Was ist eigentlich Künstliche Intelligenz?

Lernschritt 0 – Vorabinformationen zum Lernpfad

Den Begriff Künstliche Intelligenz (kurz: KI) hört man mittlerweile überall. Aber was steckt wirklich dahinter? Ist klar, was gemeint ist, wenn von KI die Rede ist? Mit diesen Fragen beschäftigt sich dieser Lernpfad.

Lernschritt 1 – Eine Definition für Künstliche Intelligenz

Der Lernschritt beschäftigt sich mit einer Definition von KI. Es wird darauf eingegangen, warum der Begriff "Künstliche Intelligenz" nicht immer passend bzw. hilfreich ist.

Lernschritt 2 – Maschinelles Lernen & Deep Learning

In diesem Lernschritt wird erläutert, was unter Maschinellem Lernen zu verstehen ist (Fokus: Überwachtes Lernen & Künstliche Neuronale Netze). Dabei wird eine typische Anwendung vom Maschinellen Lernen am Beispiel vom Autonomen Fahren vorgestellt. 

Lernschritt 3 – Warum ist Künstliche Intelligenz auf einmal so erfolgreich?

Die großen beeindruckenden Systeme wie ChatGPT, Midjourney & Co. basieren auf Künstlichen Neuronalen Netzen. Diese gibt es schon seit den 1940ern. Doch so richtig großen Einfluss auf unser Leben hat diese Technologie erst seit kurzem. Warum ist das so?

Verbesserungen der Computer-Hardware:
Sowohl das Durchrechnen als auch das Training eines riesigen Künstlichen Neuronalen Netzes sind sehr rechenaufwendig. Mit leistungsfähigerer Hardware können größere Modelle trainiert und genutzt werden.

Sammlung riesiger Datenmengen:
Methoden des Maschinellen Lernens wie Künstliche Neuronale Netze benötigen riesige Datenmengen, um Zusammenhänge zu lernen. Über das Internet können diese nun erhoben werden. Mit jedem Klick auf einer Webseite erzeugen Sie Daten, die nicht selten gespeichert werden. Zusätzlich beschäftigen große Unternehmen billige Arbeitskräfte in armen Ländern, die Daten aufbereiten oder Ausgaben von KI-Systemen bewerten.

Lese-Empfehlung: Prekäre Klickarbeit hinter den Kulissen von ChatGPT - ein Artikel von Daniel Leisegang auf netzpolitik.org.

Lernschritt 4 – Warum sprechen trotzdem alle von Künstliche Intelligenz?

In diesem Lernschritt wird erläutert, warum der Begriff KI so häufig verwendet wird, obwohl dieser eigentlich viel zu unpräzise ist.

Lernschritt 5 – Starke und schwache Künstliche Intelligenz

In diesem Lernschritt wird die Unterscheidung zwischen Schwacher und Starker KI erklärt. Dabei wird auch auf moralische Probleme eingegangen, die bei der KI-Entwicklung eine wichtige Rolle spielen. 

Lernschritt 6 – Eine (sehr) kurze Zusammenfassung

Künstliche Intelligenz ist ein Teilbereich der Informatik: Sie umfasst „Computerprogramme, die Aufgaben erledigen, die eigentlich menschliche Intelligenz erfordern.“ (Definition vom KI-Campus). Da es für den Begriff Intelligenz keine einheitliche Definition gibt, kann man erst einmal fast jedes Computer-Programm als KI-System bezeichnen.

Hinter wirklich beeindruckenden Systemen stecken meist Methoden des Maschinellen Lernens insbesondere Künstliche Neuronale Netze. Zu diesen habe ich daher separate Lernpfade erstellt.

Ein wichtiges offenes Problem besteht weiterhin. KI-Systeme müssen von uns moralische Regeln erhalten. Insbesondere wenn bzw. falls eine Superintelligenz entwickelt wird, kann es sonst zu enormen negativen Konsequenzen kommen.

Lernschritt 7 – Das könnte Sie auch interessieren...

Weitere Lernpfade zu Künstlichen Neuronalen Netzen

Was ist ein Künstliches Neuronales Netz?
Hinter vielen modernen KI-Systemen wie ChatGPT, Midjourney und Co. stecken Künstliche Neuronale Netze. Doch warum werden diese hier genutzt und was ist überhaupt ein Künstliches Neuronales Netz? Diese Fragen werden in diesem Lernpfad betrachtet.

Warum sieht ein Künstliches Neuronales Netz so aus, wie es aussieht?
Braucht es wirklich Gewichte, Bias und Aktivierungsfunktion? Oder reichen Bias und Gewichte schon aus? Spoiler: Wir brauchen das alles. Und warum das so ist, können Sie in diesem Lernpfad erleben.

Wie funktioniert das Training eines Künstlichen Neuronalen Netzes?
Künstliche Neuronale Netze, wie sie zum Beispiel hinter ChatGPT stecken, sind riesige mathematische Funktionen mit Milliarden Parametern. Aber wie werden die richtigen Werte für diese Parameter gefunden, sodass am Ende beeindruckende Programme entstehen? Das Grundprinzip hinter dieser Suche nach den richtigen Zahlen (auch Training genannt) schauen wir uns in diesem Lernpfad an.

 

Lernschritt 8 – Weiterführende Materialien

Lernschritt 9 – Methodenworkshops