Algorithmus
Algorithmus ist eine genaue Berechnungsvorschrift für einen oder mehrere Computer, eine Aufgabe zu lösen. Eine besondere Klasse von Algorithmen sind Lernalgorithmen: Dabei handelt es sich um Verfahren des maschinellen Lernens, die aus Beispieldaten (Lerndaten oder Trainingsdaten) ein Modell abstrahieren, das auf neue Beispieldaten angewendet werden kann.
Autonome Systeme
Maschinen, Roboter und Softwaresysteme gelten als autonom, wenn sie ohne menschliche Steuerung und detaillierte Programmierung ein vorgegebenes Ziel selbständig und an die Situation angepasst erreichen. Autonome Systeme haben die Fähigkeit, sich der Umwelt anzupassen, zu lernen und gegebenenfalls mit anderen Systemen oder Menschen zu kooperieren.
Big Data
Datenmengen, die sich auszeichnen durch ihr Volumen (Volume), die Vielfalt der Datentypen und Quellen (Variety), die Geschwindigkeit, mit der sie anfallen (Velocity) sowie die Unsicherheit bezüglich der Qualität der Daten (Veracity). Oft handelt es sich dabei um größtenteils unstrukturierte Daten, die etwa von sozialen Netzwerken oder mobilen Geräten stammen. Ein weiterer Aspekt von Big Data umfasst die Lösungen und Systeme, die dabei helfen, mit diesen Datenmengen umzugehen, um darin beispielsweise neue Muster und Zusammenhänge zu erkennen.
Chat Bot
Virtuelle Dialogsysteme, die zunehmend im Kundenservice und für Benutzerschnittstellen im Allgemeinen eingesetzt werden. Über eine Textein- und Textausgabemaske (z. B. ein Dialogfenster auf einer Website) kommunizieren sie in natürlicher Sprache mit dem Menschen. Durch Methoden des maschinellen Lernens können Chatbots aus Eingaben ständig dazu lernen, um etwa die Stimmungslage des Menschen zu interpretieren oder personalisierte Antworten zu geben.
Data Mining
Einsatz von Methoden der Statistik oder des maschinellen Lernens, um neue Zusammenhänge und Muster in einer Datenmenge aufzuspüren. Ziel ist es beispielsweise, Empfehlungen für Entscheidungen zu geben oder Vorhersagen zu treffen. Genutzt werden dazu beispielsweise Clusteranalysen, Entscheidungsbäume, aber auch künstliche neuronale Netze.
Deep Learning
Methode des maschinellen Lernens in künstlichen neuronalen Netzen. Diese umfassen mehrere Schichten, typischerweise eine Eingabe- und Ausgabeschicht sowie mehr als eine „versteckte“ dazwischenliegende Schicht. Die einzelnen Schichten bestehen aus einer Vielzahl künstlicher Neuronen, die miteinander verbunden sind und auf Eingaben von Neuronen aus der jeweils vorherigen Schicht reagieren. In der ersten Schicht wird etwa ein Muster erkannt, in der zweiten Schicht ein Muster von Mustern und so weiter. Je komplexer das Netz (gemessen an der Anzahl der Schichten von Neuronen, der Verbindungen zwischen Neuronen sowie der Neuronen pro Schicht), desto höher ist der mögliche Abstraktionsgrad und desto komplexere Sachverhalte können verarbeitet werden. Angewendet wird Deep Learning bei der Bild-, Sprach- und Objekterkennung sowie dem verstärkenden Lernen.
Erklärbare KI
Black-Box-Modelle, wie insbesondere tiefe künstliche neuronale Netze, sind für Menschen nicht nachvollziehbar. Die erklärbare KI sucht nach Möglichkeiten, die versteckte Logik oder die einzelnen Ausgaben besser nachvollziehbar oder erklärbar zu machen.
Internet der Dinge (IoT)
Zunehmende Vernetzung von Werkzeugen, Geräten, Sensoren, Fahrzeugen etc. durch eingebaute Computersysteme sowie die Vergabe von eindeutigen digitalen Kennungen (IP-Adresse). Mit Hilfe ihrer Sensoren erheben die vernetzten Geräte Daten, die sie untereinander sowie über das Internet austauschen und zur Verfügung stellen können. Dadurch entstehen extrem große Datenmengen (Big Data), die wiederum Grundlage für Lernende Systeme darstellen können.
Künstliches neuronales Netz
Modelle des maschinellen Lernens, die durch Aspekte des menschlichen Gehirns motiviert wurden. Sie bestehen aus in Software realisierten Schichten von Knoten, die als künstliche Neuronen bezeichnet werden. Die einzelnen Verbindungen zwischen den Neuronen haben eine numerische Gewichtung, die während des Trainingsprozesses angepasst wird, sodass die Ergebnisse immer besser werden. Von Schicht zu Schicht entstehen dabei immer abstraktere Repräsentationen der Eingabe, so dass bei einer sehr hohen Anzahl von Schichten (Deep Learning) sehr komplexe Muster abgebildet und erkannt werden können.
Maschinelles Lernen
Maschinelles Lernen ist eine grundlegende Methode der Künstlichen Intelligenz (KI). Sie zielt darauf, dass Maschinen ohne explizite Programmierung eines konkreten Lösungswegs automatisiert sinnvolle Ergebnisse liefern. Spezielle Algorithmen lernen aus den vorliegenden Beispieldaten Modelle, die dann auch auf neue, zuvor noch nicht gesehene Daten angewendet werden können.
Robotik
Der Begriff Roboter leitet sich ab vom tschechischen Wort für Arbeiten, „robota“. Ein Roboter ist ein System, das dem Menschen Arbeit abnimmt. Allerdings werden nur solche Maschinen als Roboter bezeichnet, die physische Arbeit verrichten. Zur Steuerung von Robotern werden immer häufiger Lernende Systeme eingesetzt. Robotik ist ein Forschungsfeld der KI mit dem Ziel, Roboter zu entwickeln, die mittels Algorithmen autonom mit der physischen Welt interagieren.
Schwache KI
Systeme, die in einem spezifischen, eng definierten Kontext intelligent agieren und dort sogar menschliche Fähigkeiten übersteigen können. Beispiele für spezifische Anwendungen sind Strategiespiele wie Schach und Go oder Produktempfehlungen sowie medizinische Diagnosen. Sämtliche heute verfügbare Künstliche Intelligenz ist als schwache KI zu definieren. Das Gegenmodell ist die starke KI.
Starke KI
Hypothetische KI-Systeme, die mindestens über menschenähnliche Intelligenzleistung in allen Bereichen und nicht nur in eng definierten Anwendungsfeldern (schwache KI) verfügen. Eine Künstliche Superintelligenz wäre dem intelligentesten Menschen weit überlegen.
Turing Test
Vom britischen Mathematiker Alan Turing entwickelter Test, um festzustellen, ob eine Maschine als intelligent zu bewerten ist. Ein menschlicher Fragesteller kommuniziert dabei über eine Tastatur mit einem menschlichen Gesprächspartner und einer Maschine. Kann er am Ende nicht sagen, welcher Gesprächspartner die Maschine ist, gilt diese als intelligent.32 Weiterführendes Material.
Quelle: Plattform lernende Systeme12