Das ABC der künstlichen Intelligenz

Bei Projekten, die ich leiten darf, mache ich unseren Kunden immer deutlich, dass es sehr wichtig ist, dass wir alle vom Gleichen sprechen. Das klingt sehr einfach, ist es aber bei Weitem nicht immer. Und damit uns hier nicht passiert, dass wir nicht vom Gleichen sprechen, insbesondere in Bezug auf Künstliche Intelligenz, habe ich die KI gebeten, die wichtigsten Begriffe in einem Vokabular zusammenzustellen. Selbstverständlich ist die Liste nicht abschliessend, und sicherlich fehlen viele Begriffe. Aber zumindest gibt sie einen guten Überblick.

A

• Algorithmen: Herzstück von KI-Systemen, die Daten verarbeiten.
• Artificial Intelligence (AI): KI, die in der Lage ist, Aufgaben zu bewältigen, die menschenähnliches Denken erfordern.

B

• Big Data: Riesige Datenmengen, die von KI genutzt werden, um Muster zu erkennen.
• Bias: Verzerrungen in den Daten oder Modellen, die zu unfairen Ergebnissen führen können.
• Bayesian Networks: Ein probabilistisches Modell zur Entscheidungsfindung.

C

• Computer Vision: Bereich der KI, der Maschinen ermöglicht, Bilder und Videos zu analysieren.
• Cognitive Computing: Systeme, die menschenähnliches Denken simulieren, um komplexe Probleme zu lösen.

D

• Deep Learning: Teilgebiet des maschinellen Lernens, das auf tiefen neuronalen Netzen basiert.
• Data Mining: Techniken zur Extraktion von Mustern aus grossen Datenmengen.

E

• Ethik: Der Bereich, der sicherstellt, dass KI verantwortungsbewusst eingesetzt wird.
• Edge AI: KI, die auf Geräten direkt am Rand eines Netzwerks operiert, um Latenzzeiten zu reduzieren.
• Explainable AI (XAI): Ansätze, die die Entscheidungsprozesse von KI-Systemen für Menschen nachvollziehbar machen.

F

• Fuzzy Logic: Ein Ansatz im maschinellen Lernen, der Unsicherheiten und ungenaue Informationen handhabt.

G

• Generative KI: KI, die neue Inhalte wie Texte oder Bilder generieren kann.
• GPT: Generative Pretrained Transformer, wie ChatGPT, das Sprachmodelle verwendet.
• Governance (AI Governance): Regelwerke und Vorschriften zur Regulierung des KI-Einsatzes.

H

• Hyperparameter: Parameter, die vor dem Training eines Modells festgelegt werden, um die Leistung zu optimieren.
• Human-in-the-Loop: Systeme, bei denen Menschen in den Entscheidungsprozess der KI eingebunden sind.

I

• Intelligenz: Die Fähigkeit einer Maschine, Aufgaben zu erledigen, die menschliches Denken erfordern.
• Inference: Der Prozess, bei dem ein trainiertes Modell auf neue Daten angewendet wird, um Vorhersagen zu treffen.

J

• Just-in-Time Learning: Lernverfahren, bei dem Systeme in Echtzeit neue Informationen verarbeiten.

K

• Künstliche Neuronale Netze: Vom menschlichen Gehirn inspirierte Strukturen, die in der KI verwendet werden.

L

• Learning: Maschinelles Lernen, bei dem Systeme aus Daten lernen und ihre Leistung verbessern.
• Long Short-Term Memory (LSTM): Eine spezielle Art von neuronalen Netzen, die für zeitliche Abhängigkeiten in Daten wie Text oder Sprache verwendet wird.

M

• Modell: Eine mathematische Repräsentation von Daten, die verwendet wird, um Entscheidungen oder Vorhersagen zu treffen.
• Machine Learning (ML): Teilbereich der KI, bei dem Maschinen durch Daten lernen, ohne explizit programmiert zu sein.

N

• Natural Language Processing (NLP): Der Bereich, der sich mit der Verarbeitung und Analyse menschlicher Sprache durch Maschinen beschäftigt.
• Neuro-Symbolic AI: Eine Hybridform, die symbolische Logik mit neuronalen Netzen kombiniert.

O

• Optimierung: Der Prozess, KI-Modelle zu verbessern, um die bestmögliche Leistung zu erzielen.
• Overfitting: Wenn ein Modell zu stark an die Trainingsdaten angepasst wird und auf neuen Daten schlecht abschneidet.

P

• Predictive Analytics: Die Nutzung von KI, um auf Basis historischer Daten Vorhersagen zu treffen.

Q

• Quantencomputing: Eine neue Art des Rechnens, die KI auf ein neues Level heben könnte, indem sie bestimmte Berechnungen drastisch beschleunigt.
• Q-Learning: Ein Reinforcement-Learning-Algorithmus, der darauf abzielt, optimale Strategien zu lernen.

R

• Reinforcement Learning: Ein Ansatz, bei dem ein Agent durch Belohnung oder Bestrafung lernt, bessere Entscheidungen zu treffen.
• Robotic Process Automation (RPA): Automatisierung von Aufgaben durch Softwareroboter, oft durch einfache Regelwerke.

S

• Supervised Learning: Eine Methode des maschinellen Lernens, bei der ein Modell aus gelabelten Daten lernt.
• Swarm Intelligence: Die kollektive Intelligenz, die durch Zusammenarbeit vieler dezentraler Systeme entsteht.

T

• Transfer Learning: Das Übertragen eines Modells, das in einem Bereich trainiert wurde, auf eine neue, ähnliche Aufgabe.
• Turing Test: Ein Test, der misst, ob eine Maschine in der Lage ist, menschliches Verhalten in einer Konversation zu simulieren.

U

• Unsupervised Learning: Ein Ansatz, bei dem die Maschine ohne gelabelte Daten lernt und Muster selbstständig erkennt.

V

• Verständlichkeit (Explainability): Die Fähigkeit, Entscheidungen und die Funktionsweise eines KI-Systems verständlich zu machen.
• Variational Autoencoder (VAE): Ein tiefer Lernalgorithmus, der generative Modelle erstellt.

W

• Weak AI: Künstliche Intelligenz, die auf spezialisierte Aufgaben fokussiert ist, z.B. Sprachübersetzung oder Bilderkennung.
• Watson: Ein KI-System von IBM, das für viele geschäftliche Anwendungen eingesetzt wird.

X

• Explainability: Die Nachvollziehbarkeit der Entscheidungen von KI-Systemen.
• XGBoost: Ein hochleistungsfähiger Algorithmus für maschinelles Lernen, der bei Entscheidungsbäumen verwendet wird.

Y

• Yorker Test: Ein hypothetischer Test, um die Fähigkeit einer KI zu messen, über Fachkenntnisse hinaus kreativ zu handeln.

Z

• Zukunft: Die Entwicklungen und Fortschritte, die KI in Zukunft bringen wird, z.B. in autonomen Systemen oder im Gesundheitswesen.

Wenn du es bis hier unten geschafft hast, ist das doch schon mal eine grossartige Leistung. Aber nicht nur das. Lass es mich wissen und schreib eine E-Mail an michi.mauch+ichhabsgelesen@netnode.ch und ich melde mich mit einer kleinen Überraschung bei dir (im Zeitraum vom 01.11.2024 - 30.11.2024).