Tauchen Sie ein in die faszinierende Welt der Künstlichen Intelligenz mit diesem Glossar! Von Algorithmen bis zu neuronalen Netzen – wir entschlüsseln die Geheimnisse, die hinter den Schlagwörtern stecken. (Diese Webseite wird laufend mit den neuen Fachbegriffen erweitert.)
Informationen gemäss 6.2.2024
Glossar, Definition der Künstlichen Intelligenz
- Algorithmen
Algorithmen sind eine Reihe von Anweisungen oder Regeln, die in einer bestimmten Reihenfolge ausgeführt werden, um eine Aufgabe zu erledigen oder ein Problem zu lösen. Sie können in verschiedenen Kontexten angewendet werden, einschliesslich Mathematik, Informatik und Datenanalyse. Algorithmen können einfach sein wie das Addieren von zwei Zahlen oder komplex wie das Analysieren von grossen Datensätzen. Sie sind die Grundlage für die meisten Computerprogramme und viele technologische Systeme. - Artificial General Intelligence (AGI)
bezieht sich auf Maschinen, die die Fähigkeit besitzen, jede intellektuelle Aufgabe zu erledigen, die ein menschliches Wesen ausführen kann. Im Gegensatz zu spezialisierter künstlicher Intelligenz, die für bestimmte Aufgaben optimiert ist, kann AGI lernen, sich anpassen und in verschiedenen Domänen agieren. AGI würde theoretisch in der Lage sein, komplexe Probleme zu lösen, kreative Ideen zu entwickeln und sogar Emotionen zu verstehen. Bislang ist AGI jedoch ein Ziel, das bisher nicht erreicht wurde. - ChatGPT
ist ein künstliches Intelligenz-Modell, das auf der GPT-Architektur (Generative Pretrained Transformer) basiert. Es wurde von OpenAI entwickelt und ist darauf trainiert, menschenähnliche Texte zu generieren. Das Modell kann Fragen beantworten, Diskussionen führen, Texte schreiben und viele andere textbasierte Aufgaben ausführen. Die GPT-Architektur verwendet Transformer-Netzwerke und ist ein Beispiel für Deep Learning. Das Modell wird zunächst auf einer grossen Menge von Textdaten vortrainiert, um die Struktur der Sprache zu verstehen. Anschliessend kann es für spezifische Aufgaben weiter trainiert oder direkt eingesetzt werden. ChatGPT findet Anwendung in verschiedenen Bereichen wie Kundenservice, Content-Erstellung, Sprachassistenten und mehr. Es ist eines der fortschrittlichsten Modelle seiner Art und wird kontinuierlich weiterentwickelt, um seine Leistung und Vielseitigkeit zu verbessern. - Deep Learning
ist ein Teilbereich des maschinellen Lernens, der sich auf Algorithmen stützt, die auf künstlichen neuronalen Netzen basieren. Insbesondere werden tief gestaffelte Netzwerke verwendet, daher der Name „Deep Learning“. Diese Technologie ist inspiriert von der Funktionsweise des menschlichen Gehirns und versucht, ähnliche Entscheidungsstrukturen nachzubilden. Im Deep Learning werden Daten durch mehrere Schichten eines neuronalen Netzwerks geführt, wobei jede Schicht spezifische Merkmale der Daten erkennt und extrahiert. Dies ermöglicht es dem Modell, komplexe Muster in den Daten zu erkennen und für vielfältige Anwendungen wie Bild- und Spracherkennung, natürliche Sprachverarbeitung und sogar autonomes Fahren zu nutzen. Die Leistungsfähigkeit von Deep Learning hat in den vergangenen Jahren zu bedeutenden Fortschritten in verschiedenen Technologiebereichen geführt. - Generative KI
Der Begriff „Generative Künstliche Intelligenz“ bezieht sich auf KI-Systeme, die in der Lage sind, neue Daten zu erzeugen, die den Trainingsdaten ähnlich sind. Diese Art von KI wird häufig in Bereichen wie Bild- und Textgenerierung, Musikkomposition und sogar in der Erstellung von Videospielszenarien eingesetzt. Generative Modelle, wie Generative Adversarial Networks (GANs) oder Variational Autoencoders (VAEs), sind Beispiele für Technologien in diesem Bereich. GANs bestehen aus zwei Netzwerken: einem Generator, der neue Daten erzeugt, und einem Diskriminator, der versucht, echte von gefälschten Daten zu unterscheiden. Durch den Wettbewerb zwischen diesen beiden Netzwerken verbessert sich die Qualität der generierten Daten. Generative KI hat Anwendungen in vielen Bereichen, einschliesslich Kunst, Medizin und Automatisierung. Sie ermöglicht es, realistische Simulationen zu erstellen, personalisierte Inhalte zu generieren und komplexe Muster in Daten zu erkennen. - Inpainting
bezeichnet eine Technik in der Bildbearbeitung, die darauf abzielt, beschädigte oder fehlende Bereiche eines Bildes wiederherzustellen. Das Hauptziel dieser Methode ist die Erstellung eines bearbeiteten Bildes, bei dem für den Betrachter nicht ersichtlich ist, dass Modifikationen durchgeführt wurden. - Künstliche neuronale Netze (KNN)
sind Modelle des maschinellen Lernens, die von der Struktur und Funktion des menschlichen Gehirns inspiriert sind. Sie bestehen aus Knoten (Neuronen), die in Schichten organisiert sind. Diese Schichten sind typischerweise in Eingabe-, versteckte und Ausgabeschichten unterteilt. Die Neuronen sind durch Gewichtungen verbunden, die im Lernprozess angepasst werden. KNN werden für eine Vielzahl von Aufgaben eingesetzt, darunter Bild- und Spracherkennung, Textanalyse und sogar Spielstrategie. Sie sind besonders nützlich für komplexe Probleme, bei denen traditionelle Algorithmen versagen. Es gibt verschiedene Arten von KNN, einschliesslich Feedforward-Netzwerken, Rekurrenten Neuronalen Netzen und Convolutional Neural Networks, die jeweils für spezifische Anwendungen optimiert sind. - Künstliche Intelligenz (KI) / Artificial Intelligence (AI)
Kurz gefasst nutzen KI-Systeme eine der menschlichen Intelligenz ähnliche Fähigkeit, um komplexe Probleme zu lösen. Sie analysieren riesige Datenmengen, identifizieren Muster und treffen Entscheidungen. Technologien wie maschinelles Lernen, neuronale Netze und Deep Learning bilden das Fundament der KI. Sie haben sicherlich bemerkt, dass KI zahlreiche Aspekte unseres Alltags transformiert und sich stetig weiterentwickelt. Wöchentlich kommen innovative Tools, Methoden und Algorithmen hinzu. Interessanterweise existiert KI schon seit einiger Zeit; denken Sie nur an ELIZA, den 1966 am MIT kreierten Chatbot, der Psychotherapie-Gespräche nachahmen sollte. Bevor wir uns aktuelle Tools genauer ansehen, bieten wir Ihnen einen Überblick über gängige Definitionen, um Ihnen die Orientierung im Dickicht der Fachbegriffe zu erleichtern.
- LLM
Ein Large Multimodal Model (Grosses Multimodales Modell) ist ein KI-Modell, das in der Lage ist, mehrere Arten von Daten gleichzeitig zu verarbeiten, wie Text, Bilder und Ton. Durch die Kombination verschiedener Datenquellen kann das Modell komplexere Aufgaben lösen und bessere Vorhersagen treffen als Modelle, die nur auf eine einzige Datenart spezialisiert sind. Diese Modelle nutzen fortgeschrittene Algorithmen und Techniken aus dem Bereich des maschinellen Lernens und der künstlichen Intelligenz, um die verschiedenen Datenformate effizient zu integrieren und zu analysieren. Sie finden Anwendung in einer Vielzahl von Bereichen, von der Bild- und Spracherkennung bis zu komplexen Entscheidungsfindungsprozessen. - Maschinelles Lernen (Machine Learning)
Maschinelles Lernen ist ein Teilbereich der künstlichen Intelligenz, der es Computern ermöglicht, aus Daten zu lernen und Entscheidungen zu treffen, ohne explizit programmiert zu werden. In diesem Kontext werden Algorithmen verwendet, die Muster in Daten erkennen und darauf basierend Vorhersagen oder Entscheidungen treffen können. Es gibt verschiedene Arten des maschinellen Lernens, darunter überwachtes, unüberwachtes und bestärkendes Lernen, die jeweils für unterschiedliche Anwendungsfälle geeignet sind. - KI Photoshootings
In einer entsprechenden Software laden Sie eine grössere Anzahl von sich hoch. Danach ist die KI in der Lage, beliebige professionelle weitere Fotos von Ihnen zu generieren. Sie wollen etwa ein Foto von sich in einer Pilotenuniform vor einem Flugzeug haben? Die KI arbeitet gerne für Sie. 🙂 - Outpainting
ist ein Verfahren zur Bildgenerierung, das generative Künstliche Intelligenz nutzt, um ein existierendes Bild durch Hinzufügen von Elementen jenseits des ursprünglichen Bildrahmens zu vergrössern. Während Inpainting auf die Rekonstruktion fehlender Bildteile fokussiert ist, konzentriert sich Outpainting darauf, den Bildinhalt durch Ergänzung weiterer Umgebungs- oder Kontextelemente zu erweitern. - Plug-ins
Plug-ins sind Programmerweiterungen, die meistens durch Anwendungen von Drittanbietern betrieben werden und die Funktionen und Möglichkeiten eines Programms erweitern. So zum Beispiel in ChatGPT. - Prompts
Ein Prompt ist im Grunde eine Aufforderung zur Eingabe. Im Kontext von ChatGPT bezieht es sich auf Fragen, Sätze oder Anweisungen, die Sie dem Chatbot stellen, um eine spezifische Antwort oder Aktion zu erhalten. Es gibt keine „falschen“ Prompts, jedoch sind manche effektiver als andere, um das gewünschte Ergebnis zu erzielen. Die Qualität der Antwort hängt oft vom bereitgestellten Kontext ab.
