KI-Wissen
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.
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.
Chat GPT
Chat GPT ist ein generatives, vortrainiertes KI-Modell für Textgenerierung, das auf einer Transformer-Architektur basiert. Es wurde anhand einer großen Menge an Texten im Internet trainiert, um auf Fragen und Anforderungen in natürlicher Sprache zu antworten. Im Vergleich zu anderen KI-Modellen ist die Fähigkeit von generativen KI-Systemen, kreativ zu sein, entscheidend. Die Technik hinter generativen KI ist hauptsächlich auf Transformer-Architekturen basiert, die Kontext und Bedeutung lernen, indem sie Beziehungen in sequenziellen Daten verfolgen.
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.
