Künstliche Intelligenz

Künstliche Intelligenz (Glossar)

Eine einfache Erklärung für Ki ist: der Versuch, menschliches Denken und Lernen auf den Computer zu übertragen und ihm damit Intelligenz zu verleihen. Diese künstliche Intelligenz soll eigenständig Antworten finden und dabei selbständig Probleme lösen können, anstatt für jede Fragestellung bzw. Aufgabe neu programmiert zu werden.

Bei wikipedia.org findet sich folgende Kurzdefinition: „Künstliche Intelligenz (KI), auch artifizielle Intelligenz (AI bzw. A. I.), englisch artificial intelligence (AI bzw. A. I.) ist ein Teilgebiet der Informatik, welches sich mit der Automatisierungintelligenten Verhaltens und dem maschinellen Lernen befasst. Der Begriff ist insofern nicht eindeutig abgrenzbar, als es bereits an einer genauen Definition von „Intelligenz“ mangelt. Dennoch wird er in Forschung und Entwicklung verwendet.“

Wenn wir in der Realität von KI sprechen hat das wenig mit dem zu tun, was wir aus Science Fiction Filmen oder Büchern kennen. Im Alltag begegnen den meisten von us Kids in Form von Produktempfehlung bei Online-Shops, Gesichtserkennung auf Fotos wie z.B. bei Facebook oder als Spracherkennungs-Assistenten wie bei Alexa.

Definition des Begriffes KI und Unterscheidung in starker und schwacher KI

Bildlich gesprochen kann man sich starke KI tatsächlich als das vorstellen, was man aus der Science Fiction je her kennt. Maschinen oder KI-Module die jegliche Probleme generelle Art lösen können. Die komplexe Aufgaben auf Augenhöhe mit dem Menschen übernehmen könnten. Bislang ist dieses tatsächlich noch Fiction und in der Realität nicht umsetzbar.

Schwache Ki ist das, was uns im Alltag und in Unternehmen begleitet und bestimmte Arbeitsprozesse automatisiert übernimmt. Somit kann man vereinfacht sagen, dass KI komplexe Algorithmen sind, die spezielle Fragestellungen beantworten können, die sie selbständig erlernt hat, nachdem sie dafür von Menschenhand trainiert wurde. Die kommerziell relevante Form ist somit immer eine schwache KI.

Unterscheidung künstliche Intelligenz zu einem Computerprogramm

Der Unterschied besteht darin, dass normalerweise ein Programmiercode aus einem beliebigen Satz an Anweisungen besteht: Wenn dies, dann das. Also zum Beispiel das betätigen des Buttons senden, verschickt eine Mail an Server XYZ. Diese Systeme sind regelbasiert. Bei KI hingegen, muss vom Programmierer nicht jeder Schritt vorhergesagt werden, sondern der Algorithmus ist in der Lage, diese Einzelschritte selber zu erstellen. Dieser Algorithmus ist kann somit komplexerer Aufgabenstellungen bewältigen, da bestimmte Probleme so komplex in der Fragestellung sind, dass es ein enormer Aufwand wäre jeden der Einzelschritte zu programmieren bzw. einen Code dafür zu erstellen.

Um dieses zu verdeutlichen nehmen wir die Bilderkennung als Beispiel: zwar kann eine KI nicht jedes Bild von mir erkennen, aber sie kann aus einer bestimmten Anzahl an Bildern lernen, mich auf anderen Bildern zu erkennen, egal ob das Bild nachts aufgenommen wurde, oder in sonstiger Umgebung. Würde man dieses regelbasiert versuchen, würde man deshalb schon scheitern, da der jeweilige Programmierer alles möglichen Settings vorab kennen müsste.

Arten von künstlicher Intelligenz

Viele unterschiedliche Arten werden unter dem Begriff KI zusammengefasst. Die relevantesten Verfahren in Unternehmen und im kommerziellen Gebrauch sind Machine Learning. Dies bedeutet Lernen aus Erfahrung und betrifft z.B. die Bereiche automatisierte Spracherkennung, Bildverarbeitung und wurden vorher im Artikel besprochen etc.

Expertensysteme haben den gegenläufigen Prozess zum Lernen aus Erfahrung, da sie enormes Expertenwissen aufbauen, und können aus bestimmten Regeln Schlüsse ziehen. Diese beiden Systeme werden auch symbolische und subsymbolische KI genannt. Das Expertensystem kommt somit auf einem nachvollziehbaren Weg zu Ergebnissen, indem es Symbole nach vorprogrammierten Regeln aus Erfahrungssysteme kombiniert um einen Schluss zu ziehen. Machine Learning ist subsymbolisch, d.h. sie löst Informationen in mathematische Formeln auf, optimiert diese und der Erfahrungsweg ist im Nachhinein nicht nachvollziehbar. Beide Arten schliessen sich allerdings nicht gegenseitig aus