleichgesetzt. Algorithmen beschreiben einen definierten Rechenweg, der zu einem erwartbaren Ergebnis führt. Bei gleichen Eingaben bleibt auch das Ergebnis immer gleich – ähnlich einem Kochrezept. Zwar basiert auch Künstliche Intelligenz auf Algorithmen. Im Unterschied zu klassischen Algorithmen lernen die in modernen KI-Systemen verwendeten Algorithmen aber laufend dazu – sei es in einem vom Menschen gesteuerten Training oder selbstständig. Grundlage für diesen Lernprozess ist eine große Menge an Daten, die dem KI-System als Wissensbasis dienen. Mit vielen und möglichst qualitativ hochwertigen Daten können KI-gestützte Systeme in Sekundenschnelle zu Ergebnissen kommen, für die Menschen sehr lange rechnen müssten.
Experte zum Thema: Was ist und kann KI?
Künstliche Intelligenz (KI) gilt als digitale Schlüsseltechnologie der Zukunft. KI-basierte Computersysteme können den Verkehr steuern, die Produktion optimieren und bei medizinischen Diagnosen unterstützen. Über Smartphones nutzen wir KI-Systeme längst im Alltag. Doch was genau ist KI und wie funktioniert sie? Was unterscheidet schwache KI von starker KI? Und welche Herausforderungen sind damit verbunden?
Diese Fragen beantwortet Volker Tresp. Er ist Professor an der Ludwig-Maximilians-Universität München mit Forschungsschwerpunkt Maschinelles Lernen in Informationsnetzwerken.
KI-Technologien
Künstliche Intelligenz beschreibt nicht eine bestimmte Technologie, sondern eine Vielzahl an Techniken, die Computersysteme intelligent erscheinen lassen – weil sie in der Lage sind, Dinge wahrzunehmen, Probleme zu lösen oder eigenständig bzw. vom Menschen assistiert Handlungen auszuführen. Diese Techniken basieren aktuell zumeist auf großen Datenmengen und lassen sich nicht streng voneinander abgrenzen. Hier eine Auswahl:
Empfohlener redaktioneller Inhalt
An dieser Stelle finden Sie einen externen Inhalt von YouTube, der den Artikel ergänzt. Sie können ihn sich mit einem Klick anzeigen lassen und wieder ausblenden.
Eine kurze Geschichte der Künstlichen Intelligenz
Künstliche Intelligenz ist eine Errungenschaft des 21. Jahrhunderts? Weit gefehlt!
Begründet wurde die Technologie bereits Mitte der 1950er Jahre. Seither verzeichnete sie Höhen und Tiefen: Auf überzogene Erwartungen an Maschinen als universelle Problemlöser folgte Ernüchterung – ein so genannter KI-Winter. Neue Methoden, eine exponentiell steigende Rechnerleistung sowie schier unbegrenzt verfügbare Daten verliehen der Künstlichen Intelligenz zur Jahrtausendwende einen erneuten Aufschwung – der ungebrochen anhält. Mehr dazu in unserem Erklärfilm.
Empfohlener redaktioneller Inhalt
An dieser Stelle finden Sie einen externen Inhalt von YouTube, der den Artikel ergänzt. Sie können ihn sich mit einem Klick anzeigen lassen und wieder ausblenden.
Generative KI – Alleskönner der Künstlichen Intelligenz?
Sprachmodelle wie ChatGPT & Co. können Fragen beantworten, Programmcode erstellen und wissenschaftliche Studien zusammenfassen. Andere generative KI-Systeme erstellen nach gewünschten Vorgaben Bilder oder Musikstücke. All das mit großer Rechenpower auf Basis von riesigen Datenmengen, lernenden Algorithmen und Wahrscheinlichkeiten. Die Anwendungsmöglichkeiten sind vielfältig und weitreichend – und werden in Alltag und Arbeit vieles verändern. Generative KI-Systeme können aber auch falsche Informationen liefern oder diskriminierende Inhalte reproduzieren. Die Technologie entwickelt sich rasant, daher ist es wichtig, Potenziale und Risiken zu kennen und die Technologie verantwortungsvoll einzusetzen. Mehr dazu in unserem Erklärfilm.
Wie lernt KI?
KI-Systeme lernen zunächst nicht von sich aus. Sie müssen trainiert werden, und zwar mit vielen Daten. Hier kommt die Methode des maschinellen Lernens zum Einsatz:
Maschinelles Lernen (engl. Machine Learning) ist eine grundlegende Methode der Künstlichen Intelligenz. Auf ihr basieren die größten Fortschritte der vergangenen Jahre. Auch beim maschinellen Lernen programmiert der Mensch – allerdings nicht mehr fertige Lösungen, sondern Programme, die die Problemlösung anhand von Trainingsdaten erlernen. Zum Einsatz kommen dabei spezielle Algorithmen, die in Beispieldaten Muster und Gesetzmäßigkeiten erkennen und diese auf neue Daten anwenden.
Allerdings: Mit falschen oder unvollständigen Daten gefüttert, liefert auch KI falsche oder unvollständige Ergebnisse.
Innerhalb des maschinellen Lernens werden drei Lernstile unterschieden:
Überwachtes Lernen
Beim überwachten Lernen liefert der Mensch dem Computersystem neben den Trainingsdaten auch das erwartete Ergebnis. Soll der Algorithmus in einem Bild etwa eine Katze identifizieren, erkennt darin aber einen Hund, passt er sein Rechenmodell an. Das wiederholt der Lernalgorithmus bei Fehlern so lange, bis er Katzenbilder verlässlich erkennt.
Unüberwachtes Lernen
Beim unüberwachten Lernen speist der Mensch nur die Eingabedaten in das System, ohne weitere Erläuterungen. Der Lernalgorithmus erzeugt ein Modell, dass die Eingaben abstrakt beschreibt und muss nun selbstständig Muster finden. Meist wird diese Methode eingesetzt, um große Datensätze zu clustern oder zu segmentieren.
Verstärkendes Lernen
Beim verstärkenden Lernen trainiert der Mensch den Lernalgorithmus über Feedback: Für erfolgreiche Handlungen erhält der Algorithmus eine positive Rückmeldung, bei Fehlern eine negative. Ziel des KI-Systems ist es, möglichst viel positives Feedback zu erhalten. Auf diese Weise lernt es beispielsweise die Regeln eines Spiels.
Deep Learning
Ein besonders leistungsfähiger Teilbereich des maschinellen Lernens ist das Deep Learning. Er basiert auf so genannten künstlichen neuronalen Netzen, die mehrere Schichten umfassen: In der ersten Schicht erkennt der Algorithmus beispielsweise ein Muster, in der zweiten ein Muster von Mustern und so weiter. Je komplexer das Netz, desto komplexere Sachverhalte kann der Algorithmus verarbeiten.
Inspiriert ist diese Lernmethode von den Mechanismen des menschlichen Gehirns. Angewendet wird Deep Learning zum Erkennen von Bildern, Sprache und Objekten. Allerdings: Wie das trainierte neuronale Netz zu Ergebnissen kommt, ist für den Menschen nicht nachvollziehbar – und bleibt damit eine Black Box.
Video-Tutorials
Grundlagen und Anwendungen des maschinellen Lernens leicht verständlich erklärt
An dieser Stelle finden Sie einen externen Inhalt von YouTube, der die Informationen der Webseite ergänzt. Sie können sich diesen mit einem Klick anzeigen lassen.
Maike Elisa Müller
Maike hat Mathematik und Economics an der TU Berlin studiert. Ihre Begeisterung und Liebe zur Mathematik trägt sie in die Welt, indem sie an verschiedenen Instituten Mathematik und Statistik lehrt und allgemeinverständlich über Mathe schreibt. Sie ist unter anderem Co-Autorin des Buches Wie Maschinen lernen - Künstliche Intelligenz verständlich erklärt, das sich für einen gesellschaftlichen Diskurs über die Methoden des maschinellen Lernens einsetzt. Wenn sie sich nicht gerade mit Mathematik beschäftigt, verbringt Maike ihre Zeit mit Sport – am liebsten mit einem Brett unter den Füßen auf dem Wasser.
Jannik Kossen
Jannik promoviert in der Oxford Applied and Theoretical Machine Learning Group. Als Co-Autor des Buches Wie Maschinen Lernen – Künstliche Intelligenz verständlich erklärt setzt er sich für die Entmystifizierung von KI ein. Eigentlich hat er Physik irgendwo zwischen Heidelberg, Bremen, Darmstadt, Padua und London studiert. Bei der Berlin-Brandenburgischen Akademie der Wissenschaften (BBAW) hat er KI aus gesellschaftlicher Perspektive diskutiert und bei Bosch Praxiserfahrungen als Data Scientist gesammelt. Jetzt gerade debuggt Jannik wahrscheinlich Code, denkt über Paper nach oder isst Falafel.
Fabrizio Kuruc
Fabrizio studiert Informatik an der FU Berlin, hat sich davor aber mit Mathematik und Volkswirtschaftslehre auseinander gesetzt. Er arbeitet in der Human-Centered Computing Group der FU Berlin und ist zudem als Machine Learning Engineer bei der Berliner Firma limebit tätig. Er ist Co-Autor des Buches Wie Maschinen lernen – Künstliche Intelligenz verständlich erklärt, das einen gesellschaftlichen Diskurs über die Methoden des maschinellen Lernens anregt. In diesem Moment schaut Fabrizio wahrscheinlich aus dem Fenster und überlegt, was man heute noch Leckeres kochen könnte.