Was Ist Künstliche Intelligenz KI? Wie Funktioniert KI?

Inhaltsverzeichnis

Die meisten dieser Systeme funktionieren, indem sie das Gesicht einer Person mit einer Reihe von Gesichtern in einer großen Datenbank vergleichen. Trotz dieser Bedenken treiben andere Länder den raschen Einsatz in diesem Bereich voran. Durch ihr „Sharp Eyes“-Programm gleichen die chinesischen Strafverfolgungsbehörden Videobilder, Social-Media-Aktivitäten, Online-Käufe, Reiseaufzeichnungen und persönliche Identitäten in einer „Polizei-Cloud“ ab.

image

Obwohl es wohl das beliebteste KI-Tool ist, hat OpenAI dank seiner weit verbreiteten Zugänglichkeit mit der Erstellung der GPTs 1, 2 und 3 erhebliche Wellen in der Welt der künstlichen Intelligenz geschlagen. Wenn Sie ChatGPT nach der Hauptstadt eines Landes fragen oder Alexa bitten, Ihnen ein Update zum Wetter zu geben, erhalten Sie Antworten, die das Ergebnis von maschinellen Lernalgorithmen sind. “, ein Papier, das den hypothetischen Advice Taker vorschlägt, ein vollständiges KI-System mit der Fähigkeit, aus Erfahrungen so effektiv wie Menschen zu lernen. Und Aristoteles Entwicklung des Syllogismus und seine Verwendung deduktiver Argumentation war ein Schlüsselmoment bei der Suche der Menschheit nach dem Verständnis ihrer eigenen Intelligenz. Während die Wurzeln lang und tief sind, umfasst die Geschichte der KI, wie wir sie heute sehen, weniger als ein Jahrhundert.

Künstliche Intelligenz wurde auch als unsere letzte Erfindung angepriesen, eine Schöpfung, die bahnbrechende Werkzeuge und Dienste erfinden würde, die unsere Lebensführung exponentiell verändern würden, indem sie hoffentlich Streit, Ungleichheit und menschliches Leid beseitigen würden. Umfangreiche Forschungen zur künstlichen Intelligenz unterteilen sie auch in zwei weitere Kategorien, nämlich starke künstliche Intelligenz und schwache künstliche Intelligenz. Die Begriffe wurden von John Searle geprägt, um die Leistungsniveaus in verschiedenen Arten von KI-Maschinen zu unterscheiden. Dies ist die häufigste Form von KI, die Sie derzeit auf dem Markt finden würden. Diese Systeme der künstlichen Intelligenz sind darauf ausgelegt, ein einziges Problem zu lösen, und wären in der Lage, eine einzelne Aufgabe wirklich gut auszuführen. Das Empfehlen eines Produkts für einen E-Commerce-Benutzer oder das Vorhersagen des Wetters.

  • Der Aufbau anpassungsfähiger Systeme, die während der Arbeit lernen, hat das Potenzial, die Effektivität und Effizienz zu verbessern.
  • Trotz ihres weit verbreiteten Mangels an Vertrautheit ist KI eine Technologie, die jeden Lebensbereich verändert.
  • Ein KI-Analyst/Spezialist muss über einen guten Hintergrund in den Bereichen Programmierung, Systemanalyse und Computerstatistik verfügen.
  • Dies führte zu philosophischen Argumenten über den Geist und die ethischen Konsequenzen der Schaffung künstlicher Wesen, die mit menschenähnlicher Intelligenz ausgestattet sind; Diese Fragen wurden bereits seit der Keynote Speaker Künstliche Intelligenz Antike von Mythos, Fiktion und Philosophie untersucht.
  • Jeder wird mit Datenbanken gefüttert, um zu lernen, was er ausgeben soll, wenn ihm während des Trainings bestimmte Daten präsentiert werden.

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

Die Meinung von Experten und Brancheninsidern ist gemischt, wobei beträchtliche Fraktionen sowohl besorgt als auch unbesorgt über das Risiko einer eventuell übermenschlich fähigen KI sind. Stephen Hawking, Microsoft-Gründer Bill Gates, Geschichtsprofessor Yuval Noah Harari und SpaceX-Gründer Elon Musk haben alle ernsthafte Bedenken geäußert über die Zukunft der KI. Prominente Tech-Titanen wie Peter Thiel und Musk haben mehr als 1 Milliarde US-Dollar für gemeinnützige Unternehmen bereitgestellt, die sich für eine verantwortungsvolle KI-Entwicklung einsetzen, wie OpenAI und das Future of Life Institute. Mark Zuckerberg hat gesagt, dass künstliche Intelligenz dabei hilfreich ist gegenwärtige Form und wird den Menschen weiterhin helfen. Andere Experten argumentieren, dass die Risiken weit genug in der Zukunft liegen, um es nicht wert zu sein, erforscht zu werden, oder dass Menschen aus der Perspektive einer superintelligenten Maschine wertvoll sein werden. Rodney Brooks hat insbesondere gesagt diese „böswillige“ KI ist noch Jahrhunderte entfernt.

Schon heute übertreffen Algorithmen Radiologen bei der Erkennung bösartiger Tumore und leiten Forscher bei der Zusammenstellung von Kohorten für kostspielige klinische Studien an. Aus verschiedenen Gründen glauben wir jedoch, dass es viele Jahre dauern wird, bis die KI den Menschen für breite medizinische Prozessdomänen ersetzt. In diesem Artikel beschreiben wir sowohl das Potenzial, das KI bietet, um Aspekte der Pflege zu automatisieren, als auch einige der Hindernisse für eine schnelle Implementierung von KI im Gesundheitswesen.

Zu den größten Hindernissen, die Unternehmen daran hindern, KI effektiv in ihren Unternehmen einzusetzen, gehören die Data-Engineering- und Data-Science-Aufgaben, die erforderlich sind, um KI-Fähigkeiten in neue Apps einzubinden oder neue zu entwickeln. Alle führenden Cloud-Anbieter führen ihre eigenen Marken-AI-as-Service-Angebote ein, um die Datenvorbereitung, Modellentwicklung und Anwendungsbereitstellung zu optimieren. Zu den wichtigsten Beispielen gehören AWS AI Services, Google Cloud AI, Microsoft Azure AI-Plattform, IBM AI-Lösungen und Oracle Cloud Infrastructure AI Services. Steigerungen der Rechenleistung und eine Explosion von Daten lösten Ende der 1990er Jahre eine KI-Renaissance aus, die den Weg für die bemerkenswerten Fortschritte in der KI bereitete, die wir heute sehen. Die Kombination von Big Data und erhöhter Rechenleistung hat zu Durchbrüchen in NLP, Computer Vision, Robotik, maschinellem Lernen und Deep Learning geführt. 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.

Theory-of-Mind-KI ist vollständig anpassungsfähig und verfügt über eine umfassende Fähigkeit, vergangene Erfahrungen zu lernen und zu speichern. Zu diesen Arten von KI gehören fortgeschrittene Chat-Bots, die den Turing-Test bestehen und eine Person glauben machen könnten, die KI sei ein menschliches Wesen. Algorithmen spielen oft eine sehr wichtige Rolle in der Struktur der künstlichen Intelligenz, wo einfache Algorithmen in einfachen Anwendungen verwendet werden, während komplexere Algorithmen dabei helfen, eine starke künstliche Intelligenz zu gestalten. Künstliche Narrow Intelligence ist für Sprachassistenten wie Siri, Alexa und Google Assistant von entscheidender Bedeutung. Diese Kategorie umfasst intelligente Systeme, die entwickelt oder trainiert wurden, um bestimmte Aufgaben auszuführen oder bestimmte Probleme zu lösen, ohne ausdrücklich dafür konzipiert zu sein.

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

Es wird in der Genomik, Bild- und Videoverarbeitung, Materialien, Verarbeitung natürlicher Sprache, Robotik, Überwachung des drahtlosen Spektrums und mehr eingesetzt. Diese Technologien müssen vertrauenswürdig sein und für eine verantwortungsvolle Praxis und Nutzung von KI entwickelt werden. Vertrauenswürdige KI-Systeme haben sich als valide und zuverlässig, sicher und belastbar, rechenschaftspflichtig und transparent, erklärbar und interpretierbar, datenschutzfreundlich und fair mit schädlicher Voreingenommenheit erwiesen. Maschinelles Lernen, ein Bereich der künstlichen Intelligenz, ist die Idee, dass sich ein Computerprogramm unabhängig von menschlichem Handeln an neue Daten anpassen kann.

Die neuronalen Netze enthalten eine Reihe von verborgenen Schichten, durch die die Daten verarbeitet werden, sodass die Maschine beim Lernen „tief“ gehen, Verbindungen herstellen und Eingaben gewichten kann, um die besten Ergebnisse zu erzielen. Die KI-Technologie verbessert die Leistung und Produktivität von Unternehmen, indem sie Prozesse oder Aufgaben automatisiert, die früher menschliche Kraft erforderten. Beispielsweise nutzt Netflix maschinelles Lernen, um ein Maß an Personalisierung bereitzustellen, das dem Unternehmen geholfen hat, seinen Kundenstamm um mehr als 25 Prozent zu vergrößern. Deep Learning und maschinelles Lernen unterscheiden sich darin, wie jeder Algorithmus lernt. Deep Learning automatisiert einen Großteil des Teils der Merkmalsextraktion des Prozesses, eliminiert einige der erforderlichen manuellen menschlichen Eingriffe und ermöglicht die Verwendung größerer Datensätze.

Die Erwartungsmaximierung, einer der beliebtesten Algorithmen beim maschinellen Lernen, ermöglicht das Clustering bei Vorhandensein unbekannter latenter Variablen. Mehrere Arbeiten nutzen KI, um uns dazu zu zwingen, uns der grundlegenden Frage zu stellen, was uns zu Menschen macht, und zeigen uns künstliche Wesen, die die Fähigkeit haben, zu fühlen und damit zu leiden. Dies erscheint in Karel Čapeks R.U.R., den Filmen A.I. Künstliche Intelligenz und Ex Machina sowie der Roman Do Androids Dream of Electric Sheep? Dick zieht die Idee in Betracht, dass unser Verständnis der menschlichen Subjektivität durch Technologie verändert wird, die mit künstlicher Intelligenz geschaffen wurde. Isaac Asimov stellte die drei Gesetze der Robotik in vielen Büchern und Geschichten vor, insbesondere in der „Multivac“-Serie über einen superintelligenten Computer gleichen Namens.

Das Folgende ist ein kurzer Überblick über einige der wichtigsten Ereignisse in der KI. Die Technologie der künstlichen Intelligenz nimmt viele Formen an, von Chatbots über Navigations-Apps bis hin zu tragbaren Fitness-Trackern. Die folgenden Beispiele veranschaulichen die Bandbreite potenzieller KI-Anwendungen. Ist auch nicht in der Lage, zukünftige Züge zu bewerten, sondern verlässt sich auf sein eigenes neuronales Netzwerk, um Entwicklungen des aktuellen Spiels zu bewerten, was ihm in einem komplexeren Spiel einen Vorteil gegenüber Deep Blue verschafft.

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.

In Zusammenarbeit mit der KI-Community versucht NIST, die technischen Anforderungen zu identifizieren, die erforderlich sind, um Vertrauen zu schaffen, dass KI-Systeme genau und zuverlässig, sicher und geschützt, erklärbar und frei von Vorurteilen sind. Ein wichtiger, aber noch unzureichend definierter Baustein der Vertrauenswürdigkeit ist die Voreingenommenheit in KI-basierten Produkten und Systemen. Durch die Ausrichtung von Diskussionen und die Durchführung von Forschungsarbeiten trägt NIST dazu bei, uns einer Einigung über das Verständnis und die Messung von Verzerrungen in KI-Systemen näher zu bringen. KI und maschinelles Lernen verändern die Art und Weise, wie die Gesellschaft mit wirtschaftlichen und nationalen Sicherheitsherausforderungen und -chancen umgeht.

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.

Beim maschinellen Lernen wird ein System mit großen Datenmengen trainiert, damit es aus Fehlern lernen und Muster erkennen kann, um genaue Vorhersagen und Entscheidungen zu treffen, unabhängig davon, ob es den spezifischen Daten ausgesetzt war oder nicht. Wie ein Mensch wäre AGI potenziell in der Lage, jede intellektuelle Aufgabe zu verstehen, abstrakt zu denken, aus seinen Erfahrungen zu lernen und dieses Wissen zu nutzen, um neue Probleme zu lösen. Im Wesentlichen sprechen wir von einem System oder einer Maschine mit gesundem Menschenverstand, die derzeit mit keiner Form verfügbarer KI erreichbar ist.

image

Die Global Partnership on Artificial Intelligence wurde im Juni 2020 ins Leben gerufen, um sicherzustellen, dass KI im Einklang mit Menschenrechten und demokratischen Werten entwickelt werden muss öffentliches Vertrauen und Vertrauen in die Technologie. Henry Kissinger, Eric Schmidt und Daniel Huttenlocher veröffentlichten im November 2021 eine gemeinsame Erklärung, in der sie eine Regierungskommission zur Regulierung von KI fordern. Ein Schlüsselbegriff aus der Wirtschaftswissenschaft ist „Nutzen“, ein Maß dafür, wie wertvoll etwas für einen intelligenten Agenten ist. Präzise mathematische Werkzeuge wurden entwickelt, die analysieren, wie ein Agent Entscheidungen treffen und planen kann, indem Entscheidungstheorie, Entscheidungsanalyse und Informationswerttheorie verwendet werden.