AI/KI: Definition Künstliche Intelligenz (KI) – Artificial Intelligence (AI)

So Artificial Intelligence (Deutsch: Künstliche Intelligenz) ist die Simulation menschlicher Intelligenzprozesse durch Maschinen, insbesondere durch Computersysteme. Diese Prozesse beinhalten das Lernen, d.h. die Generierung von Informationen und Regeln für die Nutzung dieser Informationen, das Schlussfolgern – also die Nutzung von Regeln, um eine Konklusion zu erzielen – und die Selbstkorrektur. In vielen Forschungen kommen die Wahrnehmung (Perception) und die Verwendung der Sprache hinzu. Expertensysteme, Spracherkennung und Co. gehören dabei zu den beliebtesten Applikationen. Man sieht: Eine „Definition Künstliche Intelligenz“ zu erstellen ist gar nicht so simpel.

Bemühungen, um künstliche Intelligenz stetig zu erweitern, haben in den letzten 20 Jahren zu einzigartigen Innovationen geführt. Big Data, Medizinforschung und selbstfahrende Autos sind nur einige nennenswerte Beispiele. Um einige tiefgreifende Konzepte wie etwa Data Mining, Natural Language Understanding (NLU) oder Driving Software zu verstehen, ist das Verständnis zu drei grundlegenden KI-Konzepten notwendig: Maschinelles Lernen, Deep Learning und neuronale Netzwerke.

Definition Künstliche Intelligenz: Drei grundlegende Konzepten

efinition Künstliche Intelligenz-Maschinelles_Lernen_BM-Experts

Maschinelles Lernen

Fast jeder hat bereits Erfahrung mit irgendeiner Form von Artificial Intelligence im Alltag gehabt. Wenn man beispielsweise Gmail nutzt, so kann man auf die automatische E-Mail-Filterung zurückgreifen. Oder man nutzt zum Ausfüllen des Kalenders auf dem Smartphone Assistenten wie Siri, Bixby oder Cortana. Wenn man ein relativ neues Auto besitzt, können Fahrer von Fahrassistenzprogrammen profitieren.
(Mehr zum Thema Definition künstliche Intelligenz:
Artificial Intelligence – Die wichtigsten Grundlagen)

 

Beim maschinellen Lernen können Algorithmen auf Basis vorhandener Datenbestände Muster erkennen und Lösungen finden. So werden die Ergebnisse verallgemeinert und für Analysen von neuen Problemstellungen genutzt. Damit die Software allerdings selbst handeln kann, benötigt man menschliche Eingriffe. So muss man beispielsweise die Systeme mit relevanten Daten versorgen und diese benötigen im Anschluss wohldefinierte Regeln. Ist dies dann bewerkstelligt, können Technologien mit maschinellen Lernen u.a. relevante Daten finden, extrahieren und zusammenfassen; Prognosen auf Basis dieser Daten treffen; oder Prozesse nach bestimmten Mustern optimieren.

Definition Künstliche Intelligenz-Deep_Learning_BM-ExpertsDeep Learning

Wie können Maschinen mehr als nur eine Aufgabe lösen? Was, wenn wir das System nach einer erfolgreichen Fotoanalyse dazu befähigen wollen, weitere Datensammlungen zu analysieren? All dies erfordert Lernalgorithmen zur allgemeinen Anwendung, welche Maschinen bewegen mehr als eine Aufgabe zu erlernen. Deep Learning ist eine spezielle Methode der Informationsverarbeitung. Zur Herstellung von Artificial Intelligence werden Ansätze genutzt, die große Datenmengen verwenden und analysieren. So können die Systeme das angeeignete Wissen immer wieder mit neuen Inhalten anreichern und daraus erneut lernen. Hierdurch können Maschinen Vorhersagen und Entscheidungen treffen und diese sogar hinterfragen. Hier greift der Mensch i.d.R. nicht mehr ein.

Ein beliebtes Beispiel ist AlphaGo von Google, welches in einem Lua, C++ und Python-Code geschrieben ist. AlphaGo konnte professionelle Go-Spieler besiegen, ein Erfolg aufgrund der Tatsache, dass Go ein durchaus komplexes und intuitives Spiel ist. Doch wie war das möglich? – Übung und neuronale Netzwerke.

Definition Künstliche Intelligenz-Neuronale-Netzwerke_BM-ExpertsNeuronale Netzwerke

Deep Learning wird durch sog. künstliche neuronale Netzwerke ermöglicht, welche Neuronen oder Gehirnzellen imitieren. Sie lassen sich von Gegebenheiten inspirieren, die sich in der menschlichen Biologie finden lassen, basieren allerdings aber auf umfangreichen Codes. Neuronale Netzwerke verfügen über drei Ebenen: eine Eingangs-, Ausgangs- und Zwischenebene. Diese Ebenen enthalten wiederum tausende, gar Millionen von Netzknoten. Informationen fließen in die Eingangsebene. Die Eingangsneuronen verknüpfen sich über diverse Wege des Lernens über Zwischenebene mit der Ausgangsebene. Je mehr Neuronen vorhanden sind, desto besser lassen sich komplexe Zusammenhänge abbilden.


 

BM-Experts GmbH: Den Kundennutzen steigern
Gute Ideen sind wichtig, doch die Umsetzung ist entscheidend.
Dank unserer Erfahrung im B2B-Vertrieb wissen wir, wie neue Business-Modelle schnell zum Kunden gebracht werden. Wir helfen Unternehmen, den Blickwinkel zu erweitern und die Strategie in Zeiten der Digitalen Transformation zukunftsfähig zu gestalten.

Mehr unter bme.digital