Wie schlau ist das denn? Begriffsdefinitionen rund um Künstliche Intelligenz

Künstliche Intelligenz

KI ist ein Teilgebiet der Informatik, welches sich mit der Automatisierung von intelligentem Verhalten befasst. Dabei wird zwischen starker und schwacher KI unterschieden: Schwache KI versucht bestimmte Teilaspekte zu meistern – zum Beispiel als Schweißroboter. Starke KI simuliert dagegen das gesamte menschliche Denken. Ziel der starken KI sind autonome Roboter, die sich selbst programmieren und autark agieren – bislang eine Zukunftsvision.

>> Treffer zum Thema „Künstliche Intelligenz“ im Competenzatlas IT Region Stuttgart

Neuronale Netze

Anspruchsvolle KI-Anwendungen erfordern den Einsatz von neuronalen Netzen. Darunter versteht man die Datenverarbeitung mit IT-Strukturen, die das menschliche Gehirn nachahmen. Dabei sind die Transistoren nicht starr vernetzt, sondern in Schichten organisiert, die nur dann miteinander kommunizieren, wenn bestimmte Schwellenwerte erreicht sind. Diese Werte legt das System selbst fest – mit teilweise überraschenden Resultaten. So beherrscht Google inzwischen die Übersetzung von und in jede beliebige Sprache – ohne dass bestimmte Kombinationen dafür trainiert wurden. Die Entwickler vermuten, dass sich „Translate“ eine eigene Universalsprache beigebracht hat, über die inzwischen jede Übersetzung läuft. Sie wissen es aber nicht genau. Sie sehen nur, dass das System immer besser wird – und immer mehr Sprachen auf Anhieb versteht.

>> Treffer zum Thema „Neuronale Netze“ im Competenzatlas IT Region Stuttgart

Maschinelles Lernen

Eine Querschnittsdisziplin aus den Bereichen Informatik, Statistik und Mathematik. Ihr Ziel sind Softwareanwendungen, die sich auf Basis von Daten selbst optimieren. Nach einer Trainingsphase kann die Maschine auf Basis von vorgegebenen Algorithmen selbstständig Muster und Gesetzmäßigkeiten beurteilen. Einsatzbeispiel: die industrielle Oberflächenprüfung mithilfe von hochauflösenden Fotos.

>> Treffer zum Thema „Maschinelles Lernen“ im Competenzatlas IT Region Stuttgart

Deep Learning

Maschinelles Lernen kann, muss aber nicht auf neuronalen Netzen basieren. Wird ein solches Netz eingesetzt, spricht man von Deep Learning.

>> Treffer zum Thema „deap learning“ im Competenzatlas IT Region Stuttgart

Data Mining …

Vorhandene Daten (Big Data) werden mit statistischen Methoden auf Gesetzmäßigkeiten untersucht. Ziel ist es, aus diesen Daten treffende Prognosen zum Beispiel für die Standfestigkeit von Werkzeugen oder die Kundenwünsche im nächsten Jahr abzuleiten. Im Gegensatz zu maschinellem Lernen verwendet Data Mining ausschließlich bereits gespeicherte Daten, arbeitet also nicht in Echtzeit.

>> Treffer zum Thema „data mining“ im Competenzatlas IT Region Stuttgart