Künstliche Intelligenz (KI): Einführung & Arten
Evelyn Clarke
⚡ Intelligente Zusammenfassung
Künstliche Intelligenz (KI) ermöglicht es Maschinen, kognitive Funktionen wie Wahrnehmung, Lernen, Schlussfolgern und Problemlösen ähnlich wie Menschen auszuführen. Dieses Tutorial behandelt Definition, Geschichte, Ziele, Teilgebiete und Arten von KI und erklärt die Unterschiede zum maschinellen Lernen sowie die Gründe für ihren heutigen Boom.
Was ist künstliche Intelligenz (KI)?
KI (Künstliche Intelligenz) Künstliche Intelligenz (KI) bezeichnet die Fähigkeit einer Maschine, kognitive Funktionen wie Menschen auszuführen, beispielsweise Wahrnehmung, Lernen, logisches Denken und Problemlösen. Der Maßstab für KI ist das menschliche Niveau in Bezug auf Denkvermögen, Sprache und Sehvermögen.
In diesem Tutorial zur künstlichen Intelligenz lernen Sie die Grundlagen der KI kennen, die in den folgenden Abschnitten behandelt werden.
Wie KI Geschäftswert schafft
Künstliche Intelligenz (KI) wird heute in nahezu allen Branchen eingesetzt und verschafft Unternehmen, die sie in großem Umfang integrieren, einen technologischen Vorsprung. Laut McKinsey birgt KI das Potenzial, im Einzelhandel einen Mehrwert von 600 Milliarden US-Dollar zu generieren und im Bankwesen im Vergleich zu anderen Analysemethoden 50 % mehr Wertschöpfung zu erzielen. Im Transport- und Logistiksektor liegt das Umsatzpotenzial bei bis zu 89 %.
Wenn ein Unternehmen beispielsweise KI für sein Marketingteam einsetzt, kann es monotone, sich wiederholende Aufgaben automatisieren, sodass sich Vertriebsmitarbeiter auf den Beziehungsaufbau und die Lead-Pflege konzentrieren können. Das Unternehmen Gong bietet einen Service für Gesprächsanalyse an: Jedes Mal, wenn ein Vertriebsmitarbeiter telefoniert, zeichnet die Maschine das Gespräch auf, transkribiert es und analysiert es. Manager nutzen die KI-Analysen und -Empfehlungen, um eine erfolgreiche Strategie zu entwickeln.
Kurz gesagt, bietet KI Spitzentechnologie zur Verarbeitung komplexer Daten, die ein Mensch allein nicht bewältigen kann. Sie automatisiert wiederkehrende Aufgaben, sodass sich die Mitarbeiter auf wertschöpfende Tätigkeiten konzentrieren können, und senkt bei großflächiger Implementierung die Kosten und steigert den Umsatz.
Geschichte der Künstlichen Intelligenz
Künstliche Intelligenz ist heute ein Modewort, aber der Begriff ist nicht neu. 1956 organisierten Experten verschiedener Fachrichtungen ein Sommerforschungsprojekt zum Thema KI. Vier kluge Köpfe leiteten es: John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM), und Claude Shannon (Bell Telephone Laboratories). Hier ist eine kurze Geschichte der KI.
| Jahr | Meilenstein / Innovation |
|---|---|
| 1923 | Karel Čapeks Theaterstück „Rossums Universalroboter“ führte das Wort „Roboter“ in die englische Sprache ein. |
| 1943 | FoundationEs wurden Grundlagen für neuronale Netze geschaffen. |
| 1945 | Isaac Asimov, ein Absolvent der Columbia University, verwendete den Begriff „Robotik“. |
| 1956 | John McCarthy verwendete als Erster den Begriff „Künstliche Intelligenz“, und das erste lauffähige KI-Programm wurde vorgeführt. |
| 1964 | Danny Bobrows Dissertation am MIT zeigte, wie Computer natürliche Sprache verstehen können. |
| 1969 | Das Stanford Research Institute entwickelte Shakey, einen Roboter mit Fortbewegungs- und Problemlösungsfähigkeit. |
| 1979 | Der Stanford Cart, das weltweit erste computergesteuerte autonome Fahrzeug, wurde gebaut. |
| 1990 | Bedeutende Demonstrationen im Bereich des maschinellen Lernens. |
| 1997 | Das Schachprogramm Deep Blue besiegte Weltmeister Garry Kasparov. |
| 2000 | Interaktive Roboterhaustiere wurden im Handel erhältlich; MIT stellte vor Kismet, ein Roboter, der Emotionen ausdrückt. |
| 2006 | Künstliche Intelligenz hielt Einzug in die Geschäftswelt; Unternehmen wie Facebook, NetflixUnd Twitter begann, es zu verwenden. |
| 2012 | Google gestartet“Google Jetzt“, ein Android Funktionsangebotsvorhersagen. |
| 2018 | IBMIm Rahmen des „Project Debater“ wurden komplexe Themen mit erfahrenen Debattierern diskutiert, wobei die Teilnehmer hervorragende Leistungen erbrachten. |
Ziele der Künstlichen Intelligenz
Die Hauptziele der KI sind:
- Verkürzen Sie die Zeit, die für die Ausführung bestimmter Aufgaben benötigt wird.
- Erleichtern Sie die Interaktion zwischen Mensch und Maschine.
- Eine natürlichere und effizientere Mensch-Computer-Interaktion ermöglichen.
- Die Genauigkeit und Geschwindigkeit medizinischer Diagnosen verbessern.
- Helfen Sie Menschen, neue Informationen schneller zu erlernen.
- Die Kommunikation zwischen Mensch und Maschine verbessern.
Teilgebiete der Künstlichen Intelligenz
Hier sind die wichtigsten Teilgebiete der künstlichen Intelligenz.
Maschinelles lernen: Die Kunst, Algorithmen zu erforschen, die aus Beispielen und Erfahrung lernen. Sie basiert darauf, Muster in Daten zu erkennen und diese für zukünftige Vorhersagen zu nutzen. Im Gegensatz zu fest einprogrammierten Regeln lernt die Maschine die Regeln selbst.
Tiefes Lernen: Ein Teilgebiet des maschinellen Lernens, das mehrere Schichten nutzt, um aus Daten zu lernen. Die Tiefe des Modells entspricht der Anzahl der enthaltenen Schichten; zum Beispiel: GoogleDas LeNet-Modell von [Name des Herstellers] zur Bilderkennung verfügt über 22 Schichten.
Natürliche Sprachverarbeitung (NLP): Der Zweig der KI, der Maschinen das Lesen, Verstehen und Generieren menschlicher Sprache ermöglicht. Er ist die Grundlage für Anwendungen wie Chatbots, Übersetzungen, Stimmungsanalysen und Spracherkennung.
Expertensysteme: Ein interaktives, zuverlässiges computergestütztes Entscheidungssystem, das Fakten und Heuristiken nutzt, um komplexe Probleme innerhalb eines spezifischen Fachgebiets zu lösen. Es zielt darauf ab, die schwierigsten Fragestellungen in diesem Fachgebiet zu lösen.
Fuzzy Logic: Eine mehrwertige Logik, in der Wahrheitswerte jede reelle Zahl zwischen 0 und 1 sein können. Sie behandelt das Konzept der partiellen Wahrheit für Situationen, in denen eine Aussage weder vollständig wahr noch vollständig falsch ist.
Arten der künstlichen Intelligenz
Künstliche Intelligenz kann auf zwei Arten klassifiziert werden – nach ihren Fähigkeiten und nach ihren Techniken.
Nach Fähigkeit:
- Schmale KI: Führt eine einzelne, festgelegte Aufgabe intelligent aus, wie z. B. Bildverschlagwortung oder Sprachassistenten.
- Allgemeine KI: Kann jede intellektuelle Aufgabe genauso effizient wie ein Mensch bewältigen (bisher nur theoretischer Natur).
- Super-KI: Ein hypothetisches Niveau, auf dem Maschinen die menschliche Intelligenz übertreffen.
Nach Technik:
- Regelbasierte KI: Wendet eine Reihe vordefinierter Regeln auf einen Eingabedatensatz an, um eine entsprechende Ausgabe zu erzeugen.
- KI-Entscheidungsbäume: Ähnlich wie regelbasierte KI, ermöglicht aber Verzweigungen und mehr.ping verschiedene Optionen abwägen.
- Neuronale Netze: Geschichtete Modelle, die vom menschlichen Gehirn inspiriert sind und komplexe Muster aus Daten lernen, bilden die Grundlage für die Robotik und verleihen ihr Denk-, Planungs- und Lernfähigkeiten.
KI gegen maschinelles Lernen
Künstliche Intelligenz (KI) und maschinelles Lernen werden oft synonym verwendet, sind aber nicht dasselbe. KI ist die Wissenschaft, Maschinen so zu trainieren, dass sie menschliche Aufgaben ausführen können; der Begriff wurde in den 1950er-Jahren geprägt. Maschinelles Lernen ist ein Teilgebiet der KI, bei dem eine Maschine Muster aus Daten lernt, anstatt explizit programmiert zu werden.
| Aspekt | Künstliche Intelligenz | Maschinelles lernen |
|---|---|---|
| Geltungsbereich | Die umfassende Wissenschaft der Nachahmung menschlicher Intelligenz | Ein Teilgebiet der KI, das sich auf das Lernen aus Daten konzentriert |
| Ziel | Simulieren Sie menschliches Denken und Entscheidungsverhalten. | Muster erkennen und Vorhersagen treffen |
| Ansatz | Regeln, Logik und Lernen kombiniert | Datengestütztes Training mit Beispielen |
| Beispiel | Ein System für selbstfahrende Autos | Das darin enthaltene Bilderkennungsmodell |
Sie können auch den Unterschied zwischen nachlesen. Deep Learning, Maschinelles Lernen und KI.
Wo wird KI eingesetzt? Beispiele
Künstliche Intelligenz findet in verschiedensten Branchen breite Anwendung.
- Beseitigung sich wiederholender Aufgaben: Künstliche Intelligenz kann eine Aufgabe kontinuierlich und ermüdungsfrei wiederholen und ist gegenüber der ausgeführten Arbeit gleichgültig.
- Verbesserung bestehender Produkte: Unternehmen integrieren KI, um die Funktionalität ihrer Produkte zu verbessern, anstatt sie von Grund auf neu zu entwickeln. So erforderte Facebook beispielsweise früher das manuelle Taggen von Fotos; heute schlägt KI automatisch Freunde zum Taggen vor.
Künstliche Intelligenz (KI) wird in allen Branchen eingesetzt – von Marketing und Lieferkette bis hin zu Finanzen und Lebensmittelverarbeitung. Laut einer McKinsey-Studie sind Finanzdienstleistungen und Hightech-Kommunikation führend bei der KI-Einführung.
Warum erlebt KI gerade jetzt einen Boom?
Neuronale Netze gibt es zwar schon seit den 1990er Jahren, seit der bahnbrechenden Arbeit von Yann LeCun, aber sie erlangten erst um 2012 Berühmtheit. Drei entscheidende Faktoren treiben den heutigen KI-Boom an.
Hardware
In den letzten zwei Jahrzehnten hat die Rechenleistung von CPUs explosionsartig zugenommen, sodass Anwender kleine Deep-Learning-Modelle auf Laptops trainieren können. Computer Vision und große Deep-Learning-Modelle benötigen jedoch mehr Leistung. Dank Investitionen von NVIDIA und AMD ermöglicht eine neue Generation von GPUs (Grafikprozessoren) parallele Berechnungen, indem die Arbeit auf mehrere GPUs verteilt wird, um die Rechengeschwindigkeit zu erhöhen. Beispielsweise kann eine NVIDIA TITAN X ein ImageNet-Modell in zwei Tagen trainieren, im Vergleich zu Wochen auf einer herkömmlichen CPU. Große Unternehmen nutzen GPU-Cluster wie die NVIDIA Tesla K80, um die Kosten ihrer Rechenzentren zu senken und die Leistung zu verbessern.
Datum
Deep Learning bildet die Struktur des Modells, Daten sind das Medium, das es zum Leben erweckt. Ohne Daten ist nichts möglich. Moderne Speichertechnologien ermöglichen die einfache Speicherung riesiger Datenmengen in Rechenzentren, und das Internet stellt die Datenerfassung und -verteilung für maschinelle Lernalgorithmen bereit.
Apps mögen Flickr und Instagram Sie verfügen über Millionen von getaggten Bildern, die ein neuronales Netzwerk trainieren können, Objekte ohne manuelle Beschriftung zu erkennen. KI in Kombination mit Daten ist das neue Gold: Unternehmen mit den meisten Daten haben einen Wettbewerbsvorteil. Weltweit entstehen täglich etwa 2.2 Exabyte (2.2 Milliarden Gigabyte) an Daten, und vielfältige Datenquellen helfen Modellen, Muster zu erkennen und in großem Umfang zu lernen.
Algorithmus
Hardware ist leistungsfähiger denn je und Daten sind leicht zugänglich, doch erst präzisere Algorithmen machen neuronale Netze zuverlässig. Frühe neuronale Netze basierten auf einfachen Matrixmultiplikationen ohne tiefgreifende statistische Eigenschaften; seit 2010 haben bemerkenswerte Entdeckungen sie verbessert. Künstliche Intelligenz nutzt progressive Lernalgorithmen, die die Daten selbst programmieren lassen, sodass ein Computer sich selbst beibringen kann, Aufgaben wie die Erkennung von Anomalien oder die Funktion als Chatbot auszuführen.
