Definitionen durchsuchen :
Definition

Künstliche Intelligenz (KI)

Mitarbeiter: Nicole Laskowski

Künstliche Intelligenz (KI) ist die Simulation von Prozessen menschlicher Intelligenz durch Maschinen, insbesondere Computersysteme. Diese Prozesse umfassen menschliche kognitive Fähigkeiten wie das Lernen (die Beschaffung von Informationen und Regeln für die Nutzung der Informationen), das Denken (mit Hilfe der Regeln, um ungefähre oder definitive Schlussfolgerungen zu erzielen) und die Selbstkorrektur. Besondere Anwendungen von KI sind Expertensysteme, Spracherkennung und Machine Vision.

Der englische Begriff Artificial Intelligence (AI) wurde von John McCarthy, einem US-amerikanischen Informatiker, 1956 auf der Dartmouth-Konferenz geprägt, wo die Disziplin geboren wurde. In den Gründerjahren war KI eine relativ eng ausgelegte Disziplin, in der es vor allem um logische Themen wie Schlussfolgern oder Wissensrepräsentation ging. Heute ist KI dagegen ein Sammelbegriff, der eine breite Palette von Methoden und Anwendungen umfasst.

Mehrere Jahrzehnte nach Gründung der Disziplin war KI eine rein akademische Angelegenheit. Dies hat sich in den letzten Jahren geändert und KI hat an Praxisrelevanz gewonnen. Dies hat mehrere Gründe. Ein Grund ist, dass Daten parallel in Grafikprozessoren (GPUs) verarbeitet werden können. Grafikprozessoren besitzen Tausende von Recheneinheiten und sind im Vergleich zu CPUs schneller. Davon haben vor allem neuronale Netze und Machine Learning (maschinelles lernen) profitiert.

Ein weiterer Faktor ist die zunehmende Verfügbarkeit großer Mengen strukturierter und unstrukturierter Daten aus einer Vielzahl von Quellen, wie Sensoren oder digitalisierten Dokumenten und Bildern. Entwicklungen wie Multicore-Architekturen, verbesserte Algorithmen und In-Memory-Datenbanken haben ebenfalls die Ausbreitung von KI-Anwendungen befördert.

Arten von künstlicher Intelligenz

Künstliche Intelligenz kann auf verschiedene Arten kategorisiert werden - hier sind zwei Beispiele.

Die erste Möglichkeit klassifiziert KI-Systeme in schwache und starke KI:

  • Ein schwaches KI-System ist ein KI-Programm, das für eine spezielle Aufgabe entwickelt und trainiert wird. Virtuelle persönliche Assistenten, wie zum Beispiel Siri von Apple, sind eine Form der schwachen künstlichen Intelligenz.
  • Unter starker KI ist ein KI-System mit verallgemeinerten menschlichen kognitiven Fähigkeiten zu verstehen. Wenn ein starkes KI-System mit einer unbekannten Aufgabe konfrontiert wird, hat sie genügend Intelligenz, um eine Lösung zu finden.

Der Turing-Test, der 1950 von dem Mathematiker Alan Turing entwickelt wurde, ist eine Methode, mit der festgestellt werden kann, ob ein Computer tatsächlich wie ein Mensch denkt. Allerdings ist der Turing-Test als Kriterium für starke KI umstritten. Starke KI-Systeme sind noch Zukunftsvision.

Das zweite Beispiel stammt von Arend Hintze, einem Assistenzprofessor für integrative Biologie und Informatik an der Michigan State University. Er kategorisiert KI in vier Typen, von bereits heute existierenden KI-Systeme bis hin zu empfindungsfähigen Systemen, die es noch nicht gibt. Hintze postuliert folgende Kategorien:

Typ 1: Reaktive Maschinen: Ein Beispiel für eine reaktive Maschine ist Deep Blue, das IBM-Schachprogramm, das Garry Kasparov in den 1990er Jahren geschlagen hat. Deep Blue kann Spielsteine auf dem Schachbrett identifizieren und Vorhersagen treffen, aber es hat kein Gedächtnis und kann keine Erfahrungen aus der Vergangenheit nutzen, um beispielsweise etwas zu lernen. Es analysiert mögliche Züge - seine eigenen und die seiner Gegner - und wählt den strategischsten Zug. Deep Blue und Google AlphaGO sind für spezielle Zwecke konzipiert (schwache KI) und lassen sich nicht ohne weiteres auf eine andere Situation übertragen.

Typ 2: Begrenzte Speicherkapazität: Diese KI-Systeme können Erfahrungen aus der Vergangenheit nutzen, in die Zukunft fortschreiben und Handlungen planen. Einige der Entscheidungsfunktionen in autonomen Fahrzeugen sind so konzipiert. Beobachtungen können dazu dienen, Aktionen in nicht allzu ferner Zukunft auszuführen, wie zum Beispiel ein Auto, das die Spur wechselt. Diese Beobachtungen werden nicht dauerhaft gespeichert.

Typ 3: Theorie des Geistes: Das ist ein psychologischer Begriff. Er bezieht sich darauf, dass wir verstehen, dass andere Menschen ihre eigenen Überzeugungen, Wünsche und Absichten haben, die ihre Entscheidungen beeinflussen. Diese Art von künstlicher Intelligenz, die die Überzeugungen, Wünsche und Absichten berücksichtigt und in das eigene Handeln integriert, gibt es noch nicht.

Typ 4: Selbstbewusstsein: In dieser Kategorie haben KI-Systeme ein Bewusstsein ihres Selbst in einem ähnlichen Sinn wie Menschen ein Bewusstsein ihres Selbst haben. Maschinen mit Selbsterkenntnis verstehen ihren aktuellen Zustand und können daraus ableiten, was andere fühlen. Diese Art der künstlichen Intelligenz existiert noch nicht – und wird vielleicht nie existieren.

Beispiele für KI-Technologien

Eine ganze Reihe von KI-Technologien sind heute praktisch einsetzbar. Hier ein paar Beispiele:

  • Machine Learning ist eine Disziplin, die Computer dazu bringt, ohne Programmierung zu handeln, oder: die Kunst, einen Computer nützliche Dinge tun zu lassen, ohne ihn ausdrücklich dafür zu programmieren. Der Computer generiert analog wie ein Mensch selbstständig Wissen aus Erfahrung und kann eigenständig Lösungen für neue und unbekannte Probleme finden. Dazu analysiert das Machine-Learning-Programm Beispiele und versucht mit Hilfe selbstlernender Algorithmen in den Daten bestimmte Muster und Gesetzmäßigkeiten zu erkennen. Diese wendet es dann auf neue, unbekannte Probleme an. Das Ziel von Machine Learning ist es, Daten intelligent miteinander zu verknüpfen, Zusammenhänge zu erkennen, Rückschlüsse zu ziehen und Vorhersagen zu treffen. Deep Learning ist ein spezielles Verfahren des maschinellen Lernens, das auf neuronalen Netzen basiert.
  • Machine Vision (Bildverarbeitung) ist die Wissenschaft, den Computer sehen zu lassen. Bei der Bilderkennung wird versucht, die Analyse und Interpretation visueller Information im menschlichen Auge und Gehirn mit dem Computer nachzuahmen. Allerdings ist die maschinelle Bildverarbeitung nicht an die Biologie gebunden und kann so programmiert werden, dass sie beispielsweise durch Wände hindurchsehen kann. Machine Vision erfasst und analysiert visuelle Informationen mit Hilfe einer Kamera, einer Analog-Digital-Wandlung und digitaler Signalverarbeitung. Es wird in einer Vielzahl von Anwendungen von der Signaturidentifikation bis zur medizinischen Bildanalyse eingesetzt.
  • Natural Language Processing (NLP, maschinelle Verarbeitung natürlicher Sprache) ist die Verarbeitung von menschlicher Sprache durch ein Computerprogramm. NLP ist als eine Oberkategorie zu verstehen, die in verschiedene Unterbereiche unterteilt werden kann. Dazu gehören: maschinelles Übersetzen (Übersetzung von Texten aus einer Sprache in eine andere), Textverstehen (Schlüsse aus Texten ziehen, Zusammenfassungen machen), Texterzeugung (zum Beispiel Texte zu Produkten generieren) und natürlich-sprachliche Schnittstellen (Anfragen an Computersysteme, wie zum Beispiel Datenbanken, in Umgangssprache). Ein altes und einfaches Beispiel für NLP ist die Spam-Erkennung, die die Betreffzeile und den Text einer E-Mail erfasst und entscheidet, ob es sich um eine Junk-E-Mail handelt. Aktuelle Ansätze zu NLP basieren auf maschinellem Lernen.
  • Robotik ist ein Bereich der Ingenieurswissenschaften, der sich auf die Entwicklung und Produktion von Robotern konzentriert. Roboter werden häufig eingesetzt, um Aufgaben zu erfüllen, die für den Menschen schwierig sind. Industrieroboter werden in Montagelinien für die Automobilproduktion oder von der NASA zur Bewegung großer Objekte im Weltraum eingesetzt. In jüngster Zeit bauen Forscher menschenähnliche Roboter, die in sozialen Umgebungen mit Hilfe des maschinellen Lernens interagieren können.
  • Automatisches Beweisen (Theorem-Beweisen) ist ein spezielles Gebiet, bei dem der Computer die Aufgabe eines Mathematikers übernimmt. Die Maschine beweist mathematische Theoreme und zwar so, dass menschliche Mathematiker diesen Beweis als gültigen Beweis akzeptieren. Beispielsweise konnte das Vier-Farben-Problem erstmals 1977 mit Hilfe eines Computers bewiesen werden, der eine hohe Anzahl problematischer Fälle einzeln überprüfte – was für einen Menschen unmöglich gewesen wäre.

KI-Anwendungen

Künstliche Intelligenz wird heute bereits in vielen Bereichen angewendet. Hier einige Beispiele:

  • KI im Gesundheitswesen: Im Gesundheitswesen können mit KI Diagnosen und Therapien verbessert und Kosten gesenkt werden. Unternehmen wenden dort maschinelles Lernen an, um bessere und schnellere Diagnosen zu stellen als Menschen das möglich ist. Eine der bekanntesten KI-Technologien, die im Gesundheitswesen eingesetzt wird, ist IBM Watson. Watson versteht die natürliche Sprache und ist in der Lage, auf Fragen sinnvoll und fundiert zu antworten. Das System durchsucht Patientendaten und andere verfügbare Datenquellen und bildet dann Hypothesen, die es mit einer bestimmten Sicherheit ableitet. Eine weitere KI-Anwendung im Gesundheitswesen sind Chatbots. Sie können genutzt werden, um automatisch Gesundheitsfragen zu beantworten und Patienten beispielsweise zu unterstützen, Folgetermine zu planen. Ebenso können virtuelle Gesundheitsassistenten Patienten während des Abrechnungsprozesses begleiten und medizinisches Feedback liefern.
  • KI im Geschäftsumfeld: Robotic Process Automation (RPA) wird schon länger für hochgradig repetitive Aufgaben eingesetzt, die normalerweise von Menschen ausgeführt werden. Maschinelles Lernen wird in Analyse- und CRM-Plattformen integriert, um Informationen für einen besseren Kundenservice zu erhalten. Chatbots werden in Websites integriert, um den Kunden sofort bedienen zu können. Auch die Automatisierung von Arbeitsplätzen ist zu einem Top-Thema für Akademiker und IT-Beratungsunternehmen wie Gartner und Forrester geworden.
  • KI in der Ausbildung: KI kann die Bewertung von Auszubildenden automatisieren und den Lehrkräften mehr Zeit geben. KI kann die Schüler benoten und Lernmaterial an deren Bedürfnisse anpassen, so dass sie in ihrem eigenen Tempo arbeiten können. KI-Tutoren können den Schülern zusätzliche Unterstützung bieten und so gewährleisten, dass sie auf dem richtigen Weg bleiben. KI könnte außerdem die Art und Weise ändern, wo und wie die Schüler lernen.
  • KI im Finanzwesen: KI - angewendet auf persönliche Finanzanwendungen wie zum Beispiel Mint oder Turbo Tax - krempelt gerade die Finanzwelt um. Solche Anwendungen können personenbezogene Daten erheben und personalisierte Finanzberatungen leisten. Andere Programme wie IBM Watson sind bereits auf Prozesse wie den Hauskauf angewendet worden. Inzwischen führt KI-Software auch einen Großteil des Börsenhandels an der Wall Street durch.
  • KI im juristischen Bereich: Das Durchsuchen von Dokumenten und Auffinden juristischer Details ist für Menschen oft schwierig. Die Automatisierung dieses Prozesses ist hocheffizient und bedeutet eine große Zeitersparnis. Start-ups erstellen Frage-und-Antwort-Assistenten, die Fragen durch die Untersuchung der Taxonomie und Ontologie einer Datenbank beantworten können.
  • KI in der Fertigung: Die Fertigung ist ein Bereich, der bei der Integration von Robotern in den Workflow eine besondere Vorreiterrolle spielt. Industrieroboter waren früher für einzelne Aufgaben zuständig und wurden von menschlichen Arbeitern getrennt. Inzwischen ändert sich das: Mensch und Roboter kooperieren und arbeiten eng zusammen.
Diese Definition wurde zuletzt im April 2018 aktualisiert

- GOOGLE-ANZEIGEN

ComputerWeekly.de

Close