Was ist künstliche Intelligenz?

Der Begriff "künstliche Intelligenz" wurde geprägt 1956 von John McCarthy während eines Workshops am Dartmouth College, das oft als Geburtsstunde der Künstliche Intelligenz als Studienfach angesehen wird. Künstliche Intelligenz bedeutet nicht, Maschinen zu schaffen, die genauso denken und fühlen wie Menschen. Stattdessen strebt sie danach, Systeme zu schaffen, die die Welt um sie herum interpretieren, über ihre Ergebnisse nachdenken, aus ihren Erfahrungen lernen und fundierte Entscheidungen treffen können – ähnlich wie Menschen.

Die Entwicklung der künstlichen Intelligenz ist den Fortschritten in der Computerleistung eng gefolgt. In den 1950er und 1960er Jahren liefen frühe Programme der Künstlichen Intelligenz auf begrenzter Hardware, was ihre Fähigkeiten einschränkte. Als sich die Rechenleistung verbesserte, machte die Künstliche Intelligenz Fortschritte bei der Forschung / Recherche und ermöglichte ausgefeiltere Algorithmen und größere Datensätze. Der Aufstieg von Personal Computern in den 1980er Jahren und das Internet in den 1990er Jahren erweiterten den Zugang zu Daten und die Verarbeitung von Ressourcen. In den letzten Jahrzehnten haben leistungsstarke GPUs und Cloud Computing Deep Learning und groß angelegte Modelle der künstlichen Intelligenz beschleunigt. Dieses historische Wachstum der Computerleistung war entscheidend für die Transformation der Künstlichen Intelligenz von theoretischen Konzepten in praktische, reale Anwendungen.

Um ein klares Verständnis für das Was, Warum und Wie der künstlichen Intelligenz zu erlangen, ist es wichtig zu erkennen, dass es zwei Haupttypen von Künstliche Intelligenz) gibt. 

1. Schwache Künstliche Intelligenz

Auch bekannt als Narrow Künstliche Intelligenz, ist schwache Künstliche Intelligenz darauf spezialisiert, eine spezifische Aufgabe auszuführen. Im Gegensatz zu allgemeiner oder starker künstlicher Intelligenz besitzt enge künstliche Intelligenz keine logischen Fähigkeiten, die über ihre spezifische Funktion hinausgehen.

Eines der ersten und berühmtesten Beispiele für schwache künstliche Intelligenz ist Deep Blue, ein von IBM entwickelter Computer, der 1997 den Schachweltmeister Gary Kasparov in einem 6-Partien-Match besiegte.

Heute umfasst schwache Künstliche Intelligenz verschiedene Apps, generative Künstliche Intelligenz und fortschrittliche Chatbots, die den Turing-Test bestehen könnten, wie das große Sprachmodell ChatGPT von OpenAI, Empfehlungssysteme auf Online-Plattformen wie Netflix oder Amazon und virtuelle Assistenten wie Apples Siri und Amazons Alexa.

Diese Systeme funktionieren auf der Grundlage eines vordefinierten Regelwerks und haben nicht das Verständnis oder Bewusstsein, das ein Mensch besitzt.

2. Starke Künstliche Intelligenz

Bestehend aus Artificial General Intelligence (AGI) und Artificial Super Intelligence (ASI), hat eine starke Künstliche Intelligenz die Fähigkeit, jede intellektuelle Aufgabe auszuführen, die ein Mensch erledigen kann.

Es wäre in der Lage, Wissen in verschiedenen Bereichen zu verstehen, zu lernen und anzuwenden, Probleme zu lösen, Bewusstsein und Emotionen zu besitzen und sogar Menschen bei Aufgaben zu übertreffen, die komplexe Problemlösung, künstlerische Kreativität oder soziale Intelligenz erfordern.

Diese Form der Künstlichen Intelligenz bleibt jedoch theoretisch, und ihre Schaffung würde eine monumentale technologische Leistung darstellen. Derzeitige Systeme der künstlichen Intelligenz können zwar Aspekte der menschlichen Kognition simulieren, sind sich ihrer selbst aber nicht bewusst und besitzen weder Bewusstsein noch Emotionen.

Das Training von Systemen mit künstlicher Intelligenz ist grundlegend für ihre Leistung und kann durch tiefe neuronale Netze eine unglaubliche Genauigkeit erreichen. Hier ist ein tieferer Einblick:

• Überwachtes Lernen: Dies ähnelt einem Lehrer-Schüler-Szenario. Der Algorithmus wird mit gelabelten Daten versehen. Stellen Sie sich dies wie ein Quiz vor, bei dem auch die Antworten gegeben werden. Mit der Zeit lernt das System die Muster und kann ähnliche Quizfragen selbstständig lösen.
• Unüberwachtes Lernen: Hier erhält der Algorithmus Daten und muss selbstständig Strukturen und Muster finden. Es ist, als würde man einem Schüler ein Puzzle geben, ohne ihm das endgültige Bild zu zeigen.
• Reinforcement Learning: Dies ist Learning by Doing. Ein Agent, z. B. ein Roboter, wird in eine Umgebung versetzt, in der er lernt, indem er bestimmte Aktionen ausführt und im Gegenzug Belohnungen oder Strafen erhält.

Deep Learning und maschinelles Lernen sind zwei eng verwandte Bereiche innerhalb des breiteren Bereichs der künstlichen Intelligenz, aber sie unterscheiden sich in ihrem Ansatz und ihren Fähigkeiten. Was sind die Unterschiede? 

Es gibt mehrere Phasen in der Forschung / Recherche von Künstliche Intelligenz, einschließlich der Entwicklung und Bereitstellung von Modellen für maschinelles Lernen und künstliche Intelligenz.

Moderne Computerprogramme der künstlichen Intelligenz können riesige Datenmengen verarbeiten, Muster identifizieren und Vorhersagen oder Entscheidungen ohne menschliches Eingreifen treffen. Zum Beispiel kann ein Künstliche Intelligenz nach der Analyse von Tausenden von Katzenfotos eine Katze auf einem neuen Foto erkennen und von einem anderen Tier unterscheiden.

Vorteile:

Benachteiligungen:

Heute variieren die Anwendungen der Künstlichen Intelligenz und durchdringen jede Branche. Zu den häufigsten Anwendungsfällen in der Praxis gehören:

Künstliche Intelligenz ist nicht nur ein Schlagwort oder ein Science-Fiction-Konzept; von autonomen Fahrzeugen über Sprachassistenten bis hin zum IoT ist Künstliche Intelligenz ein transformatives Technologie, das sich mit Durchbrüchen wie agentic Künstliche Intelligenz weiterentwickelt und verbessert.