Künstliche Intelligenz (KI) ist ein Schlagwort wie viele andere und wird im Moment ziemlich gehypt. Doch was steckt eigentlich hinter diesem Begriff? In unserer Blogreihe "Künstliche Intelligenz" beschäftigen wir uns unter anderem mit Versprechen und Mythen der KI. Wir erfahren, wie KI eigentlich definiert wird und widmen uns ihren Herausforderungen und Anwendungsbeispielen.
Abb. 1: AI-Buzzword-Cloud - viele Begriffe im Dunstkreis der künstlichen Intelligenz.
Buzzwords sind meist omnipräsent, umfassen eine ganze Reihe an Dingen und sind nicht wirklich konkret. Deshalb versuchen wir hier solche, die sich um Künstliche Intelligenz ranken, einzuordnen:
- Künstliche Intelligenz (KI) ist ein Überbegriff, der sehr viele Teilgebiete abdeckt und generell „intelligente“ Algorithmen bezeichnet. Es gibt starke und schwache künstliche Intelligenzen, wobei der Unterschied in der Menge und Breite der Fähigkeiten liegt. Der englische Begriffe für KI ist Artificial Intelligence (AI).
- Maschinelles Lernen (ML) bezeichnet einen Typ von Algorithmus, der aus Erfahrungen lernt und daraus Regeln ableitet. Neue Ereignisse werden anschließend nach diesen Regeln klassifiziert. Maschinelles Lernen hat eine große Bandbreite. Man unterscheidet grundsätzlich zwischen „überwachtem“ und „unüberwachtem“ Lernen. Überwacht heißt hier, dass der Algorithmus weiß, was er lernen soll und die Ergebnisse korrigiert werden können. Bei unüberwachtem Lernen lernt der Algorithmus ohne Ziel „einfach drauf los“. Machine Reasoning ist eine Weiterentwicklung von ML. Der englische Begriffe für ML ist Machine Learning.
- Neuronale Netze (NN) sind eine Art von maschinellem Lernen. Die Inspirationen dafür sind die Neuronen im menschlichen Gehirn, deren Prozesse nachgebildet werden sollen.
- Deep Learning (DL) sind Optimierungsmethoden für besonders tiefe Neuronale Netze. Tief bedeutet hier viele Schichten.
- Data Science bedient sich teilweise auch lernenden Algorithmen, umfasst allerdings weit mehr als das. Da oft auch Menschen am Werk sind und nicht nur Algorithmen, ist es kein reines Teilgebiet der künstlichen Intelligenz, bedient sich aber vielen ihrer Methoden. Ein großes Teilgebiet von Data Science ist die Datenanalyse.
- Big Data beschreibt Datenmengen, die sehr groß (Volume), schnell generiert (Velocity) und variabel (Variety) sind. Oft ist „groß“ die bezeichnende Eigenschaft.
- Data Mining ist ein Teilbereich der Datenanalyse. Man versucht, Muster in einem Datensatz zu finden, ohne vorher zu wissen, wonach man sucht.
- Autonome Systeme sind eigenständig handelnde Systeme, die komplexe Aufgaben lösen. Der Autonomiebegriff hier ist eingeschränkter als der der menschlichen Autonomie.
- Rationale Systeme sind simplere künstliche Intelligenzen. Sie passen ihr Verhalten nicht an über die Zeit und wählen immer die optimale Aktion in einer Situation aus, d.h. diejenige, die das eigene Peformanzmaß maximiert. Während hier die optimale Lösung gewählt wird, treffen andere KI-Systeme weitaus komplexere Entscheidungen, die in vielen Fällen besser sind.
All diese Konzepte sind Teil von der momentan großen Bewegung um Künstliche Intelligenz. Meistens basieren diese Systeme auf maschinellem Lernen. Sie möchten eine Definition für künstliche Intelligenz? Dann lesen Sie doch unseren Artikel Künstliche Intelligenz - Definition.
Weiterführende Links:
Der Begriff der Künstlichen Intelligenz ist noch in der Findungsphase. Daher spiegelt diese Blogreihe unsere Sichtweise wider und erhebt keinen Anspruch auf Vollständigkeit. In den nächsten Blogbeiträgen versuchen wir, ein Gefühl für Künstliche Intelligenz zu geben, dies mit Beispielen zu erklären und für Möglichkeiten und bestimmte Risiken zu sensibilisieren. Den nächsten Blogartikel finden Sie hier.
