Technik: Was bedeutet eigentlich …?

Ausgabe 06/2023

Wir erklären die wichtigsten Begriffe rund um Künstliche Intelligenz. Von Kay Meiners

Algorithmus:

Ein Algorithmus ist ein definiertes Rechenverfahren. Wenn wir in der Schule lernen, schriftlich zu multiplizieren, lernen wir nicht jede Rechnung einzeln, sondern eine allgemeine Rechenregel – einen Algorithmus. Der Begriff geht auf Muhammad Ibn Musa Al-Chwarizmi (latinisiert: ­Algorismi) zurück, einen Mathematiker, der im 9. Jahrhundert in Bagdad lehrte. Er schrieb ein Rechenbuch, das dieses systematische Vorgehen lehrte.

Avatar:

Ein Avatar ist ein Bild oder eine Figur, die in virtuellen Umgebungen oder auf einem Bildschirm einen Menschen oder eine Kunstfigur verkörpert, etwa in Schulungsvideos oder im Kundenservice. Er kann als Schnittstelle zwischen komplexen KI-Anwendungen und Menschen eingesetzt werden. Das Wort stammt aus dem Sanskrit. „Avatara“ bezeichnet dort das Annehmen einer irdischen Gestalt durch eine Gottheit.

Big Data:

Big Data bezeichnet Daten, die in großer Vielfalt, in großen Mengen und mit hoher Geschwindigkeit anfallen. Solche Datensätze sind so chaotisch und so umfangreich, dass Menschen oder auch eine herkömmliche Datenverarbeitung sie nicht mehr bewältigen können. Die Analyse von Big Data, deren Ziel es sein kann, spezielle Muster in den Daten zu finden, erfordert deswegen häufig den Einsatz von KI – und dazu große Mengen an Referenzdaten.

Bildgenerator:

Ein Bildgenerator ist ein Programm, das aufgrund von maschinellem Lernen Bilder aus Textbeschreibungen erzeugt. Diese Bilder können etwa als Illustrationen benutzt werden, zum Beispiel die Roboterfrau in unserer Illus­tration. Generatoren nutzen Bilder aus dem Internet als Trainingsdaten und neuronale Netze, um Wörter als Input in Anordnungen von Pixeln als Output zu transferieren. Sie können völlig neue Konzepte abbilden.

Chatbot:

Ein Chatbot ist ein Dialogsystem, das das Chatten mit einem technischen System erlaubt. Chatbots waren ursprünglich enger mit klassischen Suchmaschinen verwandt als mit KI, doch da sie immer schneller auf immer umfangreichere Datenbestände zugreifen, könnten sie „intelligente“ Dialoge für den Nutzer bieten. Wenn der Chatbot nicht mehr weiter weiß, kann ein echter Mensch den Chat übernehmen.

Deep Learning:

Manche Aufgaben, wie das Lesen einer Handschrift, sind für den Menschen leicht, aber für den Computer schwer. Hier hilft Deep Learning, eine Sonderform des maschinellen Lernens. Verwendet werden künst­liche, „tiefe“ neuronale Netze.  Die erste Schicht verarbeitet eingegebene Roh­daten, wie beispielsweise die einzelnen Pixel eines Bildes. Diese erste Schicht leitet ihre Ausgaben an die nächste Schicht weiter, und so weiter.  Die Hierarchie der Konzepte erlaubt es dem Computer, komplizierte Konzepte zu erlernen, indem er sie aus einfacheren zusammensetzt.

Künstliche Intelligenz:

Künstliche Intelligenz (KI) ist ein Teilgebiet der Informatik, das menschliche kognitive Fähigkeiten imitiert. Diese Fähigkeit kann ­sowohl auf einfachen programmierten Abläufen basieren oder auf maschinellem Lernen. Sie erzeugt eine gewisse Autonomie bei der Interaktion. Gerade beim maschinellen Lernen wurden große Fortschritte gemacht. Das liegt an der Verfügbarkeit großer Daten­mengen und hoher Rechenleistung. Maschinen oder Computer ­benötigen Daten in numerischer Form.

Maschinelles Lernen:

Beim maschinellen Lernen erwirbt ein Algorithmus durch Wieder­holung die Fähigkeit, eine Aufgabe zu erfüllen. Er orientiert sich an einem vorgegebenen Gütekriterium. Anders als bei herkömmlichen Algorithmen wird kein Lösungsweg modelliert. Der Computer wird trainiert, indem der Mensch ihn mit Bildern von Hunden und Katzen „füttert“, damit er lernt, die beiden Konzepte zu unterscheiden. Durch Ausprobieren und Feedback können Roboter auch erlernen, wie sie bestimmte Objekte greifen oder transportieren müssen. 

Mustererkennung:

Mustererkennung ist die Fähigkeit,  in Daten Regelmäßigkeiten, Wiederholungen, Ähnlichkeiten oder Gesetzmäßigkeiten zu erkennen. KI kann Muster in Daten wesentlich schneller und effizienter verarbeiten als der Mensch, wodurch sie zu einem ernst zu nehmenden Konkurrenten wird. Maschinen sind tendenziell genauer bei der Vorhersage zukünftigen Verhaltens.

Wahrscheinlichkeit:

Was für den Menschen normal ist, nämlich, dass die Sonne jeden Tag aufgeht, lernt eine Maschine auf folgende Weise: Am ersten Tag geht die Sonne entweder auf oder nicht: Die Wahrscheinlichkeit eines Sonnenaufgangs liegt bei 50 Prozent. Wenn die Sonne am ersten Tag aufgeht, ändert sich dadurch die Wahrscheinlichkeit für den zweiten Tag. Sie liegt dann bereits bei 66 Prozent. Nach einer Woche liegt sie bei 85,7 Prozent und am Ende des Jahres bei über 99 Prozent. Wichtig beim maschinellen Lernen ist, dass eine kleine Unsicherheit bei der Prognose immer bestehen bleibt.