4 Arten von KI: Künstliche Intelligenz kennenlernen

Read in English (Auf Englisch lesen).

Künstliche Intelligenz (KI) bietet Möglichkeiten, reale Probleme in den Bereichen Gesundheit, Bildung und Umwelt zu lösen. Künstliche Intelligenz kann Aufgaben teilweise effizienter oder methodischer erledigen als menschliche Intelligenz. 

„Intelligente“ Gebäude, Fahrzeuge und andere Technologien können den CO2-Ausstoß senken und Menschen mit Behinderungen unterstützen. Maschinelles Lernen, ein Teilbereich der künstlichen Intelligenz, ermöglicht es Ingenieuren, Roboter und selbstfahrende Autos zu bauen, Sprache und Bilder zu erkennen und Markttrends vorherzusagen. 

Lesen Sie weiter, um mehr über die vier Hauptarten der KI – reaktive KI, KI mit begrenzter Speicherkapazität , Theory of Mind und KI mit Selbsterkenntnis – und ihre Funktionen im Alltag zu erfahren.

Die 4 Arten künstlicher Intelligenz

Lernen im Bereich der KI lässt sich in die Kategorien „schmale künstliche Intelligenz“, „künstliche allgemeine Intelligenz“ und „künstliche Superintelligenz“ einteilen. Diese Kategorien veranschaulichen die Fähigkeiten der KI im Laufe ihrer Entwicklung – die Ausführung eng definierter Aufgaben, die Simulation menschlicher Denkprozesse und Leistungen, die über die menschlichen Fähigkeiten hinausgehen.

Sehen Sie sich dieses Video aus dem IBM- Kurs Einführung in die künstliche Intelligenz (KI) an, um mehr über diese Kategorien zu erfahren:

Arend Hintze, Forscher und Professor für Integrative Biologie an der Michigan State University, definierte vier Haupttypen von KI [1]. Diese lauten wie folgt:

1. Reaktive KI 

Reaktive KI oder Maschinen sind aufgabenspezifische KI-Systeme ohne Gedächtnis. Das bedeutet, dass eine Eingabe immer die gleiche Ausgabe liefert. Machine-Learning-Modelle sind in der Regel reaktive Maschinen, da sie Kundendaten wie Kauf- oder Suchverlauf nutzen, um denselben Kunden Empfehlungen zu unterbreiten. 

Diese Art von KI ist reaktiv. Sie ist eine „ künstliche Superintelligenz“, da der durchschnittliche Mensch nicht in der Lage wäre, riesige Datenmengen wie den gesamten Netflix-Verlauf eines Kunden und Feedback zu individuellen Empfehlungen zu verarbeiten. Reaktive KI ist größtenteils zuverlässig und funktioniert gut in Erfindungen wie selbstfahrenden Autos. Sie kann zukünftige Ergebnisse nur vorhersagen, wenn sie mit den entsprechenden Informationen versorgt wird.

Vergleichen Sie dies mit unserem menschlichen Leben: Die meisten unserer Handlungen sind nicht reaktiv, da wir nicht über alle Informationen verfügen, auf die wir reagieren müssen. Wir haben aber die Fähigkeit, uns zu erinnern und zu lernen. Aufgrund dieser Erfolge oder Misserfolge können wir in Zukunft in einer ähnlichen Situation anders handeln.

Beispiele für reaktive KI

Schachsieg gegen IBMs Supercomputer: Ein herausragendes Beispiel für reaktive KI ist der Sieg von Deep Blue, IBMs Schach-KI-System, gegen Garry Kasparov Ende der 1990er Jahre. Deep Blue konnte seine eigenen und die Figuren seines Gegners auf dem Schachbrett identifizieren und Vorhersagen treffen, verfügt aber nicht über einGedächtnis, um vergangene Fehler für zukünftige Entscheidungen zu nutzen. Es trifft lediglich Vorhersagen basierend auf den nächsten möglichen Zügen beider Spieler und wählt den besten Zug aus. 

Netflix-Empfehlungen: Die Empfehlungsmaschine von Netflix basiert auf maschinellen Lernmodellen, die die aus dem Sehverlauf eines Kunden gesammelten Daten verarbeiten, um bestimmte Filme und Serien zu ermitteln, die ihm gefallen könnten. Menschen sind Gewohnheitstiere – wenn jemand häufig koreanische Serien schaut, zeigt Netflix auf der Startseite eine Vorschau der Neuerscheinungen an.

2. KI mit begrenzter Speicherkapazität

Die nächste KI-Entwicklungsstufe ist die KI mit begrenzter Speicherkapazität. Dieser Algorithmus ahmt die Zusammenarbeit der Neuronen unseres Gehirns nach und wird dadurch intelligenter, je mehr Daten er zum Trainieren erhält. Deep-Learning-Algorithmen verbessern die Verarbeitung natürlicher Sprache (NLP), die Bilderkennung und andere Formen des bestärkenden Lernens.

KI mit begrenzter Speicherkapazität kann im Gegensatz zu reaktiven Maschinen in die Vergangenheit blicken und bestimmte Objekte oder Situationen über einen längeren Zeitraum beobachten. Diese Beobachtungen werden dann in die KI einprogrammiert, sodass ihre Handlungen sowohl auf Basis vergangener als auch aktueller Daten ausgeführt werden können. Im begrenzten Speicher werden diese Daten jedoch nicht als lernfähige Erfahrungen gespeichert, so wie Menschen aus ihren Erfolgen und Misserfolgen Bedeutung ableiten. Die KI verbessert sich mit der Zeit, da sie mit mehr Daten trainiert wird.

Beispiel für künstliche Intelligenz mit begrenzter Speicherkapazität

Selbstfahrende Autos: Ein gutes Beispiel für KI mit begrenzter Speicherkapazität ist die Art und Weise, wie selbstfahrende Autos andere Autos auf der Straße hinsichtlich Geschwindigkeit, Richtung und Nähe beobachten. Diese Informationen sind als Repräsentation der Welt im Auto programmiert, beispielsweise durch die Kenntnis von Ampeln, Schildern, Kurven und Unebenheiten auf der Straße. Die Daten helfen dem Auto bei der Entscheidung, wann es die Spur wechseln muss, um nicht von einem anderen Fahrer angefahren oder geschnitten zu werden. 

3. Theory of Mind 

Die ersten beiden KI-Arten – reaktive KI und KI mit begrenzter Speicherkapazität – existieren bereits. Theory of Mind und KI mit Selbsterkenntnis sind theoretische Typen, die in Zukunft entwickelt werden könnten. Daher gibt es noch keine realen Beispiele.

Wenn sie weiterentwickelt wird, könnte die KI auf der Grundlage der Theory of Mind das Potenzial haben, die Welt und die Gedanken und Gefühle anderer Wesen zu verstehen. Dies wiederum beeinflusst ihr Verhalten gegenüber ihren Mitmenschen.

Menschliche kognitive Fähigkeiten ermöglichen es zu verarbeiten, wie unsere eigenen Gedanken und Emotionen andere beeinflussen und wie die der anderen uns beeinflussen – dies bildet die Grundlage menschlicher Beziehungen in unserer Gesellschaft. Zukünftig könnten KI-Maschinen auf der Grundlage der Theory of Mind Absichten verstehen und Verhalten vorhersagen, als würden sie menschliche Beziehungen simulieren.

Welche Art von KI ist ChatGPT?

ChatGPT ist ein Beispiel für generative KI, eine Art künstlicher Intelligenz, die auf großen Sprachmodellen (LLMs) basiert, die durch das Training von Algorithmen mit riesigen Datenmengen erstellt werden. Generative KI ist in der Lage, als Reaktion auf Benutzereingaben oder „Eingabeaufforderungen“ originelle Ergebnisse zu erzeugen. Die Fähigkeit von ChatGPT, Antworten zu erzeugen, die der menschlichen Sprache ähneln, hat es zu einem gängigen KI-Typ gemacht, der für Chatbots und virtuelle Assistenten verwendet wird.

Tools wie ChatGPT, Google Gemini oder Microsoft Copilot erzeugen zwar Antworten, die den Eindruck einer KI mit Selbsterkenntnis erwecken, sind es aber nicht. Vielmehr sind ihre Antworten lediglich das Ergebnis des Algorithmus, der anhand seiner Trainingsdaten und der Eingabeaufforderung des Benutzers das statistisch wahrscheinlichste Ergebnis ermittelt.

4. KI mit Selbsterkenntnis 

Das große Finale der KI-Entwicklung wäre die Entwicklung von Systemen mit Selbsterkenntnis, ein bewusstes Verständnis ihrer Existenz. Diese Art von KI existiert noch nicht.

Dies geht einen Schritt über die Theorie der KI und das Verstehen von Emotionen hinaus und führt dazu, dass sich Menschen ihrer selbst und ihres Zustands bewusst werden und die Gefühle anderer spüren oder vorhersagen können. Beispielsweise wird aus „Ich habe Hunger“ „Ich weiß, dass ich Hunger habe“ oder „Ich möchte Lasagne essen, weil das mein Lieblingsessen ist.“ 

Künstliche Intelligenz und Algorithmen des maschinellen Lernens sind noch weit von der Fähigkeit zur Selbsterkenntnis entfernt, da es über die Intelligenz des menschlichen Gehirns und die Funktionsweise von Gedächtnis, Lernen und Entscheidungsfindung noch so viel zu erforschen gibt.

Erfahren Sie mehr über künstliche Intelligenz auf Coursera

KI-Wissen kann faszinierend und spannend sein, auch wenn Sie kein KI-Ingenieur werden möchten. Egal, ob Sie Ihre Produktivität am Arbeitsplatz steigern oder eine Karriere im KI-Bereich anstreben – Coursera hat das Richtige für Sie:

Einen Überblick über KI erhalten Sie im Kurs KI für jedenvon DeepLearning.AI. Der Kurs richtet sich an Laien und vermittelt KI-Kenntnisse. Er behandelt gängige Begriffe wie neuronale Netze, maschinelles Lernen, Deep Learning und Data Science. Sie lernen, wie Sie gemeinsam mit einem KI-Team eine KI-Strategie für Ihr Unternehmen entwickeln und vieles mehr. 

Um das Potenzial generativer KI voll auszuschöpfen, sollten Sie sich für die IBM Spezialisierung Grundlagen der Generativen KI anmelden . Lernen Sie grundlegende Konzepte, Modelle, Tools und KI-Anwendungen kennen, um Ihre Produktivität im Beruf und im Privatleben zu steigern.

Um Ihre vorhandenen KI-Kenntnisse zu erweitern, erkunden Sie das IBM Deep Learning mit PyTorch, Keras und Tensorflow Zertifikat. Lernen Sie in diesem Programm für Fortgeschrittene, Deep-Learning-Modelle zu erstellen, zu trainieren und einzusetzen.