Direkt zum Inhalt

Die Landesbehörde für Cybersicherheit in Baden-Württemberg

Was ist Künstliche Intelligenz?

Bereits heute nutzen wir, bewusst und unbewusst, im Alltag zahlreiche KI-Anwendungen. Dennoch stellt sich die Frage, was verbirgt sich hinter dem Begriff „Künstliche Intelligenz“ (KI) und wie funktioniert diese?
Stilisiertes Bild: Gehirn übersetzt Informationen in binäre Sprache

© Adobe Stock

Stellen Sie sich vor, Sie sprechen mit einem Computerprogramm, das Ihre Fragen versteht und intelligent antwortet. Oder Sie sehen, wie ein Roboter komplexe Aufgaben ausführt, die bisher nur Menschen bewältigen konnten. Vielleicht nutzen Sie sogar eine App, die Ihre persönlichen Vorlieben kennt und Ihnen maßgeschneiderte Empfehlungen gibt. All dies sind Beispiele für Künstliche Intelligenz  – eine Technologie, die unsere Welt revolutioniert und die Grenzen zwischen menschlicher und maschineller Intelligenz verwischt.

Systeme, die mit Künstlicher Intelligenz arbeiten, basieren auf umfangreichen Datensätzen, die zum Training der Algorithmen verwendet werden. Je besser die Qualität und Quantität der Trainingsdatensätzen ist, um so leistungfähiger ist das KI-System.
Künstliche Intelligenz, oft auch als „AI“ (Artificial Intelligence) bezeichnet, ist ein Bereich der Informatik, der sich mit der Entwicklung von Systemen befasst, die menschenähnliche Intelligenz simulieren. Diese Systeme können lernen, Probleme lösen, Muster erkennen und in einigen Fällen sogar kreativ sein.

Erklärvideo Künstliche Intelligenz

© CSBW

Arten von Künstlicher Intelligenz

Grundsätzlich lassen sich bekannte KI-Systeme in zwei Arten unterscheiden: die dialogorientierte Künstliche Intelligenz und die generative Künstliche Intelligenz. 

  • Die dialogorientierte Künstliche Intelligenz wird auch Conversational AI genannt. Diese Art von KI ist auf die Kommunikation mit Menschen ausgelegt. Dementsprechend kann die KI die menschliche Sprache verstehen und beantworten.  Bekannte Einsatzzwecke dieser KI-Systeme sind Chatbots auf Webseiten oder virtuelle Assistenten (Sprachassistenzsysteme) wie beispielsweise Siri oder Alexa. Die eingesetzte Künstliche Intelligenz kann natürliche Gespräche führen, Fragen beantworten oder Aufgaben umsetzen.

  • Die zweite Art stellt die Generative Künstliche Intelligenz, auch Generative AI genannt, dar. Diese Künstliche Intelligenz kann neue Inhalte erschaffen, die in dieser Form bisher nicht existieren. Dementsprechend kann sie neue Inhalte in verschiedenen Medienformaten erschaffen wie beispielsweise Texte, Bilder, Videos, Musik und anderen Audioinhalte. 

Dennoch ist der Übergang zwischen beiden Arten von KI fließend und nicht immer eindeutig trennbar. Beispielsweise kann ein chatbasierter Assist auf einer Webseite sowohl dialogorientierte als auch generative Fähigkeiten haben – in dem dieser Gespräche führt und gleichzeitig neue Inhalte erzeugt.

Kategorien und Bereiche von KI-Systemen

KI-Systeme können in verschiedene Kategorien eingeteilt werden, abhängig von ihrer Komplexität und ihren Fähigkeiten:

  • Regelbasierte Systeme sind die einfachsten Formen von KI. Sie folgen vordefinierten Regeln, um Aufgaben zu erfüllen oder Entscheidungen zu treffen.

  • Maschinelles Lernen ist der Bereich der KI, der in den letzten Jahren die größten Fortschritte gemacht hat. Es basiert auf der Idee, dass Systeme aus Daten lernen und ihre Leistung verbessern können, ohne explizit programmiert zu werden.

     

    Es gibt drei Hauptarten des maschinellen Lernens:

     

    Überwachtes Lernen

    Hier wird das System mit gekennzeichneten Daten trainiert. Es lernt, Muster zu erkennen und Vorhersagen für neue, ungesehene Daten zu treffen. Ein Beispiel wäre ein System, das lernt, Spam-E-Mails zu erkennen, basierend auf einer großen Anzahl von E-Mails, die als Spam oder Nicht-Spam gekennzeichnet sind.

     

    Unüberwachtes Lernen

    Bei dieser Methode arbeitet das System mit ungelabelten Daten und versucht, eigenständig Muster oder Strukturen zu erkennen. Dies wird oft für Clustering-Aufgaben verwendet, wie beispielsweise die Segmentierung von Kunden in verschiedene Gruppen basierend auf ihrem Kaufverhalten.

     

    Verstärkendes Lernen

    Hier lernt das System durch Interaktion mit seiner Umgebung. Es führt Aktionen aus und erhält Belohnungen oder Bestrafungen, basierend auf den Ergebnissen. Dies wird häufig in der Robotik und bei der Entwicklung von KI für Spiele verwendet.

     

  • Neuronale Netze sind eine Klasse von Algorithmen, die vom menschlichen Gehirn inspiriert sind. Sie bestehen aus miteinander verbundenen „Neuronen“, die Informationen verarbeiten und weiterleiten. 

     

    Deep Learning ist ein Teilbereich des maschinellen Lernens, der auf besonders komplexen neuronalen Netzen basiert.

     

    Ein typisches neuronales Netz besteht aus mehreren Schichten:

     

    1. Eingabeschicht: Nimmt die Rohdaten auf.
    2. Versteckte Schichten: Verarbeiten die Informationen. Deep-Learning-Netze haben oft viele solcher Schichten, daher der Name „tief“.
    3. Ausgabeschicht: Liefert das Endergebnis.

     

    Deep Learning hat zu bahnbrechenden Fortschritten in Bereichen wie Bilderkennung, Sprachverarbeitung und Spielintelligenz geführt. Ein berühmtes Beispiel ist AlphaGo, ein von DeepMind entwickeltes System, das den weltbesten Go-Spieler besiegte – eine Leistung, die viele Experten für unmöglich hielten.

     

  • Dies ist das Ziel, menschenähnliche Intelligenz zu schaffen, die in der Lage ist, jede intellektuelle Aufgabe zu bewältigen, die ein Mensch ausführen kann. AGI existiert derzeit nur als theoretisches Konzept.

Weiterführende Informationen