Was Ist KI? Alles Wissenswerte Über Künstliche Intelligenz

Inhaltsverzeichnis

image

Weitere Informationen zur Debatte über künstliche Intelligenz finden Sie auf ProCon.org. Die Regulierung der künstlichen Intelligenz ist die Entwicklung von Richtlinien und Gesetzen des öffentlichen Sektors zur Förderung und Regulierung der künstlichen Intelligenz; es hängt daher mit der breiteren Regulierung von Algorithmen zusammen. Die regulatorische und politische Landschaft für KI ist ein aufkommendes Problem in Rechtsordnungen weltweit. Zwischen 2016 und 2020 verabschiedeten mehr als 30 Länder spezielle Strategien für KI. Die meisten EU-Mitgliedstaaten hatten nationale KI-Strategien veröffentlicht , ebenso wie Kanada, China, Indien, Japan, Mauritius, die Russische Föderation, Saudi-Arabien, die Vereinigten Arabischen Emirate, die USA und Vietnam. Andere waren dabei, ihre eigene KI-Strategie auszuarbeiten, darunter Bangladesch, Malaysia und Tunesien.

Autonome Fahrzeuge verwenden eine Kombination aus Computervision, Bilderkennung und Deep Learning, um automatisierte Fähigkeiten Keynote Speaker Künstliche Intelligenz aufzubauen, um ein Fahrzeug zu steuern, während es auf einer bestimmten Fahrspur bleibt und unerwarteten Hindernissen wie Fußgängern ausweicht. Starke KI, auch bekannt als künstliche allgemeine Intelligenz, beschreibt eine Programmierung, die die kognitiven Fähigkeiten des menschlichen Gehirns nachbilden kann. Bei einer unbekannten Aufgabe kann ein starkes KI-System Fuzzy-Logik verwenden, um Wissen aus einer Domäne auf eine andere anzuwenden und autonom eine Lösung zu finden. Theoretisch sollte ein starkes KI-Programm in der Lage sein, sowohl einen Turing-Test als auch das Argument des chinesischen Raums zu bestehen. Das grundlegende Ziel der KI ist es, Computer und Maschinen in die Lage zu versetzen, intellektuelle Aufgaben wie Problemlösung, Entscheidungsfindung, Wahrnehmung und Verständnis menschlicher Kommunikation auszuführen.

Hier finden Sie Karriereleitfäden, technische Tutorials und Branchennachrichten, um sich über die sich schnell verändernde Welt der Technik und Wirtschaft auf dem Laufenden zu halten. Wir leben derzeit in den größten Fortschritten der künstlichen Intelligenz in der Geschichte. Es hat sich als das Nächstbeste in der Technologie herausgestellt und die Zukunft fast jeder Branche beeinflusst. Aufgrund der steigenden Nachfrage besteht ein größerer Bedarf an Fachkräften im Bereich der KI. Bis zum Jahr 2023 sollen laut WEF 133 Millionen neue Arbeitsplätze durch künstliche Intelligenz geschaffen werden.

Roboter werden häufig verwendet, um Aufgaben auszuführen, die für Menschen schwierig oder konsistent auszuführen sind. Roboter werden beispielsweise in Fließbändern für die Autoproduktion oder von der NASA eingesetzt, um große Objekte im Weltraum zu bewegen. Forscher verwenden maschinelles Lernen auch, um Roboter zu bauen, die in sozialen Umgebungen interagieren können. Die virtuellen digitalen Assistenten haben die Art und Weise verändert, wie wir unsere täglichen Aufgaben erledigen.

  • Neuronale Netze können interne Parameter optimieren, um zu ändern, was sie ausgeben.
  • 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.
  • Aber es ist auch wichtig, hinter die Ergebnisse der KI zu schauen und zu verstehen, wie die Technologie funktioniert und welche Auswirkungen sie auf diese und zukünftige Generationen hat.
  • Organisationen sollten über Risikorahmen und Notfallpläne für den Fall eines Problems verfügen.
  • Beispielsweise kann man sich leicht eine farbenblinde Person vorstellen, die gelernt hat, zu erkennen, welche Objekte in ihrem Sichtfeld rot sind, aber es ist nicht klar, was erforderlich wäre, damit die Person weiß, wie Rot aussieht.

image

Zu den moderaten Erfolgen im Zusammenhang mit Affective Computing gehören textuelle Sentimentanalysen und in jüngerer Zeit multimodale Sentimentanalysen, bei denen KI die Affekte klassifiziert, die von einem auf Video aufgenommenen Subjekt gezeigt werden. Viele Forscher begannen zu bezweifeln, dass der symbolische Ansatz in der Lage sein würde, alle Prozesse der menschlichen Kognition zu imitieren, insbesondere Wahrnehmung, Robotik, Lernen und Mustererkennung. Eine Reihe von Forschern begann, sich mit „subsymbolischen“ Ansätzen für spezifische KI-Probleme zu befassen. Robotikforscher wie Rodney Brooks lehnten die symbolische KI ab und konzentrierten sich auf die grundlegenden technischen Probleme, die es Robotern ermöglichen würden, sich zu bewegen, zu überleben und ihre Umgebung zu lernen. Neue generative KI-Tools können verwendet werden, um Anwendungscode basierend auf Eingabeaufforderungen in natürlicher Sprache zu erstellen, aber diese Tools befinden sich noch in den Anfängen und es ist unwahrscheinlich, dass sie Softwareentwickler bald ersetzen werden. KI wird auch zur Automatisierung vieler IT-Prozesse eingesetzt, darunter Dateneingabe, Betrugserkennung, Kundenservice sowie vorausschauende Wartung und Sicherheit.

Forscher und Entwickler auf diesem Gebiet machen überraschend schnelle Fortschritte bei der Nachahmung von Aktivitäten wie Lernen, Denken und Wahrnehmung, soweit diese konkret definiert werden können. Einige glauben, dass Innovatoren bald in der Lage sein könnten, Systeme zu entwickeln, die die Fähigkeit des Menschen, ein Thema zu lernen oder zu begründen, übersteigen. Aber andere bleiben skeptisch, weil jede kognitive Aktivität von Werturteilen durchzogen ist, die der menschlichen Erfahrung unterliegen. Als Teil der Familie des maschinellen Lernens beinhaltet Deep Learning das Training künstlicher neuronaler Netze mit drei oder mehr Schichten, um verschiedene Aufgaben auszuführen. Diese neuronalen Netze werden zu weitläufigen Netzen mit einer großen Anzahl tiefer Schichten erweitert, die mit riesigen Datenmengen trainiert werden.

Künstliche Neurale Netzwerke

Starke künstliche Intelligenzsysteme sind Systeme, die die als menschenähnlich angesehenen Aufgaben ausführen. Sie sind darauf programmiert, Situationen zu bewältigen, in denen sie möglicherweise Probleme lösen müssen, ohne dass eine Person eingreift. Solche Systeme finden sich in Anwendungen wie selbstfahrenden Autos oder in Operationssälen von Krankenhäusern.

Länder müssen darauf achten, ihre eigenen Systeme zu schützen und andere Nationen davon abzuhalten, ihre Sicherheit zu gefährden.72 Nach Angaben des US-Heimatschutzministeriums erhält eine große amerikanische Bank wöchentlich rund 11 Millionen Anrufe in ihrem Servicezentrum. Eine Kombination dieser Ansätze würde den Datenzugriff für Forscher, die Regierung und die Geschäftswelt verbessern, ohne die Privatsphäre zu beeinträchtigen. Wie Ian Buck, der Vizepräsident von NVIDIA, feststellte, „sind Daten der Treibstoff, der die KI-Engine antreibt.

KI-Unternehmen Mit Künstlicher Intelligenz, Die Sie Kennen Sollten

KI ist ein Konzept, das es formal seit den 1950er Jahren gibt, als es als die Fähigkeit einer Maschine definiert wurde, eine Aufgabe auszuführen, die zuvor menschliche Intelligenz erfordert hätte. Dies ist eine ziemlich weit gefasste Definition, die im Laufe der Jahrzehnte der Forschung und des technologischen Fortschritts modifiziert wurde. Selbstbewusstsein in der KI beruht sowohl darauf, dass menschliche Forscher die Prämisse des Bewusstseins verstehen, als auch lernen, wie man es repliziert, damit es in Maschinen eingebaut werden kann.

Entwickler nutzen künstliche Intelligenz, um Aufgaben, die sonst manuell erledigt werden, effizienter auszuführen, mit Kunden in Kontakt zu treten, Muster zu erkennen und Probleme zu lösen. Um mit KI zu beginnen, sollten Entwickler einen mathematischen Hintergrund haben und sich mit Algorithmen auskennen. Jahrzehnte vor dieser Definition wurde jedoch die Geburtsstunde der Diskussion um künstliche Intelligenz durch Alan Turings wegweisendes Werk „Computing Machinery and Intelligence“ (PDF, 89,8 KB) bezeichnet, das 1950 veröffentlicht wurde. Obwohl dieser Test seit seiner Veröffentlichung vielen Untersuchungen unterzogen wurde, bleibt er ein wichtiger Teil der Geschichte der KI sowie ein fortlaufendes Konzept innerhalb der Philosophie, da er Ideen rund um die Linguistik nutzt.

Maschinen mit Intelligenz haben das Potenzial, ihre Intelligenz zu nutzen, um ethische Entscheidungen zu treffen. Das Gebiet der Maschinenethik stellt Maschinen ethische Prinzipien und Verfahren zur Lösung ethischer Dilemmata zur Verfügung. Maschinenethik wird auch als Maschinenmoral, Computerethik oder Computermoral bezeichnet und wurde 2005 auf einem AAAI-Symposium gegründet. Computationalism ist die Position in der Philosophie des Geistes, dass der menschliche Geist ein Informationsverarbeitungssystem ist und dass Denken eine Form des Rechnens ist.

Jeder wird mit Datenbanken gefüttert, um zu lernen, was er ausgeben soll, wenn ihm während des Trainings bestimmte Daten präsentiert werden. Stellen Sie sich eine Gruppe von Robotern vor, die zusammenarbeiten, um ein Rätsel zu lösen. Jeder ist so programmiert, dass er eine andere Form oder Farbe in den Puzzleteilen erkennt. Im Trainingsprozess verarbeiten LLMs Milliarden von Wörtern und Sätzen, um Muster und Beziehungen zwischen ihnen zu lernen, wodurch die Modelle in der Lage sind, menschenähnliche Antworten auf Eingabeaufforderungen zu generieren. Beim Reinforcement Learning versucht das System, eine Belohnung basierend auf seinen Eingabedaten zu maximieren, indem es im Grunde einen Trial-and-Error-Prozess durchläuft, bis es zum bestmöglichen Ergebnis kommt.