KI-Wissenschaftsjahr 2019: Was bedeutet was? Ein kleines KI-Glossar
Von neuronalen Netzen und maschinellem Lernen - ein paar Termini rund um "Künstliche Intelligenz" kurz erklärt.
Der Begriff „künstliche Intelligenz“ (KI) löst bei einigen Menschen noch immer Unbehagen aus. Was genau ist das? Was gehört dazu? Wird der Mensch von der Maschine „abgelöst“? Klassische Hollywood Szenarien à la „Terminator“, „Matrix“ und „Transformers“, in denen Roboter die Weltherrschaft übernehmen, stehen heute nicht mehr im Vordergrund. Es wird deutlich, dass KI unser Wirtschaftssystem grundlegend verändern wird. Die Termini, die in dem Feld auftauchen, bleiben oft diffus – ein kurzes Glossar:
Künstliche Intelligenz
„Künstliche Intelligenz“ (KI) – im Englischen „Artificial Intelligence“ (AI) – ist zunächst ein Oberbegriff. Er ist nicht eindeutig, da es schon an einer genauen Definition von „Intelligenz“ mangelt. In der Forschung und Entwicklung wird KI dennoch verwendet. In der Regel ist damit die Erforschung eines intelligenten Problemlösungsverhaltens gemeint. Mithilfe eines Algorithmus wird versucht, bestimmte Entscheidungsstrukturen nachzubilden, sodass ein Computer so programmiert werden kann, dass er eigenständig Probleme bearbeitet, beispielsweise die Fähigkeit, aus Erfahrung zu lernen und Schlussfolgerungen aus unvollständigen Informationen zu ziehen.
Machine Learning
... oder auch im Deutschen „maschinelles Lernen“ ist ein Teilbereich der künstlichen Intelligenz. Mithilfe des maschinellen Lernens sind IT-Systeme fähig, auf Basis vorhandener Datenbestände und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen – und so wiederum Lösungen zu entwickeln. So kann das System auch unbekannte Daten beurteilen. Beispiele sind automatisierte Diagnoseverfahren – etwa in der Medizin – oder das Herausfiltern relevanter Zahlungsdaten bei Rechnungen oder aber die automatische Gesichtserkennung bei Facebook.
Neuronale Netze
„Künstliche neuronale Netze (KNN)“, englisch: „Artificial Neural Networks (ANN)“, sind Netze aus künstlichen Neuronen. Dabei geht es um eine Modellbildung von Informationsverarbeitung und nicht darum, biologische neuronale Netze nachzubilden. Sie sind inspiriert durch das menschliche Gehirn und lassen sich so für künstliche Intelligenz und maschinelles Lernen einsetzen. Das KNN mit seinen besonderen Eigenschaften ist besonders dort wichtig, wo kein oder nur geringes Wissen über ein zu lösendes Problem vorliegt. So etwa bei Texterkennung, Bilderkennung und Gesichtserkennung.
Deep Learning
Hier handelt es sich um einen Teilbereich des Machine Learning, bei dem neuronale Netze sowie große Datenmengen genutzt werden. Zur Herstellung künstlicher Intelligenz werden Trainingsmethoden genutzt, die große Datenmengen heranziehen und analysieren. Inspiriert ist die Funktionsweise von der Art, wie das menschliche Gehirn lernt. Auf der Basis der vorhandenen Informationen und des neuronalen Netzes kann das System das Erlernte immer wieder mit neuen Inhalten verknüpfen und dadurch erneut lernen. Deep Learning ist besonders dort gut geeignet, wo sehr große Datenmengen vorhanden sind, aus denen sich Muster und Modelle ableiten lassen.
NLP
„Natural Language Processing (NLP)“ beschreibt Methoden zur maschinellen Verarbeitung natürlicher Sprache. Das Ziel: die direkte Kommunikation zwischen Mensch und Computer auf Grundlage der natürlichen Sprache. Methoden der Sprachwissenschaften werden mit Informatik und künstlicher Intelligenz kombiniert. Bekannte Beispiele sind die Sprachassistenten „Siri“ oder „Alexa“.
Turing Test
Alan Turing entwickelte 1950 den später nach ihm benannten „Turing Test“. Er formulierte die Idee, wie man feststellen kann, ob eine Maschine ein gleichwertiges Denkvermögen wie der Mensch besitzen könne. Anders gesagt: Ist die Intelligenz eines Systems mit der eines Menschen vergleichbar? Der Test verläuft so, dass ein Tester (C) einem zu testenden System, also einem Computer (A), und einer echten Person (B) gegenübersitzt. Der Computer ebenso wie die Person B versuchen den Tester in aufeinanderfolgenden Konversationen zu überzeugen, dass sie denkende Menschen sind. Kann Person C nicht mehr zweifelsfrei zuordnen, welches Gespräch von dem Menschen und welches von der Maschine geführt wurde, gilt der Test als bestanden und die Intelligenz der Maschine als der des Menschen ebenbürtig.