Definition

Künstliche Intelligenz (KI)

Mitarbeiter: Nicole Laskowski

Künstliche Intelligenz (KI) beziehungsweise Artificial Intelligence (AI) simuliert menschliche Intelligenz mit Maschinen, insbesondere Computersystemen. Dies umfasst das Lernen (die Erfassung von Informationen und Regeln für die Verwendung der Informationen), die Schlussfolgerung (die Verwendung der Regeln, um ungefähre oder endgültige Schlussfolgerungen zu ziehen) und die Selbstkorrektur. Besondere Anwendungen der KI sind Expertensysteme, Spracherkennung und Machine Vision.

Der Begriff künstliche Intelligenz (KI) wurde von John McCarthy, einem amerikanischen Informatiker, 1956 auf der Dartmouth Conference geprägt. Heute ist KI ein Oberbegriff, der von Robotic Process Automation (RPA) bis zur eigentlichen Robotik reicht.

Künstliche Intelligenz hat in letzter Zeit an Bedeutung gewonnen, was zum Teil auf Big Data beziehungsweise auf die Zunahme der Geschwindigkeit, Größe und Vielfalt der Daten, die Unternehmen heute sammeln, zurückzuführen ist. KI kann zum Beispiel Muster in Daten effizienter erkennen als Menschen, so dass Unternehmen mehr Einblick in ihre Daten erhalten.

Arten von künstlicher Intelligenz

KI kann auf verschiedene Arten kategorisiert werden. Hier zwei Beispiele:

Die erste Art klassifiziert KI-Systeme entweder als schwache oder starke KI. Schwache KI (weak oder narrow AI) ist ein KI-System, das für eine bestimmte Aufgabe entwickelt und trainiert wird. Virtuelle persönliche Assistenten, wie Siri von Apple, sind eine Form der schwachen KI.

Starke KI (strong AI), auch bekannt als allgemeine künstliche Intelligenz, ist ein KI-System mit verallgemeinerten menschlichen kognitiven Fähigkeiten, so dass es, wenn es mit einer unbekannten Aufgabe konfrontiert wird, über genügend Intelligenz verfügt, um eine Lösung zu finden. Der Turing-Test, der 1950 vom Mathematiker Alan Turing entwickelt wurde, ist eine Methode, um festzustellen, ob ein Computer tatsächlich wie ein Mensch denken kann. Allerdings ist die Methode umstritten.

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

Typ 1: Reaktive Maschinen. Ein Beispiel ist Deep Blue, das IBM-Schachprogramm, das Garry Kasparov in den 90er Jahren besiegte. Deep Blue kann Figuren auf dem Schachbrett identifizieren und Vorhersagen treffen, aber es hat kein Gedächtnis und kann die Erfahrungen der Vergangenheit nicht nutzen, um zukünftige zu informieren. Er analysiert mögliche Züge - seinen eigenen und seinen Gegner - und wählt den strategischsten Zug. Deep Blue und AlphaGO von Google wurden für begrenzte Zwecke entwickelt und können nicht einfach auf eine andere Situation angewendet werden.

Typ 2: Begrenzter Speicher. Diese KI-Systeme können die Erfahrungen der Vergangenheit nutzen, um zukünftige Entscheidungen zu treffen. Einige der Entscheidungsfunktionen in autonomen Fahrzeugen sind so konzipiert. Beobachtungen, die in nicht allzu ferner Zukunft geschehen, zum Beispiel ein Auto, das die Fahrspur wechselt. Diese Beobachtungen werden nicht dauerhaft gespeichert.

Typ 3: Native Theorie. Das ist ein psychologischer Begriff. Er bezieht sich auf das Verständnis, dass andere eigene Überzeugungen, Wünsche und Absichten haben, die die Entscheidungen beeinflussen. Diese Art von KI gibt es noch nicht.

Typ 4: Selbsterkenntnis. In dieser Kategorie haben KI-Systeme ein Selbstbewusstsein beziehungsweise Bewusstsein. Maschinen mit Selbstbewusstsein verstehen ihren aktuellen Zustand und können die Informationen nutzen, um daraus abzuleiten, was andere fühlen. Diese Art von KI gibt es noch nicht.

Beispiele für KI-Technologie

Automatisierung ist der Prozess, bei dem ein System oder ein Prozess automatisch funktioniert. Zum Beispiel kann die robotergesteuerte Prozessautomatisierung (Robotic Process Automation, RPA) so programmiert werden, dass sie hochvolumige, wiederholbare Aufgaben übernimmt, die normalerweise vom Menschen ausgeführt werden. RPA unterscheidet sich von der IT-Automatisierung dadurch, dass es sich an veränderte Gegebenheiten anpassen kann.

Machine Learning (maschinelles Lernen) ist die Wissenschaft, einen Computer ohne Programmierung zum Handeln zu bringen. Deep Learning ist ein Teilgebiet von Machine Learning und kann als eine Automatisierung von Predictive Analytics verstanden werden. Es gibt drei Arten von Machine-Learning-Algorithmen: überwachtes Lernen, bei dem Datensätze so gekennzeichnet werden, dass Muster erkannt und zur Kennzeichnung neuer Datensätze verwendet werden; unbeaufsichtigtes Lernen, bei dem Datensätze nicht gekennzeichnet und nach Ähnlichkeiten oder Unterschieden sortiert werden; und verstärkendes Lernen, bei dem Datensätze nicht gekennzeichnet werden, sondern nach einer oder mehreren Aktionen dem KI-System Feedback gegeben wird.

Machine Vision ist die Wissenschaft, Computer „sehen zu lassen“. Machine Vision erfasst und analysiert visuelle Informationen mit Kameras, Analog-Digital-Umwandlung und digitaler Signalverarbeitung. Es wird oft mit dem menschlichen Sehvermögen verglichen, doch Machine Vision ist nicht an die Biologie gebunden und kann zum Beispiel so programmiert werden, dass es durch Wände hindurch sieht. Es wird in einer Reihe von Anwendungen von der Signaturidentifikation bis zur medizinischen Bildanalyse eingesetzt. Computer Vision, die sich auf die maschinelle Bildverarbeitung konzentriert, wird oft mit Machine Vision kombiniert.

Natural Language Processing (NLP) ist die Verarbeitung der menschlichen Sprache durch ein Computerprogramm. Eines der ältesten und bekanntesten Beispiele für NLP ist Spam-Erkennung, die die Betreffzeile und den Text einer E-Mail betrachtet und entscheidet, ob es sich um eine Junk-E-Mail handelt. Aktuelle Ansätze für NLP basieren auf Machine Learning. Zu den Aufgaben von NLP gehören Textübersetzung, Stimmungsanalyse und Spracherkennung.

Mustererkennung ist ein Zweig des Machine Learning, der sich auf die Identifizierung von Mustern in Daten konzentriert.

Robotik ist ein Bereich des Maschinebaus, der sich auf die Entwicklung und Herstellung von Robotern konzentriert. Roboter werden oft eingesetzt, um Aufgaben zu erledigen, die für den Menschen schwer oder gar nicht zu bewältigen sind. Sie werden in Montagelinien für die Automobilproduktion oder in der Raumfahrt eingesetzt, um große Objekte im Weltraum zu bewegen. In jüngerer Zeit nutzen Forscher Machine Learning, um Roboter zu bauen, die in sozialen Umgebungen interagieren können.

KI-Anwendungen

KI im Gesundheitswesen: Die größten Anstrengungen gelten hier der Verbesserung der Patientenresultate und der Senkung der Kosten. Unternehmen wenden Machine Learning an, um bessere und schnellere Diagnosen zu stellen als der Mensch. Eine der bekanntesten Technologien im Gesundheitswesen ist IBM Watson. Sie versteht natürliche Sprache und ist in der Lage, Fragen zu beantworten. Das System verdichtet Patientendaten und andere verfügbare Datenquellen zu einer Hypothese, die es dann mit einem Vertrauens-Scoring-Schema darstellt. Andere KI-Anwendungen umfassen Chatbots, ein Computerprogramm, das online verwendet wird, um Fragen zu beantworten und Patienten zu unterstützen, um Folgetermine zu planen oder diese bei Abrechnungsprozessen zu unterstützen, und virtuelle Gesundheitsassistenten, die grundlegendes medizinisches Feedback liefern.

KI in Unternehmen: Robotergesteuerte Prozessautomatisierung wird bei wiederholenden Aufgaben eingesetzt, die normalerweise vom Menschen ausgeführt werden. Machine-Learning-Algorithmen werden in Analyse- und CRM-Plattformen integriert, um Informationen darüber aufzudecken, wie Kunden besser bedient werden können. Chatbots wurden in Webseiten integriert, um den Kunden einen unmittelbaren Service zu bieten. Auch unter Akademikern und IT-Beratern wie Gartner und Forrester ist die Automatisierung von Stellenangeboten zum Thema geworden.

KI in der Bildung: Künstlich Intelligenz kann zum Beispiel Benotungen automatisieren, was Lehrkräften mehr Zeit gibt. KI kann die Schüler einschätzen, sich an ihre Bedürfnisse anpassen und ihnen helfen, in ihrem eigenen Tempo zu arbeiten. KI-Tutoren können den Studenten zusätzliche Unterstützung zur Verfügung stellen, um sicherzustellen, dass sie auf Kurs bleiben. KI kann langfristig verändern, wo und wie die Schüler lernen, und eventuell sogar Lehrer ersetzen.

KI im Finanzwesen: Künstliche Intelligenz ist in Finanzinstituten im Aufwind. KI-Finanzanwendungen können zum Beispiel personenbezogene Daten sammeln und finanzielle Beratung bieten. Andere Programme, darunter IBM Watson, wurden bereits auf den Prozess des Hauskaufs angewendet. Heute führt Software einen Großteil des Handels an der Wall Street durch.

KI im juristischen Bereich: Das Durchsieben von Dokumenten ist für Menschen oft ein langwieriger Prozess. Die Automatisierung dieses Prozesses spart Zeit und schafft effizientere Prozesse. Startups bauen auch Frage-und-Antwort-Computer-Assistenten, die programmierte Fragen durch Untersuchung der mit einer Datenbank verbundenen Taxonomie und Ontologie aussieben können.

KI in der Fertigung: Dieser Bereich spielt bei der Integration von Robotern in den Workflow eine Vorreiterrolle. Industrieroboter führten in der Vergangenheit nur einzelne Aufgaben aus und wurden von menschlichen Arbeitern getrennt. Mit dem Fortschritt der Technologie änderte sich dies allerdings und Roboter übernehmen immer umfassendere Prozesse in der Fertigung.

Diese Definition wurde zuletzt im Mai 2018 aktualisiert

Erfahren Sie mehr über Big Data

Pro+

Premium-Inhalte

Weitere Pro+ Premium-Inhalte und andere Mitglieder-Angebote, finden Sie hier.

Diskussion starten

Schicken Sie mir eine Nachricht bei Kommentaren anderer Mitglieder.

Mit dem Absenden dieser Daten erklären Sie sich bereit, E-Mails von TechTarget und seinen Partnern zu erhalten. Wenn Ihr Wohnsitz außerhalb der Vereinigten Staaten ist, geben Sie uns hiermit Ihre Erlaubnis, Ihre persönlichen Daten zu übertragen und in den Vereinigten Staaten zu verarbeiten. Datenschutz

Bitte erstellen Sie einen Usernamen, um einen Kommentar abzugeben.

- GOOGLE-ANZEIGEN

File Extensions and File Formats

Powered by:

SearchSecurity.de

SearchStorage.de

SearchNetworking.de

SearchDataCenter.de

Close