Künstliche Intelligenz
Fast jeder hat schon einmal von künstlicher Intelligenz gehört. In Filmen, Büchern und der Presse wird das Thema auf ganz unterschiedliche Weise behandelt. Doch was steckt eigentlich tatsächlich dahinter?
Im Video zu den Internationalen Zukunftslaboren, zu denen auch unser Leibniz AILab zählt, wird die Frage geklärt:
© Bundesministerium für Bildung und Forschung (BMBF)
Maschinelles Lernen (ML) beschreibt die Generierung von Wissen durch einen selbstlernenden Computeralgorithmus. Der Algorithmus entwickelt eigenständig neues Wissen anhand von bereits durch Menschen oder andere Computer gemachten Erfahrungswerten, deren Daten er analysiert, um darin Muster zu erkennen. Mit dem so erlangten Wissen über bestimmte Sachverhalte und Muster kann der Computer dann selbstständig Vorhersagen und Lösungen für neue, bisher unbekannte Probleme aus ähnlichen Daten treffen.
Künstliche Neuronale Netze sind Algorithmen, die dem menschlichen Gehirn nachempfunden sind. Sie bestehen aus vielen in Software realisierten Schichten von Knoten, die als künstliche Neuronen bezeichnet werden. Mit diesem abstrahierten Modell lassen sich unterschiedliche komplexe Problemstellungen aus den Bereichen der Statistik, Informatik und Wirtschaft umsetzen. Neuronale Netze sind in der Lage, große Mengen an unstrukturierten Daten, wie Bilder, Videos oder Geräusche besonders gut auszuwerten und Muster in ihnen zu finden. So lassen sich datengetrieben Vorhersagen für die Zukunft erstellen. Neuronale Netze gelten als Grundlage für die künstliche Intelligenz.
Deep Learning ist eine spezielle Form des Maschinellen Lernens, bei dem Neuronale Netze eingesetzt werden. Die Lernweise hier ist von Bereichen des menschlichen Gehirns inspiriert. Das Computersystem kann beim Deep Learning vorhandene Informationen mithilfe des Neuronalen Netzes immer wieder mit neuen Daten verknüpfen und somit ständig Neues lernen. So kann der Computer Vorhersagen oder Entscheidungen treffen, diese hinterfragen und bei Bedarf in einem neuen Durchlauf anpassen. Deep Learning wird zum Beispiel bei der Sprach-, Text- oder Bildverarbeitung angewendet.
Autonome Systeme sind Geräte und Softwaresysteme, die ohne Steuerung durch den Menschen und ohne vorprogrammierte Abläufe selbstständig agieren und reagieren. Sie können selbständig handeln, komplexe Aufgaben lösen, lernen und auf unvorhersehbare Ereignisse reagieren. Dadurch können sie für Aufgaben eingesetzt werden, die Menschen entweder nicht erledigen können, weil es beispielsweise zu gefährlich ist oder bei denen eine Autonomisierung sinnvoll ist, wie beispielsweise autonomes Fahren. Das Verhalten wird meist durch Maschinelles Lernen antrainiert und kann laufend verbessert werden.
Einige Begriffe im Zusammenhang mit dem Thema KI, die immer wieder auftauchen, sind zum Beispiel Machine Learning, Neuronale Netze, Deep Learning und Autonome Systeme.
Doch was genau ist damit gemeint? Testen Sie Ihr Wissen – die Antworten finden Sie nebenan.
Verfahren der künstlichen Intelligenz bieten die Möglichkeit, komplexe Entscheidungsfunktionen auf Basis großer Datenmengen zu lernen. Dadurch können viele Aufgaben, die vor zehn Jahren mühsam nur von Menschen erledigt werden konnten, von intelligenten Systemen und Maschinen übernommen werden. Besonders wichtig in diesem Zusammenhang ist die Fähigkeit dieser Systeme, Vorschläge und Entscheidungen auch für Menschen verständlich zu machen, um einerseits die Bedienbarkeit und Einsatzmöglichkeiten der Modelle zu erhöhen und andererseits der europäischen Datenschutzgrundverordnung gerecht zu werden. Notwendig sind ferner Strategien zum Umgang mit fehlerhaften, verfälschten, fehlenden oder verzerrten Daten sowie Algorithmen zur Abschätzung der Fehleranfälligkeit und Lernverfahren für sicherheitskritische und sensible Umgebungen.
Das L3S bündelt die notwendigen Kernkompetenzen aus unterschiedlichen Forschungsbereichen, um intelligente, verlässliche und verantwortungsvolle Systeme zu entwickeln.
