KI für Beginner
Jeder muss einmal anfangen.
Starten Sie heute mit den Grundbegriffen der KI!
Was ist KI?
Künstliche Intelligenz (KI) ist die Befähigung von Maschinen menschliche Fähigkeiten wie logisches Denken, Wahrnehmen oder Kreativität zu imitieren. Wesentliche Merkmale solcher Systeme sind, dass sie in Hinblick auf ihre Aufgabe ihre Umgebung wahrnehmen, die Eindrücke verarbeiten und daraus Schlussfolgerungen ziehen können. Dadurch erhalten sie die Fähigkeit auch unter gewissen Unsicherheiten die Aufgabe, für die sich gebaut sind, lösen zu können.
Seit einem halben Jahrhundert gibt es mehrere Herangehensweisen, um Maschinen solche Fähigkeiten beizubringen. Beispielsweise, dass Menschen systematisch Regeln zur Lösung bestimmter Aufgaben für Computer formulieren. Oder, dass sie Fachwissen in eine logisch strukturierte Form bringen, die Maschinen mit einfachen Regeln verarbeiten können. Es hat sich aber gezeigt, dass diese Methoden nur begrenzt nutzbare Ergebnisse bringen.
Was ist Maschinelles Lernen?
Und warum sind Daten so wichtig?
In den letzten 20 Jahren hat sich Maschinelles Lernen als zentrale Technologie zur Entwicklung von KI durchgesetzt. Dabei lernen Computer die Muster und Regeln zur Lösung einer Aufgabe, indem sie eine große Menge an Beispieldaten durcharbeiten und auf diese Weise die statistischen Zusammenhänge und Regeln selbst finden. Machine Learning Algorithmen bezeichnen dabei die Programme, mit denen die Daten durchgearbeitet werden, um diese Zusammenhänge zu Lösung der gestellten Aufgabe aus den Beispieldaten abzuleiten.
Diese statistischen Muster werden dann in Form komplexer Formeln in einem Modell abgelegt. Das Modell kann dann die Aufgabe, auf die es trainiert wurde, auf neue Daten anwenden. Der Prozess, diese Muster und Regeln aus Beispieldaten mittels Algorithmen zu finden wird Training genannt.
Was bedeutet Deep Learning und Neuronale Netzwerke?
Damit konnten in den letzten Jahren KIs erstellt werden, die Probleme lösen, deren Regeln für den Menschen zu komplex wären, um sie zu formulieren (zB Sprachgenerierung) oder einfach nicht bekannt sind (zB Prognose in unterschiedlichen Bereichen wie Vorhersage von Aktienkursen). Mittels Maschinellem Lernen können Computer aus ausreichend Beispieldaten diese Muster selbst finden.
Neuronale Netze sind unter den Maschine Learning Algorithmen, die Daten auf Regeln untersuchen, die leistungsfähigste Technik, die es aktuell gibt. Deep Learning bezeichnet das Arbeiten mit Neuronalen Netzen, wenn sie eine gewisse Größe und damit Leistungsfähigkeit haben. Die Verarbeitung bestimmter Daten wie Bilder, Sprache oder Audiodaten verlangen tendenziell dieses Niveau an technischer Leistungsfähigkeit. Mit Deep Learning konnten daher in diesen Bereichen besonders viele Fortschritte erzielt werden.
Besonders das Verarbeiten von sequentiellen Daten durch Neuronale Netze war lange Zeit schwierig. Damit sind Daten gemeint, bei denen ein Datenpunkt vom letzten abhängt, wie Sprache oder Aktienkurse. Transformatoren sind eine spezielle Architektur von Neuronalen Netzen, die genau für die Lösung dieser Aufgaben entwickelt wurde und heute Produkten wie ChatGPT zugrunde liegen.
Was ist Generative KI?
Die meisten KI-Systeme werden dafür gebaut, um anhand der gelernten Muster von zB Katzen- und Hundebildern zu erkennen, ob ein neues Bild eine Katze oder einen Hund zeigt. Generative KI wird gebaut, um auf Basis der aus den Beispieldaten erkannten Muster neue Daten zu erzeugen, die den Beispieldaten möglichst gut ähneln. Auf diese Weise können u.a. Texte, Bilder, Audiodaten, tabellarische Daten oder neue Proteinstrukturen nach gegebenen Vorbildern generiert werden.
Große Sprachmodelle/Large Language Models sind aktuell in aller Munde. Sie bezeichnen Modelle, die mittels Transformatoren erstellt und mit Sprachdaten trainiert wurden. Typischerweise sind sie über Texteingabe steuerbar. ChatGPT ist ein konkretes Produkt auf Basis dieser Technologie.
