Was Ist Künstliche Intelligenz KI?

Inhaltsverzeichnis

Eines der älteren und bekanntesten Beispiele für NLP ist die Spam-Erkennung, die die Betreffzeile und den Text einer E-Mail untersucht und entscheidet, ob es sich um Junk handelt. In Kombination mit KI-Technologien können Automatisierungstools das Volumen und die Art der durchgeführten Aufgaben erweitern. Ein Beispiel ist die robotergesteuerte Prozessautomatisierung, eine Art von Software, die sich wiederholende, regelbasierte Datenverarbeitungsaufgaben automatisiert, die traditionell von Menschen ausgeführt werden.

Machine Vision erfasst und analysiert visuelle Informationen mithilfe einer Kamera, Analog-Digital-Wandlung und digitaler Signalverarbeitung. Es wird oft mit dem menschlichen Sehvermögen verglichen, aber maschinelles Sehen ist nicht an die Biologie gebunden und kann so programmiert werden, dass es beispielsweise durch Wände sieht. Es wird in einer Reihe von Anwendungen eingesetzt, von der Unterschriftenerkennung bis zur medizinischen Bildanalyse.

Sie sind vielleicht keine bekannten Namen, aber diese 42 Unternehmen für künstliche Intelligenz arbeiten an einer sehr intelligenten Technologie. Als Reaktion auf Japans FGCS startet die US-Regierung die Strategic Computing Initiative, um DARPA-finanzierte Forschung im Bereich Advanced Computing und KI bereitzustellen. Donald Hebb schlägt die Theorie vor, dass neuronale Bahnen aus Erfahrungen entstehen und dass die Verbindungen zwischen Neuronen stärker werden, je häufiger sie verwendet werden. Es ist jedoch erwähnenswert, dass die Industrie der künstlichen Intelligenz auch Arbeitsplätze schaffen wird – von denen einige noch nicht einmal erfunden wurden. MuZero, ein von DeepMind entwickeltes Computerprogramm, ist ein vielversprechender Vorreiter bei der Suche nach echter künstlicher allgemeiner Intelligenz. Es hat es geschafft, Spiele zu meistern, die ihm nicht einmal beigebracht wurden, darunter Schach und eine ganze Reihe von Atari-Spielen, durch rohe Gewalt, indem es Spiele millionenfach gespielt hat.

Sie sind in der Lage, der menschlichen Funktionsweise in sehr spezifischen Kontexten nahe zu kommen und sie in vielen Fällen sogar zu übertreffen, aber nur in sehr kontrollierten Umgebungen mit einem begrenzten Satz von Parametern zu übertreffen. Der Aufbau eines KI-Systems ist ein sorgfältiger Prozess des Reverse-Engineering menschlicher Eigenschaften und Fähigkeiten in einer Maschine und der Nutzung ihrer Rechenleistung, um das zu übertreffen, wozu wir fähig sind. Der Sorge, dass KI zu einer Automatisierung von Arbeitsplätzen und einer erheblichen Verdrängung von Arbeitskräften führen wird, wurde große Aufmerksamkeit geschenkt. Eine Zusammenarbeit von Deloitte mit dem Oxford Martin Institute26 deutete darauf hin, dass 35 % der britischen Arbeitsplätze in den nächsten 10 bis 20 Jahren durch KI automatisiert werden könnten.

  • Neuronale Netze können interne Parameter optimieren, um zu ändern, was sie ausgeben.
  • Im Jahr 1997, als sich die Fortschritte in der KI beschleunigten, besiegte IBMs Deep Blue den russischen Schachgroßmeister Garry Kasparov und wurde damit das erste Computerprogramm, das einen Schachweltmeister besiegte.
  • Aber es ist auch wichtig, hinter die Ergebnisse der KI zu schauen und zu verstehen, wie die Technologie funktioniert und welche Auswirkungen sie auf diese und zukünftige Generationen hat.
  • Organisationen sollten über Risikorahmen und Notfallpläne für den Fall eines Problems verfügen.
  • Es wurden spezialisierte Sprachen für künstliche Intelligenz entwickelt, wie Lisp, Prolog, TensorFlow und viele andere.
  • Beispielsweise kann man sich leicht eine farbenblinde Person vorstellen, die gelernt hat, zu erkennen, welche Objekte in ihrem Sichtfeld rot sind, aber es ist nicht klar, was erforderlich wäre, damit die Person weiß, wie Rot aussieht.

Im Allgemeinen braucht die Forschungsgemeinschaft einen besseren Zugang zu Regierungs- und Geschäftsdaten, allerdings mit angemessenen Sicherheitsvorkehrungen, um sicherzustellen, dass Forscher Daten nicht so missbrauchen, wie es Cambridge Analytica mit Facebook-Informationen getan hat. Es gibt eine Vielzahl von Möglichkeiten, wie Forscher auf Daten zugreifen können. Zum einen durch freiwillige Vereinbarungen mit Unternehmen, die proprietäre Daten besitzen. Die meisten Menschen sind mit dem Konzept der künstlichen Intelligenz nicht sehr vertraut. Zur Veranschaulichung: Als 2017 1.500 hochrangige Wirtschaftsführer in den Vereinigten Staaten zu KI befragt wurden, gaben nur 17 Prozent an, damit vertraut zu sein.1 Einige von ihnen waren sich nicht sicher, was es ist oder wie es sich auf ihre jeweiligen Unternehmen auswirken würde. Sie erkannten, dass es ein beträchtliches Potenzial zur Änderung von Geschäftsprozessen gab, waren sich jedoch nicht darüber im Klaren, wie KI in ihren eigenen Organisationen eingesetzt werden könnte.

Dies schränkt das Ausmaß ein, in dem Kreditgeber Deep-Learning-Algorithmen verwenden können, die von Natur aus undurchsichtig und nicht erklärbar sind. KI ist für viele der größten und erfolgreichsten Unternehmen von heute von zentraler Bedeutung, darunter Alphabet, Apple, Microsoft und Meta, wo KI-Technologien eingesetzt werden, um den Betrieb zu verbessern und die Konkurrenz zu überholen. Bei der Alphabet-Tochter Google beispielsweise steht KI im Mittelpunkt ihrer Suchmaschine, der selbstfahrenden Autos von Waymo und von Google Brain, das die neuronale Transformatorarchitektur erfunden hat, die die jüngsten Durchbrüche in der Verarbeitung natürlicher Sprache untermauert.

image

Künstliche Neurale Netzwerke

image

Es ist nur natürlich, dass sich heute jeder irgendwie mit der KI-Technologie verbinden möchte, sei es als Endbenutzer oder als Berufseinsteiger in der künstlichen Intelligenz. Wir glauben, dass KI eine wichtige Rolle in den Gesundheitsangeboten der Zukunft spielen muss. In Form von maschinellem Lernen ist es die primäre Fähigkeit hinter der Entwicklung der Präzisionsmedizin, die allgemein als ein dringend benötigter Fortschritt in der Pflege angesehen wird. Obwohl sich frühe Bemühungen zur Bereitstellung von Diagnose- und Behandlungsempfehlungen als schwierig erwiesen haben, erwarten wir, dass die KI letztendlich auch diesen Bereich beherrschen wird. Angesichts der schnellen Fortschritte in der KI für die bildgebende Analyse scheint es wahrscheinlich, dass die meisten radiologischen und pathologischen Bilder irgendwann von einer Maschine untersucht werden.

Neuronen haben ein kontinuierliches Aktivierungsspektrum; Darüber hinaus können Neuronen Eingaben auf nichtlineare Weise verarbeiten, anstatt einfache Stimmen zu gewichten. Frühe Forscher entwickelten Algorithmen, die das schrittweise Denken nachahmten, das Menschen verwenden, Keynote Speaker Künstliche Intelligenz wenn sie Rätsel lösen oder logische Schlussfolgerungen ziehen. In den späten 1980er und 1990er Jahren hatte die KI-Forschung Methoden entwickelt, um mit unsicheren oder unvollständigen Informationen umzugehen, wobei Konzepte aus der Wahrscheinlichkeits- und Wirtschaftswissenschaft verwendet wurden. Forscher der 1960er und 1970er Jahre waren davon überzeugt, dass es mit symbolischen Ansätzen schließlich gelingen würde, eine Maschine mit künstlicher allgemeiner Intelligenz zu schaffen, und betrachteten dies als Ziel ihres Fachgebiets. Herbert Simon sagte voraus, dass „Maschinen in zwanzig Jahren in der Lage sein werden, jede Arbeit zu erledigen, die ein Mensch tun kann“.

KI-Unternehmen Mit Künstlicher Intelligenz, Die Sie Kennen Sollten

Das experimentelle Teilgebiet der Künstlichen Allgemeinen Intelligenz untersucht ausschließlich diesen Bereich. In einem rekurrenten neuronalen Netzwerk breitet sich das Signal mehr als einmal durch eine Schicht aus, daher ist ein RNN ein Beispiel für tiefes Lernen. RNNs können durch Gradientenabstieg trainiert werden, jedoch können Langzeitgradienten, die rückwärts propagiert werden, "verschwinden" oder "explodieren", bekannt als das Problem des verschwindenden Gradienten. Die Technik des Langzeit-Kurzzeitgedächtnisses kann dies in den meisten Fällen verhindern.

Die beiden präsentierten ihren bahnbrechenden Logic Theorist, ein Computerprogramm, das bestimmte mathematische Theoreme beweisen kann und als erstes KI-Programm bezeichnet wird. Die Ausarbeitung von Gesetzen zur Regulierung von KI wird nicht einfach sein, zum Teil, weil KI eine Vielzahl von Technologien umfasst, die Unternehmen für unterschiedliche Zwecke einsetzen, und zum Teil, weil Vorschriften zu Lasten des Fortschritts und der Entwicklung von KI gehen können. Die schnelle Entwicklung von KI-Technologien ist ein weiteres Hindernis für eine sinnvolle Regulierung der KI, ebenso wie die Herausforderungen, die sich aus der mangelnden Transparenz der KI ergeben, die es schwierig machen zu erkennen, wie die Algorithmen zu ihren Ergebnissen kommen. Darüber hinaus können technologische Durchbrüche und neuartige Anwendungen wie ChatGPT und Dall-E bestehende Gesetze sofort hinfällig machen. Und natürlich hindern die Gesetze, die Regierungen zur Regulierung der KI erlassen, Kriminelle nicht daran, die Technologie mit böswilliger Absicht zu nutzen.

Fünf KI-Technologien, Die Sie Kennen Müssen

Maschinen mit Intelligenz haben das Potenzial, ihre Intelligenz zu nutzen, um ethische Entscheidungen zu treffen. Das Gebiet der Maschinenethik stellt Maschinen ethische Prinzipien und Verfahren zur Lösung ethischer Dilemmata zur Verfügung. Maschinenethik wird auch als Maschinenmoral, Computerethik oder Computermoral bezeichnet und wurde 2005 auf einem AAAI-Symposium gegründet. Computationalism ist die Position in der Philosophie des Geistes, dass der menschliche Geist ein Informationsverarbeitungssystem ist und dass Denken eine Form des Rechnens ist.

Das einfache Problem besteht darin, zu verstehen, wie das Gehirn Signale verarbeitet, Pläne macht und das Verhalten steuert. Das schwierige Problem besteht darin, zu erklären, wie sich das anfühlt oder warum es sich überhaupt wie irgendetwas anfühlen sollte. Die menschliche Informationsverarbeitung ist leicht zu erklären, jedoch ist die menschliche subjektive Erfahrung schwer zu erklären. Beispielsweise kann man sich leicht eine farbenblinde Person vorstellen, die gelernt hat, zu erkennen, welche Objekte in ihrem Sichtfeld rot sind, aber es ist nicht klar, was erforderlich wäre, damit die Person weiß, wie Rot aussieht. KI-Forscher sind sich uneinig, ob sie die Ziele der künstlichen allgemeinen Intelligenz und der Superintelligenz direkt verfolgen oder möglichst viele spezifische Probleme lösen sollen, in der Hoffnung, dass diese Lösungen indirekt zu den langfristigen Zielen des Feldes führen. Allgemeine Intelligenz ist schwer zu definieren und schwierig zu messen, und moderne KI hat mehr überprüfbare Erfolge erzielt, indem sie sich auf bestimmte Probleme mit bestimmten Lösungen konzentriert hat.