Was ist Künstliche Intelligenz? Einführung, Geschichte und Arten von AI

Was ist Künstliche Intelligenz (KI)?

KI (Künstliche Intelligenz) ist die Fähigkeit einer Maschine, kognitive Funktionen wie Menschen auszuführen, z. B. wahrzunehmen, zu lernen, zu denken und Probleme zu lösen. Der Maßstab für KI ist das menschliche Niveau in den Bereichen Denken, Sprache und Sehen.

In diesem Lehrgang zur Künstlichen Intelligenz lernst du die folgenden KI-Grundlagen kennen

• Was ist KI?
• Einführung in die Stufen der Künstlichen Intelligenz
• Geschichte der Künstlichen Intelligenz
• Ziele der Künstlichen Intelligenz
• Teilbereiche der Künstlichen Intelligenz
• Arten von Künstlicher Intelligenz
• KI vs. Maschinelles Lernen
• Wo wird KI eingesetzt? Beispiele
• Warum boomt KI jetzt?

Einführung in die Künstliche Intelligenz Levels

Heutzutage wird KI in fast allen Branchen eingesetzt und verschafft allen Unternehmen, die KI in großem Umfang einsetzen, einen technologischen Vorsprung. Laut McKinsey hat KI das Potenzial, im Einzelhandel einen Wertzuwachs von 600 Milliarden Dollar zu erzielen und im Bankensektor im Vergleich zu anderen Analysetechniken einen um 50 % höheren Wert zu schaffen. In der Transport- und Logistikbranche beträgt der potenzielle Umsatzsprung 89 % mehr.

Wenn ein Unternehmen KI für sein Marketingteam einsetzt, kann es banale und sich wiederholende Aufgaben automatisieren, sodass sich der Vertriebsmitarbeiter auf den Aufbau von Beziehungen, die Pflege von Leads usw. konzentrieren kann. Ein Unternehmen namens Gong bietet einen Konversations-Intelligenzdienst an. Jedes Mal, wenn ein/e Vertriebsmitarbeiter/in einen Anruf tätigt, zeichnet die Maschine den Chat auf, transkribiert ihn und analysiert ihn. Der VP kann KI-Analysen und Empfehlungen nutzen, um eine erfolgreiche Strategie zu entwickeln.

Kurz gesagt: KI bietet Spitzentechnologie, um mit komplexen Daten umzugehen, die ein Mensch nicht verarbeiten kann. KI automatisiert überflüssige Aufgaben und ermöglicht es den Beschäftigten, sich auf die wichtigen Aufgaben zu konzentrieren, die einen Mehrwert schaffen. Wenn KI in großem Umfang eingesetzt wird, führt sie zu Kostensenkungen und Umsatzsteigerungen.

Geschichte der Künstlichen Intelligenz

Künstliche Intelligenz ist heute ein Modewort, obwohl dieser Begriff nicht neu ist. Im Jahr 1956 beschlossen Avantgarde-Experten mit unterschiedlichem Hintergrund, ein Sommer-Forschungsprojekt über KI zu organisieren. Vier kluge Köpfe leiteten das Projekt: John McCarthy (Dartmouth College), Marvin Minsky (Harvard University), Nathaniel Rochester (IBM) und Claude Shannon (Bell Telephone Laboratories).

Hier ist eine kurze Geschichte der Künstlichen Intelligenz:

Jahr	Meilenstein / Innovation
1923	Karel Čapek spielt „Rossum’s Universal Robots“, die erste Verwendung des Wortes „Roboter“ im Englischen.
1943	Grundlagen für neuronale Netze gelegt.
[1945	Isaac Asimov, ein ehemaliger Student der Columbia University, verwendet den Begriff Robotik.
1956	John McCarthy verwendet erstmals den Begriff Künstliche Intelligenz. Demonstration des ersten laufenden KI-Programms an der Carnegie Mellon University.
1964	Danny Bobrow zeigte in seiner Dissertation am MIT, wie Computer natürliche Sprache verstehen können.
1969	Wissenschaftler am Stanford Research Institute entwickeln Shakey. Ein Roboter, der sich fortbewegen und Probleme lösen kann.
1979	Das erste computergesteuerte autonome Fahrzeug der Welt, Stanford Cart, wurde gebaut.
1990	Bedeutende Demonstrationen im maschinellen Lernen
1997	Das Schachprogramm Deep Blue schlug den damaligen Schachweltmeister Garri Kasparow.
2000	Interaktive Roboter-Haustiere sind inzwischen im Handel erhältlich. Das MIT zeigt Kismet, einen Roboter mit einem Gesicht, das Gefühle ausdrückt.
2006	Im Jahr 2006 hielt KI Einzug in die Geschäftswelt. Unternehmen wie Facebook, Netflix und Twitter begannen, KI einzusetzen.
2012	Google hat eine Android-App-Funktion namens „Google now“ eingeführt, die dem Nutzer eine Vorhersage liefert.
2018	Der „Project Debater“ von IBM debattierte mit zwei Meisterdebattierern über komplexe Themen und schnitt dabei hervorragend ab.

Ziele der Künstlichen Intelligenz

Hier sind die Hauptziele der KI:

• Sie hilft dir, die Zeit zu verkürzen, die du für bestimmte Aufgaben brauchst.
• Die Interaktion zwischen Mensch und Maschine wird erleichtert.
• Die Interaktion zwischen Mensch und Computer soll natürlicher und effizienter werden.
• Verbesserung der Genauigkeit und Geschwindigkeit medizinischer Diagnosen.
• Menschen helfen, neue Informationen schneller zu lernen.
• Verbesserung der Kommunikation zwischen Menschen und Maschinen.

Teilbereiche der Künstlichen Intelligenz

Hier sind einige wichtige Teilbereiche der Künstlichen Intelligenz:

Maschinelles Lernen: Maschinelles Lernen ist die Kunst, Algorithmen zu untersuchen, die aus Beispielen und Erfahrungen lernen. Maschinelles Lernen basiert auf der Idee, dass bestimmte Muster in den Daten erkannt und für zukünftige Vorhersagen genutzt werden. Der Unterschied zum Hardcoding von Regeln ist, dass die Maschine lernt, solche Regeln zu finden.

Deep Learning: Deep Learning ist ein Teilbereich des maschinellen Lernens. Deep Learning bedeutet nicht, dass die Maschine tiefer gehendes Wissen erlernt, sondern dass sie verschiedene Schichten verwendet, um aus den Daten zu lernen. Die Tiefe des Modells wird durch die Anzahl der Schichten des Modells dargestellt. Das Google LeNet-Modell zur Bilderkennung hat zum Beispiel 22 Schichten.

Natürliche Sprachverarbeitung: Ein neuronales Netzwerk ist eine Gruppe von miteinander verbundenen E/A-Einheiten, bei denen jede Verbindung ein Gewicht hat, das mit den Computerprogrammen verknüpft ist. Es hilft dir, aus großen Datenbanken Vorhersagemodelle zu erstellen. Dieses Modell baut auf dem menschlichen Nervensystem auf. Du kannst dieses Modell nutzen, um Bilder zu verstehen, menschliches Lernen, Computer-Sprache, etc.

Expertensysteme: Ein Expertensystem ist ein interaktives und zuverlässiges computergestütztes Entscheidungssystem, das Fakten und Heuristiken nutzt, um komplexe Entscheidungsprobleme zu lösen. Es wird auch als die höchste Stufe der menschlichen Intelligenz angesehen. Das Hauptziel eines Expertensystems ist es, die komplexesten Probleme in einem bestimmten Bereich zu lösen.

Fuzzy-Logik: Fuzzy Logic ist definiert als eine vielwertige Logikform, bei der die Wahrheitswerte der Variablen eine beliebige reelle Zahl zwischen 0 und 1 sein können. Sie ist das Griffkonzept der partiellen Wahrheit. Im wirklichen Leben können wir auf eine Situation stoßen, in der wir nicht entscheiden können, ob eine Aussage wahr oder falsch ist.

Arten von Künstlicher Intelligenz

Es gibt drei Haupttypen von künstlicher Intelligenz: regelbasiert, Entscheidungsbaum und neuronale Netze.

• Enge KI ist eine Art von KI, die dir hilft, eine bestimmte Aufgabe mit Intelligenz zu erfüllen.
• Allgemeine KI ist eine Art von KI-Intelligenz, die jede intellektuelle Aufgabe effizient wie ein Mensch erledigen kann.
• Regelbasierte KI basiert auf einer Reihe von vorher festgelegten Regeln, die auf einen Eingabedatensatz angewendet werden. Das System erzeugt dann eine entsprechende Ausgabe.
• Die Entscheidungsbaum-KI ähnelt der regelbasierten KI insofern, als sie eine Reihe von vorher festgelegten Regeln verwendet, um Entscheidungen zu treffen. Der Entscheidungsbaum ermöglicht jedoch auch Verzweigungen und Schleifen, um verschiedene Optionen zu berücksichtigen.
• Super-KI ist eine Art von KI, die es Computern ermöglicht, menschliche Sprache zu verstehen und auf natürliche Weise zu reagieren.
• Roboterintelligenz ist eine Art von KI, die es Robotern ermöglicht, komplexe kognitive Fähigkeiten wie Denken, Planen und Lernen zu entwickeln.

KI vs. Maschinelles Lernen

Die meisten unserer Smartphones, Alltagsgeräte und sogar das Internet nutzen künstliche Intelligenz. Sehr oft werden KI und maschinelles Lernen von großen Unternehmen, die ihre neueste Innovation ankündigen wollen, synonym verwendet. Maschinelles Lernen und KI unterscheiden sich jedoch in einigen Punkten.

KI – künstliche Intelligenz – ist die Wissenschaft, die sich damit beschäftigt, Maschinen so zu trainieren, dass sie menschliche Aufgaben erfüllen. Der Begriff wurde in den 1950er Jahren erfunden, als Wissenschaftlerinnen und Wissenschaftler zu erforschen begannen, wie Computer eigenständig Probleme lösen können.

Künstliche Intelligenz ist ein Computer, der mit menschenähnlichen Eigenschaften ausgestattet ist. Nehmen wir unser Gehirn: Es arbeitet mühelos und nahtlos, um die Welt um uns herum zu berechnen. Künstliche Intelligenz ist das Konzept, dass ein Computer dasselbe tun kann. Man kann sagen, dass KI eine große Wissenschaft ist, die die menschlichen Fähigkeiten nachahmt.

Maschinelles Lernen ist ein Teilbereich der KI, der Maschinen das Lernen beibringt. Maschinelle Lernmodelle suchen nach Mustern in Daten und versuchen, daraus Schlüsse zu ziehen. Kurz gesagt: Die Maschine muss nicht explizit von Menschen programmiert werden. Die Programmierer/innen geben Beispiele vor, und der Computer lernt anhand dieser Beispiele, was er tun soll.

Lies auch den Unterschied zwischen Deep Learning und maschinellem Lernen im Vergleich zu KI, klick hier.

Wo wird KI eingesetzt? Beispiele

In diesem KI-Tutorial für Anfänger/innen lernen wir verschiedene Anwendungen von KI kennen:

KI hat ein breites Anwendungsspektrum.

• Künstliche Intelligenz wird eingesetzt, um sich wiederholende Aufgaben zu reduzieren oder zu vermeiden. KI kann zum Beispiel eine Aufgabe ständig wiederholen, ohne zu ermüden. Die KI ruht nie und ist gleichgültig, welche Aufgabe sie ausführt.
• Künstliche Intelligenz verbessert ein bestehendes Produkt. Vor dem Zeitalter des maschinellen Lernens beruhten die Kernprodukte auf fest programmierten Regeln. Unternehmen setzten künstliche Intelligenz ein, um die Funktionalität des Produkts zu verbessern, anstatt bei der Entwicklung neuer Produkte ganz von vorne anzufangen. Du kannst dir ein Bild von Facebook vorstellen. Vor ein paar Jahren musstest du deine Freunde noch manuell markieren. Heutzutage gibt dir Facebook mit Hilfe von KI die Empfehlung eines Freundes.

KI wird in allen Branchen eingesetzt, vom Marketing über die Lieferkette bis hin zur Finanz- und Lebensmittelbranche. Laut einer McKinsey-Studie sind Finanzdienstleistungen und Hightech-Kommunikation führend im Bereich KI.

Warum boomt KI jetzt?

In diesem Lernprogramm zur Künstlichen Intelligenz erfahren wir, warum KI jetzt boomt. Das folgende Diagramm zeigt es uns.

Neuronale Netze gibt es schon seit den neunziger Jahren, seit der bahnbrechenden Arbeit von Yann LeCun. Berühmt wurde es jedoch erst im Jahr 2012. Drei Faktoren sind für seine Popularität ausschlaggebend:

1. Hardware
2. Daten
3. Algorithmus

Maschinelles Lernen ist ein experimentelles Feld, das heißt, es braucht Daten, um neue Ideen oder Ansätze zu testen. Mit dem Aufschwung des Internets wurden die Daten leichter zugänglich. Außerdem haben große Unternehmen wie NVIDIA und AMD leistungsstarke Grafikchips für den Spielemarkt entwickelt.

Hardware

In den letzten zwanzig Jahren ist die Leistung der CPUs explodiert, so dass der Benutzer ein kleines Deep-Learning-Modell auf jedem Laptop trainieren kann. Um ein Deep-Learning-Modell für Computer Vision oder Deep Learning zu verarbeiten, brauchst du jedoch eine leistungsfähigere Maschine. Dank der Investitionen von NVIDIA und AMD ist eine neue Generation von Grafikprozessoren (GPUs) verfügbar. Diese Chips ermöglichen parallele Berechnungen, und der Rechner kann die Berechnungen auf mehrere GPUs verteilen, um die Berechnungen zu beschleunigen.

Mit einem NVIDIA TITAN X dauert es zum Beispiel zwei Tage, um ein Modell zu trainieren, das ImageNet gegenüber Wochen für eine herkömmliche CPU. Außerdem nutzen große Unternehmen GPU-Cluster, um Deep-Learning-Modelle mit dem NVIDIA Tesla K80 zu trainieren, weil dadurch die Kosten für das Rechenzentrum gesenkt und eine bessere Leistung erzielt werden kann.

Daten

Deep Learning ist die Struktur des Modells, und die Daten sind die Flüssigkeit, die es zum Leben erweckt. Daten sind der Motor der künstlichen Intelligenz. Ohne Daten kann nichts getan werden. Die neuesten Technologien haben die Grenzen der Datenspeicherung verschoben, und es ist einfacher denn je, große Datenmengen in einem Rechenzentrum zu speichern.

Die Internetrevolution macht das Sammeln und Verteilen von Daten zur Fütterung von Algorithmen des maschinellen Lernens verfügbar. Wenn du Flickr, Instagram oder eine andere App mit Bildern kennst, kannst du ihr KI-Potenzial erahnen. Auf diesen Websites gibt es Millionen von Bildern mit Tags. Mit diesen Bildern kann ein neuronales Netzwerkmodell trainiert werden, um ein Objekt auf dem Bild zu erkennen, ohne dass die Daten manuell gesammelt und beschriftet werden müssen.

Künstliche Intelligenz in Verbindung mit Daten ist das neue Gold. Daten sind ein einzigartiger Wettbewerbsvorteil, den kein Unternehmen vernachlässigen sollte, und KI liefert die besten Antworten aus deinen Daten. Wenn alle Unternehmen über die gleichen Technologien verfügen können, wird das Unternehmen mit den Daten einen Wettbewerbsvorteil haben. Um eine Vorstellung davon zu bekommen: Jeden Tag entstehen auf der Welt etwa 2,2 Exabyte, also 2,2 Milliarden Gigabyte.

Ein Unternehmen braucht außergewöhnlich viele verschiedene Datenquellen, um Muster zu erkennen und aus einer großen Menge zu lernen.

Algorithmus

Die Hardware ist leistungsfähiger als je zuvor, die Daten sind leicht zugänglich, aber eine Sache, die das neuronale Netz zuverlässiger macht, ist die Entwicklung von genaueren Algorithmen. Ursprünglich sind neuronale Netze eine einfache Multiplikationsmatrix ohne tiefgreifende statistische Eigenschaften. Seit 2010 wurden bemerkenswerte Entdeckungen gemacht, um das neuronale Netz zu verbessern.

Künstliche Intelligenz nutzt einen progressiven Lernalgorithmus, um die Daten die Programmierung übernehmen zu lassen. Das bedeutet, dass der Computer sich selbst beibringen kann, wie er verschiedene Aufgaben ausführt, z. B. das Auffinden von Anomalien, um ein Chatbot zu werden.

Zusammenfassung

• KI ist eine Vollform von Künstliche Intelligenz ist die Wissenschaft vom Training von Maschinen, um menschliche Aufgaben zu imitieren oder zu reproduzieren.
• Ein Wissenschaftler kann verschiedene Methoden anwenden, um eine Maschine zu trainieren. Zu Beginn des Zeitalters der KI schrieben Programmierer/innen fest codierte Programme, in denen sie jede logische Möglichkeit eintippten, mit der die Maschine konfrontiert werden könnte und wie sie darauf reagieren sollte.
• Wenn ein System komplexer wird, wird es schwierig, die Regeln zu verwalten. Um dieses Problem zu überwinden, kann die Maschine anhand von Daten lernen, wie sie mit allen Situationen in einer bestimmten Umgebung umzugehen hat.
• Das wichtigste Merkmal einer leistungsfähigen KI ist, dass sie über genügend Daten mit großer Heterogenität verfügt. Eine Maschine kann zum Beispiel verschiedene Sprachen lernen, solange sie genügend Wörter hat, aus denen sie lernen kann.
• KI ist die neue Spitzentechnologie. Risikokapitalgeber investieren Milliarden von Dollar in Startups oder KI-Projekte, und McKinsey schätzt, dass KI jede Branche um mindestens eine zweistellige Wachstumsrate ankurbeln kann.
• Allgemeine KI, regelbasierte KI, Entscheidungsbaum-KI und Super-KI sind Arten von künstlicher Intelligenz.

Schau dir unser Video über künstliche Intelligenz auf YouTube an: Hier klicken