HERZLICH WILLKOMMEN BEI KI-WISSEN,

Hier finden Sie weitergehende Inhalte zum Thema Künstliche Intelligenz

Lernen Sie die Grundlagen und Funktionsweißen von Künstlicher Intelligenz kennen und beschäftigen Sie sich mit umfangreichen Whitepaper zu verschiedenen, komplexeren Themen der KI.

KI Basics

Die wichtigsten KI Begriffe einfach für Sie erklärt.

Natural Language Processing (NLP) beschreibt die Schnittstelle zwischen der Linguistik und der Computer Science. NLP beschreibt die Erkennung, Verarbeitung und Informationsgewinnung eines Algorithmus aus natürlicher Sprache. Natürliche Sprache ist von Mensch zu Mensch individuell, deshalb versuchen NLP-Algorithmen mithilfe von Text- und/oder Tonbausteinen Zusammenhänge zu erkennen und zu identifizieren. Es wird demnach die natürliche Sprache in ein System gebracht, dass der Computer versteht.

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.

Mit Unsuperviced Learning (dt. unüberwachtes Lernen) kann sich eine KI einen Sachverhalt selbst erarbeiten und dafür notwendige Parameter eigenständig definieren. Künstliche Intelligenz kann den eigenen Algorithmus zur Lösungsfindung selbständig an die gegebenen Datenlage anpassen. Anders als beim sogenannten Supervised Learning sind die Beobachtungen im Datensatz nicht beschriftet und der Algorithmus lernt, die Struktur aus den Eingabedaten selbst zu erschließen und dafür notwendige Parameter eigenständig zu definieren. Diese Lernmethode kann länger dauern, aber auch genauer sein.

Beim Superviced Learning (dt. überwachtes Lernen) gibt man der KI die gewünschte Aufgabe mit Lösung vor. Z.B. einen Datensatz von Bildern und jedes Bild enthält eine Bezeichnung, ein Label davon, was es zeigt. Dann wird die KI gebeten, alle Bilder einer Katze herauszusuchen. Die KI entwickelt einen Algorithmus, der versucht, Katzen auf Bilder zu erkennen. Die Ergebnisse werden dann mit dem Überwachenden, einem Menschen geteilt. Dieser verhält sich dabei wie ein Lehrender und hilft der KI, besser zu werden. Sortiert also aus, welche Bilder der KI Katzen sind und welche nicht. Mit dieser Information optimiert die KI ihren Algorithmus. Ziel des konstanten Weiterentwickelns ist es dabei, die Genauigkeit der Ergebnisse immer weiter zu verbessern.

Beim sogenannten Reinforcement Learning (dt. bestärkendes Lernen) trainiert eine KI sich via trial-and-error und bekommt quasi "Belohnungen" für das richtige Ergebnis. Der Computer versucht nun, Strategien zu entwickeln, diese Belohnungen zu optimieren. Die Belohnungen vestärken also die Lösungsfindung – Hierbei ist es wichtig, der Künstlichen Intelligenz die Freiheit zu geben, eigene Lösungen zu finden, die man als Mensch eventuell nicht betrachten würde. Das bestärkende Lernen gilt als eine der vielversprechendsten Ansätze zum Erreichen einer Allgemeinen Künstlichen Intelligenz, welche nicht nur Probleme aus einem Gebiet, z.B. der Bilderkennung, sondern viele Probleme aus verschiedenen Bereichen, etwa auch der Spracherkennung und der Kommunikation mit Menschen lösen kann.

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.

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.

Computer Vision ist quasi das Sehorgan für einen Computer. Dieser Teilbereich des Machine Learning ermöglicht dem Computer das Erkennen, Verarbeiten und die Informationsgewinnung von visuellen Datenquellen. Untersucht werden visuelle Datenquellen mithilfe von Farbanalysen oder Patchanalysen. Diese Analysen lassen den Computer sehr genau erkennen, was sich auf einer visuellen Datenquelle wo befindet.

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.

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.

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.

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.

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.

Infomaterialien und Trainings/Schulungen

Es gibt eine Vielzahl kostenpflichtiger und kostenloser Angebote, um sich zu KI zu informieren

Whitepaper

Komplexere Inhalte, die zum Nachdenken anregen.

Interessante Studien mit Whow-Effekt

Aktuelle Studien zu Thema KI

Künstliche Intelligenz im Marketing 2021 Kaiserscholle

*Falls Sie bereits im Newsletter eingetragen sind, werden Ihre Daten nur aktualisiert.

Künstliche Intelligenz im Marketing 2019 – Kaiserscholle

*Falls Sie bereits im Newsletter eingetragen sind, werden Ihre Daten nur aktualisiert.

Künstliche Intelligenz im Marketing 2018 – Kaiserscholle

*Falls Sie bereits im Newsletter eingetragen sind, werden Ihre Daten nur aktualisiert.

Kontakt: Medienbüro Mendack
Mail: sm@mb-mendack.de | Tel.: 0211 4360344