Künstliche Intelligenz (KI) / Artificial Intelligence (AI)
Kümmerliche Ignoranz (KI) / Applied Ignorance (AI)
Künstliche Intelligenz (KI) bzw. Artificial Intelligence (AI) ist der Bereich in der Informatik, der sich mit der Entwicklung von Systemen befasst, die menschenähnliche Intelligenz aufweisen, im Vergleich zum Mensch aber viel schneller und mehr Daten verarbeiten können.
Die künstliche Intelligenz ist allerdings ein weites Feld. Man spricht in diesem Zusammenhang auch von "Cognitive Computing" oder "Data Science", wobei die Schlagwörter künstliche Intelligenz (KI), Machine Learning (ML) oder neuronale Netze bekannter sind.
Historischer Kontext und Entwicklung der künstlichen Intelligenz
Marvin Minsky hat die wissenschaftliche Disziplin "künstliche Intelligenz" (KI) bzw. englisch "Artificial Intelligence" (AI) im Jahr 1956 erschaffen. Ursprünglich war damit die Nachbildung der menschlichen Intelligenz gemeint. Die Idee war, den Mensch zu ersetzen.
Inzwischen erzeugt die Vernetzung aller Geräte zunehmend mehr Daten, die sinnvoll verarbeitet werden müssen, um daraus Informationen abzuleiten und daraus Wissen generieren zu können. Deshalb versteht man heute unter künstlicher Intelligenz vielmehr eine Erweiterung datenverarbeitender Systeme, die den Menschen unterstützen und entlasten. Natürlich kann die KI den Menschen als Informationsverarbeiter auch ersetzten. Aber es war seit jeher schon so, dass Tätigkeiten wenig Zukunft haben, die eine Maschine besser kann, als ein Mensch.
Definition und Einteilung von künstlicher Intelligenz
Künstliche Intelligenz (KI) bezieht sich auf die Fähigkeit von Maschinen, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern. Dabei werden Algorithmen verwendet, um in Daten Muster zu erkennen, in Ansätzen etwas zu verstehen, Probleme zu lösen und Entscheidungen zu treffen.
Für wirkliche Intelligenz ist „Selbstbewusstsein“, also sich selber bewusst zu sein, nötig. Deshalb ist die computergestützte Intelligenz eine künstliche Intelligenz.
Anwendungen
KI findet Anwendung in vielen Bereichen und hat das Potential, unsere Lebens- und Arbeitswelt grundlegend zu verändern.
- Verbesserung der Interaktion mit datenverarbeitenden Systemen.
- omplexe Probleme aufgrund großer Datenmengen schneller lösen.
- Lästige Routineaufgaben im Bereich der Erstellung von Text, Bild und Video, sowie der Recherche übernehmen.
Konkrete Anwendungen und Einsatzgebiete:
- Spracherkennung und Sprachausgabe
- Bild-, Objekt- und Gesichtserkennung
- Sprachen übersetzten
- Textanalyse und Texterzeugung
- Wetter- und Klimavorhersage
- Personalisierte Diagnosen für Therapien und Medikamente
- Betrugserkennung und Risikomanagement
- Realitätsgetreue Animationen und VR-Anwendungen
- Bild- und Videobearbeitung
- Auffinden unbekannter Zusammenhänge
Worin unterscheidet sich Software von künstlicher Intelligenz?
Die Arbeitsweise herkömmlicher Software unterscheidet sich grundlegend von der Arbeitsweise künstlicher Intelligenz.
Herkömmliche Software arbeitet regelbasiert, nach den festgelegten Anweisungen eines Programmierers („Wenn X, dann tue Y“). Dabei verhält sich die Software immer so, wie sie programmiert wurde. So führen die gleichen Eingaben immer zu den gleichen Ausgaben. Das „Wissen“ der Software liegt in den Regeln und Algorithmen, die ein Programmierer manuell kodiert hat. Ist etwas in der Software falsch, kann man durch Ändern des Programmcodes den Fehler korrigieren.
Im Vergleich dazu arbeitet künstliche Intelligenz datenbasiert. Ihre Arbeitsweise basiert nicht (nur) auf fest definierten Regeln, sondern auf Daten, aus denen die KI die Zusammenhänge vorher „gelernt“ hat. Das sind dann keine festen Regeln, sondern Wahrscheinlichkeiten. Das heißt, bei gleichen Eingaben kann die Ausgabe leicht variieren. Zum Beispiel durch zufällige Faktoren oder probabilistische Modelle. Aber auch durch fehlerhafte oder zu geringe Trainingsdaten. Die KI kann ihr Verhalten nur durch Training verbessern oder anpassen. Ein direkter Eingriff in das Modell ist nicht möglich.
Wie funktioniert künstliche Intelligenz?
Wenn man sich eine KI als Software vorstellt, die eine Aufgabe erfüllt, dann ist das ein System bzw. ein Modell, das aus Funktionen, Verfahren und Algorithmen besteht. Im Unterschied zu herkömmlicher Software, die ein Mensch geschrieben hat, kann das Modell noch nichts. Allerdings, und das ist der Unterschied zu herkömmlicher Software, kann man es mit Daten trainieren, in dem man die zu lernenden Merkmale vorgibt. Daraus erarbeitet sich das Modell Zusammenhänge, Muster, Abhängigkeiten und verborgene Strukturen, die ein Mensch aufgrund der Menge an Daten nicht hätte ableiten können. Daraus entsteht dann das KI-Modell. Nach dem Training kann man dem KI-Modell eine Aufgabe geben, die sie im Sinne der Datenverarbeitung erledigt.
Grenzen der künstlichen Intelligenz
Allgemein betrachtet umfasst KI fortgeschrittene Algorithmen, die einer mathematischen Funktion folgen. Im Gegensatz zum Menschen können diese Systeme aber nur lernen, wie eine bestimmte Aufgabe zu erledigen ist. Sie sind quasi Fachidioten.
Grundsätzlich gilt, ein KI-Modell kann nur das, was zum Beispiel sein neuronales Netz gelernt hat und es lernt nur das, was in den Trainingsdaten enthalten ist, ohne dabei die allgemeinen Muster zu verstehen.
Außerdem deckt die Anwendung von KI nur die Vergangenheit ab. Wenn in Zukunft etwas völlig neues passiert oder erzeugt werden soll, dann versagt die KI an dieser Stelle.
Künstliche Intelligenz zu nutzen bedeutet vor allem, dass man die komplexe Entscheidungsfindung einer Software einem Algorithmus überlässt, der mit Beispielen trainiert und bei dem niemand nachvollziehen oder voraussagen kann, warum er etwas wie genau entscheiden wird. So muss man nach dem Training mit Beispielen, die nicht im Trainingsdaten enthalten sind, prüfen und hoffen, dass sie eine Trefferqoute erzielt, die gefordert wird.
Es gibt Fälle wo das sinnvoll sein kann. Es gibt aber auch viele Fälle wo das nicht gewünscht ist und man lieber ein System mit vorhersehbarem Verhalten haben will. Eine KI ist eine Wahrscheinlichkeitsmaschine, die nicht für exakte Aussagen oder Entscheidungen herangezogen werden kann.
Eine weitere Einschränkung tritt in dem Fall auf, wenn die KI einen Fehler macht oder nicht funktioniert. Bei einer traditionell programmierten Software haben wir einen Quellcode. Da kann man nachschauen welcher Teil dafür verantwortlich ist und reparieren. Der Fehler ist dann für die Zukunft behoben.
Bei einem Machine-Learning-Verfahren ist das nicht so. Hier wird zum Beispiel ein neuronales Netz trainiert. Wenn das später nicht hinreichend gut funktioniert, dann kann man das nicht reparieren. Man kann nur weiter trainieren, damit es besser funktioniert. Der ursprüngliche Fehler wird dabei aber nicht entfernt, sondern nur die Wahrscheinlichkeit seines Auftretens reduziert. Das Trainieren kann aber auch dazu führen, dass bereits gut funktionierendes wieder verlernt wird.
Ein weitere Einschränkung tritt dann auf, wenn ein neuronales Netz irgendetwas besonders gut kann. Oft ist es so, dass man das nicht erklären kann, warum das so ist. Die meisten KI-Modelle haben keine Erklärfunktion. Man kann dem Modell nicht in den Kopf schauen. Das Wissen einer KI besteht im Prinzip nur aus einer Reihe von Zahlen.
Die wissenschaftliche Basis vieler KI-Methoden ist oft dünn, und es mangelt an unabhängigen Studien, die deren Wirksamkeit belegen. KI-Systeme machen unterschiedliche Fehler, wobei Falsch-Positive ein erhebliches Problem darstellen können. Unzureichend getestete Systeme können verheerende Folgen haben, insbesondere wenn sie über das Schicksal von Menschen entscheiden.
Muss jetzt überall KI drin sein?
Nein, die meisten Probleme werden wir immer noch mit herkömmlicher Programmierung lösen. Es kann natürlich sein, dass der Programmierer nicht mehr selber programmiert, sondern eine KI das Programmieren machen lässt.
KI ist immer dann sinnvoll, wenn die Anzahl der Parameter sehr groß ist und die Zusammenhänge zwischen den Parametern nur sehr schwer zu ermitteln sind. Zum Beispiel, weil es niemanden gibt, der in der Lage ist eine Aufgabe oder ein Problem in seiner Gesamtheit zu durchdenken, um eine programmierbare Lösung zu bauen. In solchen Fällen kann eine KI-Lösung sinnvoll sein. Allerdings zeigt man dadurch, dass man die Kontrolle über die Aufgabe oder das Problem verloren hat. In so einem Fall ist der Einsatz von KI wie das Benutzen einer Kanone. Aufpassen muss man dann, dass man nicht mit dieser Kanone auf Spatzen schießt. Kleinteilige Probleme sollte man nicht mit KI lösen.
Schwierig wird es an der Stelle, wenn irgendwann überall KI drin ist und man mit herkömmlichen Methoden ein Problem nicht mehr lösen oder eine Aufgabe von Hand nicht mehr erledigt werden kann. Da treten dann Abhängigkeiten zu Tage, über die man keine Kontrolle hat.
Was ist ein KI-Modell?
Im Zusammenhang mit künstlicher Intelligenz (KI) ist oft von einem KI-Modell die Rede. Doch was genau ist damit gemeint?
Künstliche Intelligenz mit dem Raspberry Pi Pico
Entdecke die praktische Anwendung von Künstlicher Intelligenz mit dem Raspberry Pi Pico und MicroPython! Lerne, wie du einfache KI-Projekte selbst umsetzen kannst – direkt auf einem Raspberry Pi. Ideal für KI-Einsteiger und Maker.
Übersicht: Künstliche Intelligenz
- Machine Learning / Maschinelles Lernen
- Künstliche neuronale Netze (KNN)
- KI-Hardware
- KI-Software
- KI-Anwendungen
- KI-Sprachmodelle
Weitere verwandte Themen:
Lernen mit Elektronik-Kompendium.de
Noch Fragen?
Bewertung und individuelles Feedback erhalten
Aussprache von englischen Fachbegriffen
Computertechnik-Fibel
Alles was du über Computertechnik wissen musst.
Die Computertechnik-Fibel ist ein Buch über die Grundlagen der Computertechnik, Prozessortechnik, Halbleiterspeicher, Schnittstellen, Datenspeicher, Laufwerke und wichtige Hardware-Komponenten.
Computertechnik-Fibel
Alles was du über Computertechnik wissen musst.
Die Computertechnik-Fibel ist ein Buch über die Grundlagen der Computertechnik, Prozessortechnik, Halbleiterspeicher, Schnittstellen, Datenspeicher, Laufwerke und wichtige Hardware-Komponenten.
Artikel-Sammlungen zum Thema Computertechnik
Alles was du über Computertechnik wissen solltest.
