Künstliche Intelligenz: 8 Teilbereiche auf einen Blick
Häufig werden die Begriffe "Künstliche Intelligenz" (KI) und "Maschinelles Lernen" (ML) gleichgesetzt. Tatsächlich ist ML aber nur ein KI-Unterbereich. Welche weiteren Bausteine und Einsatzgebiete es in der KI-Welt gibt, lest ihr hier.
➤ Machine Learning: Maschinelles Lernen, kurz ML. Dabei werden IT-Systeme nicht klassisch programmiert, sondern lernen datenbasiert, Muster selbständig zu erkennen. Programme sollen eigenständig Probleme lösen können. Machine Learning füttert ein System mit Daten, damit dieses Vorhersagen machen kann. Beispiel: Streaming-Dienste wie Amazon Prime oder Netflix analysieren ML-basiert Vorlieben und Bewertungen von Usern, um ihnen Filme empfehlen zu können.
➤ Deep Learning ist ein Teilbereich des Machine Learnings. Es nutzt nach Vorbild des menschlichen Gehirns Netze aus künstlichen Nervenzellen (Neuronen) sowie sehr große Datenmengen (Big Data), um Erlerntes mit neuen Inhalten zu verknüpfen. Ein künstliches Neuron besteht aus Gleichungen und Rechenvorschriften, es nimmt Daten auf und kalkuliert einen Wert. Beispiele sind die Gesichts-, Objekt- oder Spracherkennung. Bei der Spracherkennung (vgl. Amazon Alexa, Apple Siri) ermöglicht Deep Learning es Systemen, ihren Wortschatz selbstständig zu ergänzen. Ebenso basiert das automatisierte Erkennen und Unterscheiden von zum Beispiel Hunde- und Katzenbildern auf Deep Learning.
➤ Wissensmodellierung: Die KI-Disziplin Knowledge Engineering baut Wissensbasen für Expertensysteme auf. Ziel ist es, die Denkprozesse eines menschlichen Experten nachzuahmen.
➤ Sinneswahrnehmung: Könnte ein KI-System Sinnesorgane besitzen, die denen des Menschen ebenbürtig oder gar überlegen sind? Teils ist das bereits technologische Realität: Video-Kameras verarbeiten Licht in Bereichen, die für das menschliche Auge unsichtbar sind – und manche Mikrofone sind deutlich sensibler als das menschliche Ohr. Jedoch besitzt der Mensch (noch) einen entscheidenden Vorteil: Wir können all diese Sinneseindrücken verknüpfen, die Maschine bislang nicht.
➤ Bild-Analyse: Software für Bild-Erkennung arbeitet unter anderem mit einem Deep-Learning-Ansatz. Ähnlich dem menschlichen Gehirn werden Bilder in Ebenen unterteilt. Statt isolierter Pixel-Werte soll das KI-System so Formen, Farben und Strukturen erkennen.
➤ Sprachverarbeitung: Natural Language Processing will natürliche Sprache maschinell verarbeiten. Mensch und Computer sollen direkt miteinander kommunizieren können (vgl. Amazon Alexa oder Chatbots).
➤ Robotik: Sie entwirft, produziert und betreibt unter anderem Industrie- und Service-Roboter. Neben KI umfasst Robotik auch Verfahren der Elektrotechnik und des Maschinenbaus.
➤ Texterstellung: Natural Language Generation will für Menschen lesbare Texte automatisiert produzieren. Bereits Realität ist der sogenannte "Roboterjournalismus": KI-Systeme verfassen selbständig Sportberichte oder die Wettervorhersage.
Fakt aber ist: Künstliche Intelligenz ist mehr als nur Maschinelles Lernen. Und: KI wird unser Leben in den kommenden Jahren immer stärker begleiten.
Lasst es mich wissen: Wie schätzt ihr das Thema Künstliche Intelligenz ein?
Link-Tipps:
➤ Machine Learning: Maschinelles Lernen, kurz ML. Dabei werden IT-Systeme nicht klassisch programmiert, sondern lernen datenbasiert, Muster selbständig zu erkennen. Programme sollen eigenständig Probleme lösen können. Machine Learning füttert ein System mit Daten, damit dieses Vorhersagen machen kann. Beispiel: Streaming-Dienste wie Amazon Prime oder Netflix analysieren ML-basiert Vorlieben und Bewertungen von Usern, um ihnen Filme empfehlen zu können.
➤ Deep Learning ist ein Teilbereich des Machine Learnings. Es nutzt nach Vorbild des menschlichen Gehirns Netze aus künstlichen Nervenzellen (Neuronen) sowie sehr große Datenmengen (Big Data), um Erlerntes mit neuen Inhalten zu verknüpfen. Ein künstliches Neuron besteht aus Gleichungen und Rechenvorschriften, es nimmt Daten auf und kalkuliert einen Wert. Beispiele sind die Gesichts-, Objekt- oder Spracherkennung. Bei der Spracherkennung (vgl. Amazon Alexa, Apple Siri) ermöglicht Deep Learning es Systemen, ihren Wortschatz selbstständig zu ergänzen. Ebenso basiert das automatisierte Erkennen und Unterscheiden von zum Beispiel Hunde- und Katzenbildern auf Deep Learning.
➤ Sinneswahrnehmung: Könnte ein KI-System Sinnesorgane besitzen, die denen des Menschen ebenbürtig oder gar überlegen sind? Teils ist das bereits technologische Realität: Video-Kameras verarbeiten Licht in Bereichen, die für das menschliche Auge unsichtbar sind – und manche Mikrofone sind deutlich sensibler als das menschliche Ohr. Jedoch besitzt der Mensch (noch) einen entscheidenden Vorteil: Wir können all diese Sinneseindrücken verknüpfen, die Maschine bislang nicht.
 |
| (Technologie / Pixabay-Lizenz) |
➤ Bild-Analyse: Software für Bild-Erkennung arbeitet unter anderem mit einem Deep-Learning-Ansatz. Ähnlich dem menschlichen Gehirn werden Bilder in Ebenen unterteilt. Statt isolierter Pixel-Werte soll das KI-System so Formen, Farben und Strukturen erkennen.
➤ Sprachverarbeitung: Natural Language Processing will natürliche Sprache maschinell verarbeiten. Mensch und Computer sollen direkt miteinander kommunizieren können (vgl. Amazon Alexa oder Chatbots).
➤ Robotik: Sie entwirft, produziert und betreibt unter anderem Industrie- und Service-Roboter. Neben KI umfasst Robotik auch Verfahren der Elektrotechnik und des Maschinenbaus.
➤ Texterstellung: Natural Language Generation will für Menschen lesbare Texte automatisiert produzieren. Bereits Realität ist der sogenannte "Roboterjournalismus": KI-Systeme verfassen selbständig Sportberichte oder die Wettervorhersage.
KI: Definitionsbedarf weiterhin groß
Bei all den oben genannten Punkten bitte beachten: Was KI ist, nicht ist, sein könnte, werden will oder niemals sein wird, wird heftig diskutiert. Grundproblem bei all dem ist, dass es bereits für den Begriff "Intelligenz" keine einheitliche Definition gibt.Fakt aber ist: Künstliche Intelligenz ist mehr als nur Maschinelles Lernen. Und: KI wird unser Leben in den kommenden Jahren immer stärker begleiten.
Lasst es mich wissen: Wie schätzt ihr das Thema Künstliche Intelligenz ein?
Link-Tipps:
- Künstliche Intelligenz 2018: Sechs Praxis-Beispiele auf einen Blick
- Wie nutzen deutsche Unternehmen KI 2018?
- KI: Ist Europa digitalwirtschaftlich zweitklassig?
- KI-Bot "ChatGPT": Keine Sensation, sondern der nächste logische Schritt
- ChatGPT: Wie der KI-Chatbot funktioniert (und warum er ein echter Gamechanger ist)
- KI im Content-Marketing: Inhalte erstellen mit ChatGPT & Co. [Teil 1]
- KI im Content-Marketing: Inhalte erstellen mit ChatGPT & Co. [Teil 2]
Kommentare