Für die Bereitstellung des bestmöglichen Service verwenden wir Cookies. Mit der Nutzung der Website erklären Sie sich mit dem Einsatz einverstanden. Zur Datenschutzerklärung

A wie...

Artificial Intelligence; abgek. AI,
engl. für dt. künstliche Intelligenz, abgek. KI

Von Markus Häfliger · 12. Mai 2022

Bedeutung
Unter Artificial Intelligence (AI, dt. für künstliche Intelligenz, KI), versteht man heute im weitesten Sinne Computersysteme, mit denen menschliches Lernen und Denken nachgeahmt werden soll. Eine exakte, einheitliche Definition besteht nicht. Der Begriff wird sowohl für die Systeme (Agenten) selbst als auch für die Lehre, ein Teilgebiet der Informatik mit Überschneidungen in Disziplinen wie Psychologie, Neurologie oder Philosophie, verwendet. Die Fähigkeit zu lernen und mit Wahrscheinlichkeitsaussagen umzugehen, gehören zu den Grundvoraussetzungen einer AI.

Herkunft
Die Idee geht zurück auf den britischen Logiker und Informatiker Alan Turing, der 1950 einen Test formulierte, mit dem man feststellen kann, ob eine Maschine ein dem Menschen gleichwertiges Denkvermögen aufweist. Bis heute hat diesen Test jedoch noch kein Computer bestanden. 

Das Konstrukt umfasst je nach Definition von der Stärkung und Ergänzung menschlicher Fähigkeiten über das Imitieren menschenähnlichen Verhaltens wie logischem Denken, Lernen oder Kreativität bis hin zu einer Zielerreichung, welche die menschlichen Fähigkeiten übersteigt, eine ganze Palette an Ausprägungen. Je nach dem wird deshalb zwischen schwacher und starker künstlicher Intelligenz (engl. «narrow» oder «weak» respektive «strong» AI unterschieden.

Methoden und Teilbereiche
Eine KI kann aufgrund von «Eingaben» aus Beobachtungen über die Umgebung und sich selbst Schlüsse ziehen und als «Ausgabe» seine nächste Aktion berechnen und aus den eigenen Fehlern lernen. Sie bedient sich dazu verschiedener Methoden wie etwa Machine Learning (ML, dt. maschinelles Lernen). Damit sind Algorithmen gemeint, die durch Trainieren von mathematischen Modellen aus Erfahrungsdaten Muster erkennen und für Prognosen verwenden. ML findet Anwendung bei Produktempfehlungen von Online-Händlern oder vorausschauender Wartung. Künstliche neuronale Netze wiederum gehören zum Bereich Deep Learning (DL, dt. tiefgehendes Lernen) und sind Abstraktionen des menschlichen Gehirns.

Die grosse Herausforderung bleibt, Systeme zu bauen, die mehr als eine spezifische Aufgabe lösen können. Immerhin können Expertensysteme wie IBMs Watson in unterschiedlichen Ausführungen bereitgestellt werden –  etwa für die Unterstützung von Onkologen, für die Analyse von unstrukturierten Texten, Audio- und Videodateien oder die Kreation innovativer Rezepte.

Neue Technologien
Data Science, die Extraktion von Wissen aus grossen Datenmengen, ist ebenfalls ein Teilbereich der künstlichen Intelligenz und bedient sich sowohl ML als auch DL. Die Disziplin hat sich zu Beginn des 21. Jahrhunderts mit den fortschreitenden technischen Möglichkeiten des Datensammelns und -auswertens (auch im Zuge von Cloud-Computing) etabliert. Das Potenzial der Cloud nutzt auch AI as a Service (AIaaS). Das sind Dienste zum Beispiel für Bildklassifizierungen, die sich durch Feedback-Loops optimieren oder für andere kognitive Aufgaben wie etwa zur Unterstützung von Kundenkommunikation mit Chatbots. So vereinfacht zum Beispiel der digitale Verwaltungsassistent Abraxas Chatbot mit intelligenter Spracherkennung den Zugang von Bevölkerung und Unternehmen zu Daten und Diensten der öffentlichen Hand.

;