Künstliche Intelligenz: einfach erklärt

Du suchst nach einer Erklärung, was künstliche Intelligenz eigentlich ist? Hier bist du genau richtig! Im Folgenden werde ich dir die Antwort auf genau diese Frage näher bringen.

Was ist eigentlich Intelligenz?

Schaut man nach einer Definition von Intelligenz, stolpert man zwangsläufig über den entsprechenden Eintrag im Duden. Demnach ist Intelligenz Folgendes:

Fähigkeit [des Menschen], abstrakt und vernünftig zu denken und daraus zweckvolles Handeln abzuleiten.

Duden – Intelligenz

Das ist zwar sehr treffend, beschreibt aber nicht das, was ich dir näher bringen möchte. Stattdessen trifft es die wörtliche, lateinische Übersetzung deutlich besser. Intelligenz stammt von zwei lateinischen Worten: inter (lat. für „zwischen“) und legere (lat. für „wählen“). Zusammen gesetzt: wählen zwischen [etwas]. Das beschreibt sehr gut, was am Ende eine künstliche Intelligenz macht. Dazu mehr im nächsten Absatz.

Ein bekanntes Zitat, welches gerne für die Erklärung von Künstlicher Intelligenz herangezogen wird, ist das Folgende:

… Ziel der KI ist es, Maschinen zu entwickeln, die sich verhalten, als verfügten sie über Intelligenz.

John McCarthy, 1955

Künstliche Intelligenz wird häufig mit KI abgekürzt. Ab und an findet man allerdings auch die Abkürzung AI im selben Zusammenhang. Hierbei handelt es sich um die englische Bezeichnung Artificial Intelligence. Die Abkürzungen KI und AI stehen also für denselben Begriff.

Was macht eine künstliche Intelligenz?

Anhand der wörtlichen Übersetzung aus dem Lateinischen kann man sich das sehr gut ableiten. Sie wählt zwischen verschiedenen Möglichkeiten. Was heißt das? Nun, eine künstliche Intelligenz nimmt etwas wahr, verarbeitet dies und beurteilt das, was sie wahrgenommen hat auf Basis ihrer Erfahrungen. Das klingt vermutlich immer noch nicht besonders logisch, von der daher hier mal ein einfaches Beispiel:

Wenn ich eine KI darauf trainiert habe, dass sie Katzen auf einem Bild erkennt, kann ich dieser KI im Nachgang jedes beliebige Bild zeigen. Die KI sieht dieses Bild (wahrnehmen) und gleicht mit ihren Erfahrungen ab, was sie darauf erkennt (verarbeiten). Am Ende gibt sie mir ein Ergebnis, mit welcher Wahrscheinlichkeit auf dem Bild eine Katze abgebildet ist (beurteilen).

Geschichte von Künstlicher Intelligenz

Die Geschichte der Künstlichen Intelligenz (KI) beginnt in den 1950er Jahren, als Wissenschaftler erstmals die Idee entwickelten, Maschinen zu bauen, die menschliches Denken nachahmen. 1956 prägten John McCarthy und Kollegen den Begriff „Künstliche Intelligenz“ auf der Dartmouth-Konferenz. In den folgenden Jahrzehnten erlebte die KI sowohl Fortschritte als auch Rückschläge, darunter den „KI-Winter“ in den 1970er Jahre. Die Wiedergeburt folgt durch Expertensysteme in den 1980ern.

Mit der Verbesserung der Computerleistung und der Verfügbarkeit großer Datenmengen nahm die Entwicklung in den 1990er Jahren erneut Fahrt auf. Bedeutende Meilensteine wie der Sieg von IBMs Deep Blue über Schachweltmeister Garry Kasparov 1997 markierten den Aufstieg moderner KI. Heute ist KI aus vielen Lebensbereichen nicht mehr wegzudenken und unterstützt unter anderem das Gesundheitswesen, die Finanzindustrie und die Unterhaltungsbranche.

Woher kann die KI so etwas?

Jede künstliche Intelligenz muss auf das, was sie können soll, trainiert werden. Das bedeutet, dass ich sie mit jeder Menge Daten füttern muss. Im beschriebenen Fall gebe ich ihr zwei Ordner mit unterschiedlichen Bildern: Ein Ordner enthält Bilder mit Katzen und ein Ordner enthält alle möglichen Bilder ohne Katzen. Das ist mein Input. Mein gewünschter Output ist, dass die KI mir sagt, ob auf einem Bild eine Katze ist.

Um aus dem Input einen Output zu machen, brauchen wir einen Algorithmus. Das ist eine mathematische Formel, die mir den Input in den gewünschten Output transformiert. Das ist ziemlich komplex, daher versuche ich dir in anderer Form zu erklären, was ein Algorithmus ist.

Was ist ein Algorithmus?

Vergleichen kann man das am einfachsten mit einem Kuchenrezept. Dein Output soll ein schöner Marmorkuchen sein. Dazu brauchst du verschiedene Zutaten: Mehl, Zucker, Eier, Backpulver, Kakao. Das ist dein Input. Nun fehlt dir noch dein Rezept. Oder in anderen Worten: Was machst du mit deinen Zutaten, damit am Ende ein Marmorkuchen herauskommt? Nun dazu musst du im Groben diese Schritte durchführen:

• Backofen vorheizen
• Zutaten vermengen
• Hälfte des Teigs in die Form geben
• Restlichen Teig mit Kakao vermengen und ebenfalls in die Form geben
• Form in den Ofen stellen und warten
• Nach Ablauf der Zeit die Form aus dem Ofen nehmen

Und schon ist dein Kuchen oder dein Output fertig. Was hat das Rezept also gemacht? Es hat deine Zutaten (Input) in einen Kuchen (Output) transformiert. So wie es ein Algorithmus bspw. mit Bildern macht. In diesem Beispiel ist also das Rezept bzw. das Durchführen der Schritte des Rezepts dein Algorithmus.

Du weißt das alles schon und bist eigentlich auf der Suche nach tiefergehenden Informationen? Wie wäre es mit einer Excel-Vorlage für eine Konfusionsmatrix? Die gibt es bei uns kostenlos zum Download:

Was gilt schon als Künstliche Intelligenz?

Nach den Begrifflichkeiten kann eine KI in eine schwache und eine starke KI-Hypothese unterscheiden. Schauen wir uns die beiden Definitionen einmal an.

Schwache KI-Hypothese

Die schwache KI-Hypothese, auch als „narrow AI“ oder „spezifische KI“ bekannt, beschreibt künstliche Intelligenzen, die darauf ausgelegt sind, bestimmte Aufgaben oder Problembereiche zu bearbeiten. Diese KI-Systeme sind in der Regel auf eng umgrenzte Anwendungsfelder spezialisiert. Beispiele hierfür sind Sprachassistenten wie Siri oder Alexa, die in der Lage sind, Sprachbefehle zu verstehen und auszuführen, oder Empfehlungsalgorithmen auf Plattformen wie Netflix und Amazon, die auf Basis vergangener Nutzerinteraktionen personalisierte Vorschläge machen.

Die schwache KI besitzt jedoch keine allgemeine Problemlösungsfähigkeit und kein Verständnis für kontextübergreifende Zusammenhänge. Sie agiert ausschließlich auf Basis der verwendeten Daten und der antrainierten Algorithmen. Eine schwache KI hat kein Bewusstsein oder eigenständiges Denken. Der Fortschritt in der schwachen KI hat in den letzten Jahren bedeutende Erfolge gezeigt, vor allem durch maschinelles Lernen und Datenanalyse.

Hierunter fallen bislang alle entwickelten KI-Lösungen.

Starke KI-Hypothese

Die starke KI-Hypothese, auch bekannt als „general AI“ oder „allgemeine KI“, geht weit über die Möglichkeiten der schwachen KI hinaus. Sie beschreibt ein hypothetisches KI-System, das die kognitiven Fähigkeiten eines menschlichen Gehirns in all seinen Facetten nachbilden kann. Eine starke KI wäre in der Lage, autonom zu denken, zu lernen und Entscheidungen zu treffen, die nicht auf vorgegebenen Regeln oder Daten basieren. Sie könnte Wissen aus verschiedenen Domänen kombinieren, komplexe Probleme kreativ lösen und sogar emotionale Intelligenz zeigen.

Starke KI bleibt bisher ein theoretisches Konzept und ein Ziel der langfristigen KI-Forschung. Es gibt zahlreiche ethische und technische Herausforderungen auf dem Weg zur Entwicklung einer solchen Intelligenz. In der Wissenschaft wird noch intensiv über potenzielle Folgen und Risiken diskutiert, wie bspw. die Auswirkungen auf die Gesellschaft und die Gefahren eines Kontrollverlusts über die KI.

Während schwache KI bereits in vielen Aspekten unseres täglichen Lebens integriert ist und stetig weiterentwickelt wird, bleibt die starke KI eine Vision, die möglicherweise noch Jahrzehnte oder gar Jahrhunderte entfernt ist. Das Verständnis dieser beiden KI-Hypothesen ist entscheidend, um die Richtung und die Auswirkungen der zukünftigen KI-Entwicklung zu gestalten.

Weitere Begriffe aus der Welt der KI

Im Zusammenhang mit Künstlicher Intelligenz tauchen immer wieder auch andere Begrifflichkeiten auf, die nicht unbedingt allgemein bekannt sind. Schauen wir im Folgenden einmal auf die wichtigsten Begriffe:

Maschinelles Lernen (ML)

Maschinelles Lernen ist eine Unterart der KI, bei der Algorithmen verwendet werden, um aus Daten zu lernen und Vorhersagen oder Entscheidungen zu treffen. ML-Modelle verbessern ihre Leistung durch Erfahrung und können für eine Vielzahl von Aufgaben eingesetzt werden. Beispiele hierfür sind:

• Bild- und Spracherkennung: Algorithmen zur Gesichtserkennung oder zur Erkennung gesprochener Sprache basieren auf maschinellem Lernen.
• Autonomes Fahren: Systeme, die selbstfahrende Autos steuern, nutzen maschinelles Lernen, um Straßenbedingungen und Verkehrsmuster zu analysieren.

Deep Learning

Deep Learning ist eine spezialisierte Form des maschinellen Lernens, die auf künstlichen neuronalen Netzen basiert. Solche Modelle können komplexe Muster in großen Datenmengen erkennen. Sie haben in den letzten Jahren aufgrund der Fähigkeit, außergewöhnlich genaue Modelle zu erstellen, erheblich an Bedeutung gewonnen. Dazu zählen bspw.:

• Sprachübersetzung: Deep-Learning-Modelle treiben fortschrittliche Sprachübersetzungstools wie Google Translate an.
• Medizinische Diagnostik: Deep Learning wird zur Analyse medizinischer Bilder verwendet, um Krankheiten wie Krebs frühzeitig zu erkennen.

Sprachmodelle (GPT-Modelle)

Generative Pre-trained Transformers (GPT) sind eine Art von KI, die auf der Technologie des Deep Learning basiert und speziell zur Verarbeitung und Generierung natürlicher Sprache entwickelt wurde. Sie gehören zur Kategorie der Sprachmodelle und nutzen neuronale Netzwerke, um Texte zu verstehen, zu erzeugen und zu vervollständigen. Hierzu zählen:

• Textgenerierung: GPT-Modelle können kreative Texte erstellen, die von menschlicher Hand geschrieben zu sein scheinen.
• Konversations-KI: Sie werden in Chatbots und virtuellen Assistenten eingesetzt, um menschenähnliche Gespräche zu führen.

Beispiele für Künstliche Intelligenz

Du hast nun in der Theorie verstanden, was eine KI ist und wie man sie erstellt. Vielleicht fehlt dir noch eine Vorstellung dessen, was eine künstliche Intelligenz denn so in der Praxis macht? Kein Problem! Hier kommen ein paar Beispiele:

• Der Google Übersetzer oder der DeepL Übersetzer transformiert Text von einer Sprache in eine andere Sprache
• Diktieren von Text bspw. mit Siri oder Google Assistant
• Sprachsteuerungen auf unseren Smartphones oder mit Amazon Echo
• Gesichtserkennungen von Kameras oder speziellen Apps wie Snapchat
• Computergesteuerte Mitspieler in Computerspielen
• Autonomes Fahren bei Kraftfahrzeugen
• Automatische Verarbeitung von Dokumenten (sog. IDP)
• Und neuerdings diverse Tools wie ChatGPT oder andere Generative AI-Tools, die Texte, Bilder, Musik oder gar Videos auf Basis von Texteingaben (sog. Prompts) erstellen

Die Liste der Beispiele zeigt natürlich nur einen kleinen Teil dessen, wo KI bereits eingesetzt wird oder wo sie entwickelt wird.

Was wird fälschlicherweise als KI bezeichnet?

Aber aufgepasst: häufig werden Geräte oder Vorgänge auch als KI bezeichnet, die eigentlich keine Künstliche Intelligenz verwenden.

Fälschlicherweise werden manche Prozessautomatisierungen mithilfe von Robotic Process Automation der KI zugeschrieben.

Außerdem gibt es den Irrtum, dass Geräte aus dem Smart Home-Bereich immer künstliche Intelligenz verwenden. Diese werden allerdings dem Internet of Things zugeschrieben (kurz IoT). Der hauptsächliche Unterschied liegt darin, dass die Geräte über Sensoren Daten aufnehmen und anhand von Regeln eine Aktion folgen lassen.

Des Weiteren lässt sich Künstliche Intelligenz auch von anderen Technologien, wie der Blockchain abgrenzen.

Wann eine KI intelligent ist, lässt sich mit dem Turing-Test herausgefunden werden. Dieser stammt von 1950 und wurde 2014 erweitert. Dabei führt ein Mensch je eine Unterhaltung mit einer Person und einer Maschine. Kann der Mensch nach der Befragung nicht entscheiden, wer die Maschine ist, so wird die Maschine als intelligent bezeichnet.

Wird künstliche Intelligenz unser Leben und Arbeiten verändern?

Diese Frage ist mit einem eindeutigen JA zu beantworten. Womöglich stehen uns die größten Änderungen noch bevor. Hierzu haben vor allem auch die Entwicklungen im Bereich Big Data geführt, die es ermöglichen, eine KI mit sehr großen Mengen von Daten zu trainieren.

Ich habe dies bereits einmal beleuchtet, wie sich die Arbeit eines Produktmanagers durch den Einsatz von ChatGPT verändern wird. Diese Änderungen werden auch auf ganz viele andere Bereiche zukommen. Durch die Produktivitätssteigerungen können natürlich auch Arbeitsplätze wegfallen. KI schafft allerdings auch neue Arbeitsplätze. Trotzdem ist es für absolut jeden Menschen notwendig, sich mit KI zu beschäftigen, um von diesem Trend nicht überrollt und abgehängt zu werden.

Und nicht zu letzt: KI bringt auch einige neue Gefahren und Risiken mit! Jetzt informieren und vorbereitet sein!

Fazit zu Künstliche Intelligenz: einfach erklärt

Der Artikel hat dir in übersichtlicher Form dargestellt, dass eine KI mithilfe eines erlernten Algorithmus aus Input-Daten einen Output generiert. Ich hoffe, dass du hier gefunden hast, wonach du gesucht hast. Falls ja, lass mir gerne einen Kommentar da oder schreib mir über das Kontaktformular!