Künstliche Intelligenz, kurz KI, bezeichnet Computersysteme, die Aufgaben ausführen können, für die normalerweise menschliche Fähigkeiten benötigt werden. Dazu gehören beispielsweise das Erkennen von Bildern, das Verstehen von Sprache, das Übersetzen von Texten oder das Erstellen neuer Inhalte.

Funktionsweise

Eine KI arbeitet mithilfe von Algorithmen. Ein Algorithmus ist eine festgelegte Abfolge von Rechenschritten, mit denen ein Computer eine Aufgabe löst.

Moderne KI-Systeme erhalten eine Eingabe, verarbeiten diese und erzeugen daraus eine Ausgabe. Eine Eingabe kann zum Beispiel ein Bild, ein Text oder eine Tonaufnahme sein. Die Ausgabe kann eine Antwort, eine Übersetzung oder eine Einschätzung sein.

Dabei „denkt“ eine KI nicht wie ein Mensch. Sie besitzt kein eigenes Bewusstsein und versteht Informationen nicht auf dieselbe Weise. Stattdessen berechnet sie anhand erlernter Zusammenhänge, welches Ergebnis wahrscheinlich am besten zur Eingabe passt.

Daten und Mustererkennung

Daten sind die Grundlage vieler KI-Systeme. Dazu können Texte, Bilder, Videos, Messwerte oder Sprachaufnahmen gehören.

Die KI untersucht diese Daten und sucht nach wiederkehrenden Mustern. Ein System zur Bilderkennung kann beispielsweise lernen, dass Katzen häufig bestimmte Merkmale besitzen, etwa spitze Ohren, Schnurrhaare und eine bestimmte Gesichtsform.

Je größer, vielfältiger und hochwertiger die verwendeten Daten sind, desto besser kann eine KI in vielen Fällen arbeiten. Enthalten die Daten jedoch Fehler, Vorurteile oder einseitige Informationen, können sich diese auch in den Ergebnissen der KI zeigen.

Training mit neuronalen Netzen / Wie lernt eine KI?

Viele moderne KI-Systeme verwenden sogenannte neuronale Netze. Diese sind vereinfacht an die Funktionsweise des menschlichen Gehirns angelehnt. Sie bestehen aus zahlreichen miteinander verbundenen Recheneinheiten, die auch als künstliche Neuronen bezeichnet werden.

Während des Trainings erhält das neuronale Netz viele Beispiele. Es versucht, zu jedem Beispiel ein passendes Ergebnis zu liefern. Anschließend wird das berechnete Ergebnis mit der richtigen Lösung verglichen.

Liegt die KI falsch, werden die Verbindungen innerhalb des neuronalen Netzes angepasst. Dieser Vorgang wird sehr häufig wiederholt. Dadurch verbessert das System schrittweise seine Ergebnisse.

Beim Training einer Bilderkennungs-KI könnten dem System beispielsweise Tausende Bilder von Hunden und Katzen gezeigt werden. Nach vielen Wiederholungen kann es lernen, neue Bilder einer der beiden Kategorien zuzuordnen.

Anwendung und Vorhersage

Nach dem Training kann die KI auf neue und bisher unbekannte Daten angewendet werden. Diese Phase wird häufig als Anwendung oder Inferenz bezeichnet.

Eine KI erkennt dabei die im Training erlernten Muster und berechnet eine Vorhersage. Ein E-Mail-Programm kann zum Beispiel einschätzen, ob eine neue Nachricht wahrscheinlich Spam ist. Ein Sprachmodell berechnet, welches Wort oder welcher Satz am wahrscheinlichsten auf eine Eingabe folgt.

Die Ergebnisse einer KI sind nicht immer sicher oder korrekt. Sie beruhen häufig auf Wahrscheinlichkeiten. Deshalb können KI-Systeme Fehler machen, Zusammenhänge falsch deuten oder überzeugend klingende, aber falsche Informationen erzeugen.

Verschiedene Arten von KI

Schwache KI

Schwache KI ist auf bestimmte Aufgaben spezialisiert. Sie kann innerhalb ihres vorgesehenen Bereichs sehr leistungsfähig sein, besitzt aber keine allgemeine menschliche Intelligenz.

Beispiele für schwache KI sind:

• Navigationssysteme
• Sprachassistenten
• Bilderkennung
• Empfehlungssysteme
• Programme zur Erkennung von Spam

Ein Navigationssystem kann eine schnelle Route berechnen, aber nicht automatisch jede andere beliebige Aufgabe lösen.

Generative KI

Generative KI kann neue Inhalte erzeugen. Dazu gehören Texte, Bilder, Musik, Videos oder Programmcode.

Diese Systeme lernen während des Trainings Strukturen und Muster aus großen Datenmengen. Anschließend nutzen sie diese Muster, um neue Inhalte zu erstellen. Ein Sprachmodell berechnet beispielsweise Schritt für Schritt, welche Wörter wahrscheinlich gut zueinander passen.

Generative KI kopiert dabei nicht einfach eine einzelne Vorlage. Sie kombiniert erlernte Muster zu einem neuen Ergebnis. Trotzdem können die erzeugten Inhalte fehlerhaft, ungenau oder den Trainingsdaten ähnlich sein.

Fazit

Eine KI verarbeitet Daten, erkennt Muster und nutzt diese, um Aufgaben zu lösen oder Vorhersagen zu treffen. Viele moderne Systeme werden mithilfe neuronaler Netze trainiert und verbessern ihre Ergebnisse durch zahlreiche Wiederholungen.

KI kann Menschen bei vielen Tätigkeiten unterstützen. Ihre Ergebnisse sollten jedoch kritisch geprüft werden, da sie auf Daten und Wahrscheinlichkeiten beruhen und nicht immer zuverlässig sind.