Multimedia
vorangehende Seite
end
Künstliche Intelligenz
Wirtschaft Industrie 4.0 Künstliche Intelligenz und Ethik
Europäische Kommission Künstliche Intelligenz und Ethikleitlinien 2019
Künstliche Intelligenz (KI) Wenn Algorithmen für uns entscheiden 2019
Weltweit erstes ethisches Regelwerk für automatisiertes Fahren 2017
Leitlinien «Künstliche Intelligenz» Schweiz 2020
Quantencomputer erfolgreich in der Praxis angewendet 2023
Web 2.0 Künstliche Intelligenz und Ethik
Ethische Leitlinien für den Einsatz von künstlicher Intelligenz 2022
und Daten in Lehre und Lernen für Pädagogen
Künstliche Intelligenz und Wirtschaft
Landwirtschaft Smart Farming digitale Landwirtschaft
Automatisiertes Fahren Assistenz- und Lenkungssysteme für Fahrzeuge
Industrie 4.0 (Smart Factory)
Künstliche Intelligenz und Gesundheit
Künstliche Intelligenz (KI) erkennt COVID-19 bei 2020
Röntgenbildern zuverlässiger als der Mensch
Künstliche Intelligenz und Medien
Fake News und Manipulationen
Politik und Social Media: Wie beeinflusst uns der Algorithmus? 2022
Fake News Machine Learning: Social Media-Daten auswerten 2019
Künstliche Intelligenz GPT-3 informiert und fehlinformiert 2023
uns besser
Künstliche Intelligenz und Medienrecht
Rat der EU Regeln für künstliche Intelligenz (KI) 2023
Artificial Intelligence Act
Neue Medien im Rechtssystem
Medienrecht Schweiz: Datenschutz & Medienrecht Übersicht
Medienrecht EU: Datenschutz & Medienrecht Übersicht

Künstliche Intelligenz KI

Die KI steht im Allgemeinen für den Versuch von mit mathematischen Formeln bzw. Rechenbefehlen gesteuerten, elektrischen Maschinen (= Computern), die Fähigkeiten des menschlichen Nervensystems (NNN= natürliches neuronales Netz) und seinem "Schaltzentrum", dem Gehirn, beizubringen. Der Computer soll Aufgaben übernehmen, welche dem komplexen, menschlichen Denken entsprechen.

Zur KI zählen zahlreiche neue Technologien wie u.a. maschinelles Lernen (machine learning), künstliche neuronale Netze. Maschinelles Lernen, Deep Learning und neuronale Netze sind alle Teilgebiete, welche zur KI zählen. Neuronale Netze sind ein Teilgebiet des maschinellen Lernens. Deep Learning ist ein Teilgebiet der neuronalen Netze.

Die Fähigkeiten des menschlichen Gehirns sind ausserordentlich und faszinierend. Ein einfaches Beispiel: Berührt der Zeigefinger der rechten Hand einen tiefgekühlten Eiswürfel, so melden die Nervenzellen (= Neuronen) der rechten Fingerkuppe dem Gehirn über die Nervenbahnen (= neuronales Netz) eine sehr grosse Kälte beim Berühren. Gleichzeitig melden die Augen, dass die Fingerkuppe mit einem weissen, schneeähnlichen Gegenstand in Kontakt. Das Gehirn greift in Bruchteilen einer Sekunde auf seinen aus bisherigen Erfahrungen und dem angehäuften Wissen angespeicherten "Datenschatz" zurück und veranlasst über die Muskeln im rechten Arm eine Rückzugsbewegung der Hand. Das Gehirn weiss, dass der Kälteeinfluss die Haut schädigen kann. Die rechte Hand mit ihren Fingern entfernt sich vom Eiswürfel. Das Gehirn lernt nur aus den gemachten Erfahrungen und dem Erfolg seiner Anweisungen. Bei der nächsten Gelegenheit, bei welcher im Sichtfeld des Menschen eine weisse Eisfläche erscheint, wird der Mensch dank der gemachten Erfahrung vorsichtiger agieren.

Anstelle der Nervenzellen wie im natürlichen neuronalen Netz des Menschen befinden sich im Comuputersystem, das die KI anwendet, in den Knoten (= künstliche Neuronen) seiner künstlichen neuronalen Netze (= KNN) Algorithmen (= mathematische Formeln). Wie bei den Nervenzellen im Nervensystem der höheren Lebewesen sind die Algorithmen in den KNNmit elektrischen Signalen miteinander in Kontakt. Auf einen Input (Dateneingabe) reagiert das System mit einem Output (Datenausgabe bzw. Ergebnis wie u.a. eine Einschätzung oder eine Vorhersage).

Innerhalb des maschinellen Lernens gibt es zwei verschiedene Wege, wie sich selbstlernende Systeme programmieren:

durch das überwachte und das unüberwachte Lernen

Beim überwachten Lernen gibt der Programmierer vor, was die Maschine lernen soll. Die Algorithmen für das maschinelle Lernen verarbeiten zuvor strukturierte und aufgearbeitete Daten und berechnen daraus ein Ergebnis.

Beim unüberwachten Lernen muss der Computer selbst Muster aus den unstrukturierten Daten herauslesen und diese strukturieren. Nur der Mensch kann die daraus resultierenden Muster und Strukturen interpretieren.

Deep Learning-Algorithmen arbeiten in neuronale Deep Learning-Netzen oder künstlichen neuronalen Netzen. Deep Learning-Algorithmen können die bei der Verarbeitung in neuronalen Netzen erzeugten Daten ähnlich wie das menschliche Gehirn selbst analysieren, gewichten und ordnen sowie anschliessend daraus lernen, Muster zu erkennen. Beim Deep Learning und beim maschinellem Lernen lernen die entsprechende Algorithmen auf eine unterschiedliche Art und Weise den Dateninput zu verarbeiten.

Informations- und Kommunikationstechnologie
top
zurueck