Neuronale Netze … oder wie funktioniert ein künstliches Gehirn
Künstliche Neuronale Netze sind ein Teilgebiet des Deep Learning und folgen dem Aufbau des menschlichen Gehirns. Ein neuronales Netz ist eine Ansammlung von einzelnen Informationsverarbeitungseinheiten (Neuronen), die schichtweise in einer Netzarchitektur angeordnet sind. Im Zusammenhang mit Künstlicher Intelligenz spricht man von künstlichen neuronalen Netzen.
Data Mining
Data Mining beschreibt die Verarbeitung von großen, ungeordneten Datenmengen (Big Data) mithilfe von mathematischen und statistischen Methoden. Data Mining ist ein Teilbereich des Machine Learning und wurde durch die immer größer werdenden Datenmengen im Zuge der Digitalisierung notwendig. Das Prinzip des Data Minings versucht Zusammenhänge zwischen Datensätzen zu erkennen. Dafür werden beim Data Mining verschiedene Methoden verwendet.
Deep Learning
Deep Learning ist ein Bereich von Machine Learning, bei dem ein Computer versucht, die Denkprozesse eines menschlichen Gehirns nachzuahmen, um Gemeinsamkeiten in Daten festzustellen. Deep Learning verfügen über eine hohe Genauigkeit, die häufig die Gehirnleistungen von Menschen übertrifft. Das Training wird durch eine große Datenmenge und vielschichtigen sogenannten „Neuronalen Netzen“ durchgeführt. Durch Deep Learning kann ein autonom fahrendes Auto beispielweise Stoppschilder von Vorfahrtschildern unterscheiden oder Menschen und deren Bewegungsintention erkennen. Es eignet sich also zum Lösen sehr komplexer Probleme.
Data Science, Datenwissenschaft einfach erklärt
Data Science (zu Deutsch „Datenwissenschaft“) hat keine feste Definition. Zusammengefasst könnte man sagen, sie nutzt verschiedene Disziplinen und kombiniert diese, um aus Daten Wissen zu generieren.
Big Data einfach erklärt – Warum sind Datenmengen so zukunftsrelevant?
Big Data (deutsch „große Datenmengen“) ist schnell erklärt. Sie ist die Grundlage, das „Futter“ für Analysen mittels Computer, also für Data Science, KI, Machine Learning, Computer Vision und vieles mehr. Diese großen Datenmengen entstehen u.a. durch Smartphones, die Bewegungs- und Nutzungsdaten der NutzerInnen sammeln und für Analysen verfügbar machen. Ohne Big Data keine KI, ohne KI keine Assistenzsysteme für Menschen.
Bots und Chatbots, alles rund um diese neuen Roboter
Die Bezeichnung „Bot“ leitet sich vom englischen Wort für „Roboter“ ab. Wie Roboter aus Metall sind Internet-Bots darauf programmiert, spezifische, sich wiederholende Aufgaben zu erfüllen. Dazu führen sie auf Basis von Algorithmen und Skripten vorab klar definierte Befehle aus, die damit Aufgaben von Menschen ersetzen. Bots sind also Computerprogramme, die eigenständig und automatisiert agieren und in ihrer Funktion nicht auf die Mitwirkung oder Überwachung durch Menschen angewiesen sind. ABER: Bots, anders als KI, lernen nicht notwendigerweise dazu. Es gibt „Roboter“-Bots, die automatisierte Abfolgen durcharbeiten und „KI“-basierte Bots, die sich selbständig weiterentwickeln. Typische Bots sind Chatbots und Avartare (= figürliche Chatbots) auf Internetseiten mit der Rolle, mit KundInnen zu interagieren, Webcrawler, die Internetseiten analysieren und Botnets, die Spam- und Phishing-Angriffe ausführen.
Künstliche Intelligenz, was steckt eigentlich hinter diesem Begriff
Künstliche Intelligenz (KI) ist der Versuch, menschliches Lernen und Denken auf den Computer zu übertragen und ihm damit Intelligenz zu verleihen. Statt für jeden Zweck programmiert zu werden, kann eine KI eigenständig Antworten finden und selbstständig Probleme lösen – kurz gesagt: Selbständig lernen. KI ist ein Teilbereich der Informatik.
Algorithmus
Ein Algorithmus bezeichnet das Verfahren, ein vorgegebenes Problem durch Abfolge von Anweisungen unter festgelegten Regeln zu lösen. Diese bilden quasi eine Schritt-für-Schritt-Anleitung für Rechenoperationen des Computers. Algorithmen sind in der modernen Welt nicht mehr weckzudenken und reichen von simplen in Kaffeemaschinen bis hin zu komplexen, wie dem z.B. dem Google Page Rank Algorithmus.
Machine Learning: Wenn eine Maschine lernt
Machine Learning (dt. Maschinelles Lernen) ist ein Teilbereich der Künstlichen Intelligenz (KI). Maschinelles Lernen (ML) ist eine Sammlung von mathematischen Methoden der Mustererkennung. Sie konzentriert sich dabei auf die Entwicklung von Anwendungen, die aus Daten lernen und ihre Genauigkeit im Laufe der Zeit verbessern. Es gibt beim Machine Lerarning verschiedene Formen des Lernens: Supervised Learning, Unsuperviced Learning, Reinforcement Learning. Der Kern von Machine Learning und allen drei Lernmethoden ist es, jeweils einen Algorithmus zu erstellen und zu optimieren, um aus Daten zu lernen und um Vorhersagen, Entscheidungen zu treffen.
