Dr. Hubertus Porschen

| Keynote-Speaker | Gründer & Unternehmer

| Experte Digitalisierung, Social-Media & Unternehmertum

| Juror beim "Digital Champions Award" der Wirtschaftswoche

| ehem. Bundesvorsitzender des Verbands "Die Jungen Unternehmer"

Definition künstliche Intelligenz

Eine Definition des Begriffs künstliche Intelligenz ist schwierig, da die Auslegungen sehr unterschiedlich sind. Wir haben einmal die wichtigsten Begrifflichkeiten rund um die künstliche Intelligenz hier aufgeführt. Im Artikel „Fragen und Antworten zur künstlichen Intelligenz“ finden sich auch viele spannende Antworten.

Unter der emotionalen Intelligenz verstehen wir die Fähigkeit, fremde und auch eigene Gefühle wahrzunehmen und zu verstehen sowie diese zu beeinflussen. Klar ist, dass die Fähigkeit der Emotionalen Intelligenz zunehmend an Bedeutung gewinnt, denn wenn künstliche Intelligenz zukünftig Routineaufgaben übernimmt, wächst die Bedeutung der emotionalen Intelligenz. Hierzu gehören Fähigkeiten wie Selbstreflexion und Kommunikationsgeschick, aber auch Beziehungsmanagement.

Wenn man das maschinelle Lernen als Teilbereich der künstlichen Intelligenz sieht, ist das deep learning ein Teilbereich des maschinellen Lernen. Dabei werden neuronale Netze genutzt. Die Basis sind vorhandene Informationen. Durch das neuronale  Netz kann das System das Erlernte immer wieder mit neuen Inhalten verknüpfen und dadurch selbstständig oder wieder lernen. Im Prinzip ist der Mensch hierfür nicht mehr notwendig. Je größer die Datenbestände sind, desto eher lassen sich Muster und Modell ableiten. Deep Learning könnte so gesehen heissen, dass es Maschinen lehrt, zu lernen. Iteration und stetiges Hinterfragen sowie eine Veränderung der Gewichtung – wenn nötig- helfen, die Entscheidungen zu verbessern, die durch deep learning getroffen werden. Der grundlegende Unterschied zum maschinellen Lernen ist, dass der Mensch nicht mehr in die Entscheidungsprozesse eingreift. Der Mensch stellt die Informationen sowie eine Dokumentation der Prozesse zur Verfügung. Gute Beispiele für Deep Learning sind Gesichts-, Objekt- oder Spracherkennung. Ein konkretes Beispiel für Deep Learning Mechanik ist das Übersetzungsprogramm deepl.com.

Ein Prozess oder ein Regelwerk, das in Kalkulationen oder anderen Operationen, die Probleme lösen, genutzt werden, in der Regel durch einen Computer.

Artificial intelligence ist die englische Übersetzung der künstlichen Intelligenz und ein Teilbereich der Informatik. Sie beschäftigt sich mit maschinellem Lernen und der Automatisierung intelligenten Verhaltens.

Siehe auch artificial intelligence. Künstliche Intelligenz definiert sich als (Teil-) Bereich der Informatik. Gegenstand der Künstlichen Intelligenz ist das maschinelle Lernen und die Automatisierung von intelligentem Verhalten.

Neuronale Netzwerke bestehen aus künstlichen Neuronen, die sich aus Eingangs- und Ausgangsneuronen zusammensetzen. Das neuronale Netzwerk ist als ein Abstraktionsmodell des menschlichen Gehirns zu verstehen.

Nehmen Sie das Beispiel einer Ameise. Alleine ist sie aufgeschmissen, als Kolonie sind sie extrem intelligent. Sie reagieren äusserst schnell auf Ihre Umwelt. Es geht demnach bei Schwarmintelligenz um die Macht der Masse. Mithilfe der Schwarmintelligenz lassen sich Trends und Prognosen ableiten. Unternehmen nutzen hierzu Software. Bestes Beispiel für Schwarmintelligenz ist Wikipedia.

Hiermit ist im Bereich der künstlichen Intelligenz die „technologische Singularität“ gemeint, Man versteht darunter meistens den Zeitpunkt, wenn sich Computer so verbessern, dass die Menschheit dahinter zurück bleibt. Die zentrale Frage, die sich dahinter verbirgt, ist ob Künstliche Intelligenz ein Bewusstsein entwickeln kann. Ray Kurzweil hat ausgerechnet, dass unter Berücksichtigung von Moores Law Desktop Computer das menschliche Gehirn überholt hat- bis 2029. Die Singularität kommt spätestens 2045 auf.

Fähigkeit, ein Modell auf Basis von Daten automatisiert zu erlernen.

Überwachtes Lernen: Für eine Trainingsdatenmenge wird vorgegeben, was die richtige Entscheidung ist. Es sind große Mengen notwendig- ebenso eine große Qualität der Trainingsdaten.

unüberwachtes Lernen: Das System analysiert Daten hinsichtlich ihrer Ähnlichkeit. Ein Beispiel kann das Suchen von Klassen sein. Dabei wird vorab nur die Anzahl der gesuchten Klassen vorgegeben.

Reinforcement Learning: Verfahren , die in der Form direkten Feedbacks lernen, allerdings ohne Trainingsbeispiele.

Das sind die wichtigsten Begrifflichkeiten zur künstlichen Intelligenz.

Von |2020-01-20T17:46:39+02:0017. Januar 2020|Alle Beiträge|

Über den Autor:

Dr. Hubertus Porschen ist Geschäftsführer der App-Arena GmbH. Er war zudem Vorsitzender des Verbandes der Jungen Unternehmer (Die Familienunternehmer). Des Weiteren doziert er auf Konferenzen und Tagungen zu Themen rund ums Social Web, Digitalisierung und Innovationsthemen.

Hinterlassen Sie einen Kommentar