Was Ist KI? Alles Wissenswerte Über Künstliche Intelligenz

Inhaltsverzeichnis

Automatisierung senkt Kosten und bringt ein neues Maß an Konsistenz, Geschwindigkeit und Skalierbarkeit in Geschäftsprozesse; Tatsächlich sehen einige Accenture-Kunden Zeiteinsparungen von 70 Prozent. Noch überzeugender ist jedoch die Fähigkeit der KI, das Wachstum voranzutreiben. Unternehmen, die erfolgreich skalieren, sehen eine dreifache Rendite ihrer KI-Investitionen im Vergleich zu Unternehmen, die in der Pilotphase feststecken.

Für KI entwickelte Hardware umfasst KI-Beschleuniger und neuromorphes Computing. Die Hauptkategorien von Netzwerken sind azyklische oder Feedforward-neuronale Netzwerke und rekurrente neuronale Netzwerke (die Rückmeldungen und Kurzzeiterinnerungen an frühere Eingabeereignisse ermöglichen). Zu den beliebtesten Feedforward-Netzwerken gehören Perceptrons, Multi-Layer-Perceptrons und Radial-Basis-Netzwerke. Die Logik erster Ordnung fügt Quantoren und Prädikate hinzu und kann Fakten über Objekte, ihre Eigenschaften und ihre Beziehungen zueinander ausdrücken.

Zweitens glaubt er, dass diese Systeme offenlegen sollten, dass sie automatisierte Systeme und keine Menschen sind. Es ist sinnvoller, über die allgemeinen Ziele nachzudenken, die in der KI erwünscht sind, und Richtlinien zu erlassen, die sie voranbringen, im Gegensatz zu Regierungen, die versuchen, die „Black Boxes“ aufzubrechen und genau zu sehen, wie bestimmte Algorithmen funktionieren. Die Regulierung einzelner Algorithmen schränkt Innovationen ein und erschwert Unternehmen den Einsatz künstlicher Intelligenz.

  • Dies spricht sowohl für die immense Komplexität und Vernetzung des menschlichen Gehirns als auch für das Ausmaß der Herausforderung, mit unseren derzeitigen Ressourcen ein AGI aufzubauen.
  • Stuart Russell und Peter Norvig beobachten, dass es den meisten KI-Forschern „egal ist – solange das Programm funktioniert, ist es ihnen egal, ob man es Simulation von Intelligenz oder echte Intelligenz nennt“.
  • Dies ist eine der leistungsfähigsten und folgenreichsten Technologien, um menschliche Gesellschaften zu beeinflussen, und wird daher viele Jahre lang kontinuierliche Aufmerksamkeit und eine durchdachte Politik erfordern.

Sie können kontinuierliche Funktionen und sogar digitale logische Operationen lernen. Neuronale Netze können als eine Art mathematische Optimierung angesehen werden – sie führen einen Gradientenabstieg auf einer mehrdimensionalen Topologie durch, die durch Training des Netzes erstellt wurde. Andere Lerntechniken für neuronale Netze sind Hebbian Learning ("fire together, wire together"), GMDH oder Competitive Learning. Zahlreiche akademische Forscher befürchteten, dass KI nicht mehr das ursprüngliche Ziel verfolgt, vielseitige, vollintelligente Maschinen zu schaffen. Ein Großteil der aktuellen Forschung befasst sich mit statistischer KI, die überwiegend zur Lösung spezifischer Probleme eingesetzt wird, sogar mit sehr erfolgreichen Techniken wie Deep Learning. Diese Sorge hat zum Teilgebiet der künstlichen allgemeinen Intelligenz (oder „AGI“) geführt, das in den 2010er Jahren mehrere gut finanzierte Institutionen hatte.

Projekte

Beispiele für maschinelles Lernen sind Bild- und Spracherkennung, Betrugsschutz und mehr. Ein konkretes Beispiel ist das Bilderkennungssystem, wenn Benutzer ein Foto auf Facebook hochladen. Das soziale Netzwerk kann das Bild analysieren und Gesichter erkennen, was zu Empfehlungen führt, verschiedene Freunde zu markieren. Mit der Zeit und Übung verfeinert das System diese Fähigkeit und lernt, genauere Empfehlungen zu geben. Die tragbaren Sensoren und Geräte, die in der Gesundheitsbranche verwendet werden, wenden auch Deep Learning an, um den Gesundheitszustand des Patienten zu beurteilen, einschließlich seines Blutzuckerspiegels, Blutdrucks und seiner Herzfrequenz.

Planungsalgorithmen durchsuchen Bäume von Zielen und Unterzielen und versuchen, einen Weg zu einem Ziel zu finden, ein Prozess, der Mittel-Zweck-Analyse genannt wird. Robotikalgorithmen zum Bewegen von Gliedmaßen und Greifen von Objekten verwenden lokale Suchen im Konfigurationsraum. Mitte der 1980er Jahre wurde das Interesse an neuronalen Netzen und "Connectionismus" von Geoffrey Hinton, David Rumelhart und anderen wiederbelebt. Neuronale Netze, Fuzzy-Systeme, Grey-System-Theorie, evolutionäre Berechnungen und viele Tools aus der Statistik oder mathematischen Optimierung. Künstliche Intelligenz ist Intelligenz – Wahrnehmung, Synthese und Ableitung von Informationen –, die von Maschinen demonstriert wird, im Gegensatz zu Intelligenz, die von nichtmenschlichen Tieren oder Menschen gezeigt wird.

Dieses Material darf nicht veröffentlicht, gesendet, umgeschrieben oder weiterverbreitet werden. Unterdessen hat das National Institute of Standards and Technology, ein Bundeslabor, das Standards für neue Technologien entwickelt, Rahmenbedingungen für den verantwortungsvollen Umgang mit künstlicher Intelligenz entwickelt.

Alles, was benötigt wird, sind Daten, die robust genug sind, damit Algorithmen nützliche Muster erkennen können. Daten können in Form von digitalen Informationen, Satellitenbildern, visuellen Informationen, Text oder unstrukturierten Daten vorliegen. Dies sind mathematische Modelle, deren Struktur und Funktionsweise lose auf der Verbindung zwischen Neuronen im menschlichen Gehirn basieren und die Art und Weise nachahmen, wie sie sich gegenseitig Signale senden.

Was Ist Künstliche Intelligenz Im Jahr 2023? Arten, Trends Und Zukunft Davon?

Und wir studieren Kundenbewertungen, um herauszufinden, was für echte Menschen wichtig ist, die die von uns bewerteten Produkte und Dienstleistungen bereits besitzen und nutzen. Unternehmen geben jährlich mehr als eine Milliarde Dollar für Expertensysteme aus, und eine ganze Branche, bekannt als der Markt für Lisp-Maschinen, entsteht, um sie zu unterstützen. Unternehmen wie Symbolics und Lisp Machines Inc. bauen spezialisierte Computer, die mit der KI-Programmiersprache Lisp laufen.

Es ist das Streben, Maschinen zu bauen, die intelligent denken, lernen und handeln können, und es hat gerade erst begonnen. Wir decken die neuesten Fortschritte in den Bereichen maschinelles Lernen, neuronale Netze und Roboter ab. Künstliche Intelligenz bedeutet einfach Intelligenz in Maschinen, im Gegensatz zu natürlicher Intelligenz, die bei Menschen und anderen natürlichen Organismen vorkommt. Künstliche Intelligenz erhielt ihren Namen und wurde 1956 zu einem formellen Forschungsgebiet, und erste Arbeiten führten zu neuen Werkzeugen zur Lösung mathematischer Probleme. Forscher entdeckten jedoch, dass die Erstellung einer KI unglaublich schwierig ist und der Fortschritt in den 1970er Jahren verlangsamt wurde.

Die verschiedenen Teilgebiete der KI-Forschung sind auf bestimmte Ziele und den Einsatz bestimmter Werkzeuge ausgerichtet. Zu den traditionellen Zielen der KI-Forschung gehören Argumentation, Wissensrepräsentation, Planung, Lernen, Verarbeitung natürlicher Sprache, Wahrnehmung und die Fähigkeit, Objekte zu bewegen und zu manipulieren. Um diese Probleme zu lösen, haben KI-Forscher eine breite Palette von Problemlösungstechniken angepasst und integriert, darunter Suche und mathematische Optimierung, formale Logik, künstliche neuronale Netze und Methoden, die auf Statistik, Wahrscheinlichkeit und Ökonomie basieren.

Er kommt zu dem Schluss, dass KI ein Risiko für die Menschheit darstellt, wie bescheiden oder "freundlich" ihre erklärten Ziele auch sein mögen. Der Politikwissenschaftler Charles T. Rubin argumentiert, dass "jedes ausreichend fortgeschrittene Wohlwollen von Böswilligkeit nicht zu unterscheiden sein kann". Menschen sollten nicht davon ausgehen, dass Maschinen oder Roboter uns positiv behandeln würden, weil es a priori keinen Grund zu der Annahme gibt, dass sie unser Moralsystem teilen würden. Der symbolische Ansatz scheiterte jedoch bei vielen Aufgaben, die Menschen leicht lösen können, wie z. Moravecs Paradoxon ist die Entdeckung, dass „intelligente“ Aufgaben auf hoher Ebene für die KI einfach waren, „instinktive“ Aufgaben auf niedriger Ebene jedoch äußerst schwierig waren. Und darauf, ein "Gefühl" für die Situation zu haben, anstatt explizites symbolisches Wissen.

2012 – Andrew Ng, der Gründer des Google Brain Deep Learning-Projekts, fütterte 10 Millionen YouTube-Videos mithilfe von Deep-Learning-Algorithmen in ein neuronales Netzwerk. Das neuronale Netzwerk lernte, eine Katze zu erkennen, ohne darüber informiert zu sein, was eine Katze ist, was den Beginn einer neuen Ära des Deep Learning und der neuronalen Netzwerke markierte. Drittens benötigen Deep-Learning-Algorithmen für die Bilderkennung „gekennzeichnete Daten“ – Millionen von Bildern von Patienten, die eine definitive Diagnose von Krebs, Knochenbruch oder anderen Pathologien erhalten haben.

image

Das Erreichen künstlicher allgemeiner Intelligenz erwies sich als schwer fassbar, nicht unmittelbar bevorstehend, behindert durch Einschränkungen in der Computerverarbeitung und im Speicher sowie durch die Komplexität des Problems. Regierungen und Unternehmen zogen sich von ihrer Unterstützung der KI-Forschung zurück, was zu einer Brachezeit von 1974 bis 1980 führte, die als erster „KI-Winter“ bekannt ist. Trotz potenzieller Risiken gibt es derzeit nur wenige Vorschriften für den Einsatz von KI-Tools, und wo Gesetze existieren, beziehen sie sich in der Regel indirekt auf KI. Wie bereits erwähnt, verlangen beispielsweise die US-amerikanischen Fair-Lending-Vorschriften von Finanzinstituten, potenziellen Keynote Speaker Künstliche Intelligenz Kunden Kreditentscheidungen zu erläutern.

Virtuelle KI-Assistenten werden eingesetzt, um die Einhaltung von Bankvorschriften zu verbessern und die Kosten zu senken. Bankorganisationen nutzen KI, um ihre Entscheidungsfindung für Kredite zu verbessern, Kreditlimits festzulegen und Investitionsmöglichkeiten zu identifizieren. Unser Ziel ist es, das Verständnis der Welt für den Klimawandel, seine Auswirkungen und was jetzt getan werden kann, zu verbessern. Bessere Daten und Technologien werden darüber informieren, wie wir globale Auswirkungen wie den Anstieg des Meeresspiegels, die Zerstörung von Gemeinschaften und den Verlust der biologischen Vielfalt mildern und uns an sie anpassen. Skylight trägt dazu bei, illegale, nicht gemeldete und unregulierte Fischerei durch Technologie zu reduzieren, die Transparenz und umsetzbare Informationen für die maritime Durchsetzung bietet.

Sprach- und Texterkennung werden bereits für Aufgaben wie die Patientenkommunikation und die Erfassung klinischer Notizen eingesetzt, und ihre Nutzung wird zunehmen. Bei künstlicher Intelligenz geht es nicht nur um Effizienz und die Rationalisierung mühsamer Aufgaben. Dank maschinellem Lernen und Deep Learning können KI-Anwendungen nahezu in Echtzeit aus Daten und Ergebnissen lernen, neue Informationen aus vielen Quellen analysieren und sich entsprechend anpassen, mit einer Genauigkeit, die für Unternehmen von unschätzbarem Wert ist. (Produktempfehlungen sind ein Paradebeispiel.) Diese Fähigkeit zum Selbstlernen und zur Selbstoptimierung bedeutet, dass die KI die von ihr generierten Geschäftsvorteile kontinuierlich verstärkt. Die DSGVO, die in Europa umgesetzt wird, schränkt den Einsatz von künstlicher Intelligenz und maschinellem Lernen stark ein. Gemäß den veröffentlichten Richtlinien „verbieten Verordnungen jede automatisierte Entscheidung, die EU-Bürger ‚erheblich betrifft‘.

image

Seit den 1950er Jahren streiten sich Wissenschaftler darüber, was „Denken“ und „Intelligenz“ ausmacht und was „vollständig autonom“ ist, wenn es um Hard- und Software geht. Fortgeschrittene Computer wie der IBM Watson haben die Menschen bereits beim Schach geschlagen und sind in der Lage, riesige Mengen an Informationen sofort zu verarbeiten. Einige Personen haben argumentiert, dass es Möglichkeiten für Menschen geben muss, die Aufsicht und Kontrolle über KI-Systeme auszuüben. Oren Etzioni, CEO des Allen Institute for Artificial Intelligence, argumentiert beispielsweise, dass es Regeln für die Regulierung dieser Systeme geben sollte. Erstens, sagt er, muss KI allen Gesetzen unterliegen, die bereits für menschliches Verhalten entwickelt wurden, einschließlich Vorschriften zu „Cybermobbing, Aktienmanipulation oder terroristischen Bedrohungen“ sowie „Menschen dazu verleiten, Verbrechen zu begehen“.