Zum Hauptinhalt springen
Zu Hauptinhalt springen
News Center
Warenkorb 0 Artikel in Einkaufswagen

Die wichtigsten KI-Begriffe im Überblick

Künstliche Intelligenz (KI) ist im Wesentlichen ein intelligentes Computersystem, das den Menschen in gewisser Weise imitieren kann. Zum Beispiel indem es versteht, was Menschen sagen, Entscheidungen trifft, zwischen Sprachen übersetzt, analysiert, ob etwas negativ oder positiv ist, und sogar aus Erfahrungen lernt. Es ist insofern künstlich, als dass sein Intellekt von Menschen mithilfe von Technologie geschaffen wurde. Manchmal sagt man, KI-Systeme hätten ein digitales Gehirn, aber es sind keine physischen Maschinen oder Roboter – es sind Programme, die auf Computern laufen. Sie lassen eine riesige Datensammlung durch Algorithmen laufen, das heißt durch eine Reihe von Anweisungen. So entstehen Modelle, die Aufgaben automatisieren können, welche normalerweise menschliche Intelligenz und Zeit erfordern. Manchmal greifen Menschen gezielt auf ein KI-System zu, beispielsweise wenn sie Bing Chat um Hilfe bitten, aber häufiger arbeitet die KI im Hintergrund und unterstützt uns bei der Eingabe von Wörtern, empfiehlt Lieder in Wiedergabelisten und liefert relevante Informationen auf der Grundlage unserer Vorlieben.

Wenn KI das Ziel ist, dann ist maschinelles Lernen (ML) der Weg dorthin. Dabei handelt es sich um einen Bereich der Informatik innerhalb der KI, bei dem man einem Computersystem durch Training beibringt, wie es Muster erkennt und darauf basierend Vorhersagen trifft. Die Daten werden immer wieder durch Algorithmen geleitet, wobei jedes Mal andere Eingaben und Rückmeldungen gemacht werden, damit das System lernt und sich während des Trainingsprozesses verbessert. In etwa so, wie man unzählige Male Klaviertonleitern übt, um danach Musik vom Blatt lesen zu können.

Besonders hilfreich ist dies bei Problemen, die mit herkömmlichen Programmiertechniken nur schwer oder gar nicht zu lösen wären, wie beispielsweise die Erkennung von Bildern und die Übersetzung von Sprachen. Dazu sind riesige Datenmengen erforderlich, die wir erst in den letzten Jahren nutzen konnten. Das liegt daran, dass immer mehr Informationen digitalisiert wurden und gleichzeitig die Computerhardware schneller, kleiner und leistungsfähiger wurde. Aus diesem Grund sind große Sprachmodelle, die maschinelles Lernen nutzen – und mit ihnen etwa Bing Chat und ChatGPT – plötzlich entstanden.

Große Sprachmodelle (Large Language Models, LLM) nutzen Techniken des maschinellen Lernens, um Sprache zu verarbeiten und so die menschliche Kommunikation zu imitieren. Sie basieren auf neuronalen Netzen, das heißt auf Computersystemen, die dem menschlichen Gehirn nachempfunden sind – eine Art Knotenpunkte und Verbindungen, die Neuronen und Synapsen simulieren. Sie werden anhand einer riesigen Textmenge trainiert, um Muster und Beziehungen in der Sprache zu lernen, die ihnen helfen, menschliche Wörter zu verwenden.

Ihre Problemlösungsfähigkeiten können genutzt werden, um Sprachen zu übersetzen, Fragen in Form eines Chatbots zu beantworten, Texte zusammenzufassen und sogar Geschichten, Gedichte und Computercode zu schreiben. Sie haben keine Gedanken oder Gefühle – aber manchmal klingen sie so, weil sie Muster gelernt haben, die ihnen helfen, so zu reagieren, wie es ein Mensch tun würde. Oft werden sie von Entwickler*innen mit Hilfe eines Prozesses namens „Reinforcement Learning from Human Feedback“ feinabgestimmt, damit sie umgänglicher klingen.

In diesem Blogbeitrag findet ihr weitere Informationen zum Thema maschinelles Lernen:  Microsoft erklärt: Was ist Machine Learning? Definition & Funktionen von ML

Generative KI nutzt die Leistung großer Sprachmodelle, um Neues zu schaffen und nicht nur Informationen über Bestehendes wiederzugeben oder zu übermitteln. Sie lernt Muster und Strukturen und erzeugt dann etwas, das ähnlich, aber neu ist. Generative KI kann beispielsweise Bilder, Musik, Text, Videos und Code erstellen. Sie kann dazu verwendet werden, Kunst zu schaffen, Geschichten zu schreiben, Produkte zu entwerfen und sogar Ärzt*innen bei Verwaltungsaufgaben zu helfen. Sie kann aber auch von böswilligen Akteur*innen genutzt werden, um falsche Nachrichten oder Bilder zu erstellen, die wie Fotos aussehen, aber nicht echt sind. Deshalb arbeiten Technologieunternehmen an Möglichkeiten, KI-generierte Inhalte eindeutig zu erkennen.

Mehr zum Thema generative KI in diesem Blogbeitrag: Generative KI: Vom Hype zur Produktivkraft

Generative KI-Systeme können Geschichten, Gedichte und Lieder erstellen, aber manchmal wollen wir, dass die Ergebnisse auf der Wahrheit beruhen. Da diese Systeme nicht unterscheiden können, was echt und was erfunden ist, können sie ungenaue Antworten geben, die von Entwickler*innen als KI-Halluzinationen bezeichnet werden. In etwa so, als ob jemand die Umrisse eines Gesichts auf dem Mond sieht und dann behauptet, es gäbe tatsächlich einen Menschen auf dem Mond.

Die Entwickler*innen versuchen, diese Probleme durch „Erdung“ (engl. „grounding“) zu lösen, was bedeutet, dass sie ein KI-System mit zusätzlichen Informationen aus einer vertrauenswürdigen Quelle versorgen, um die Genauigkeit bei einem bestimmten Thema zu verbessern. Manchmal sind die Vorhersagen eines Systems auch falsch, wenn ein Modell nach dem Training nicht über aktuelle Informationen verfügt.

Verantwortungsvolle KI ist ein Leitfaden für die Entwicklung von Systemen, die sicher und fair sind – und zwar auf allen Ebenen, einschließlich des maschinellen Lernmodells, der Software, der Benutzeroberfläche und der Regeln und Einschränkungen für den Zugang zu einer Anwendung. Das ist ein entscheidendes Element, denn diese Systeme sollen oft dabei helfen, wichtige Entscheidungen über Menschen zu treffen, beispielsweise im Bildungs- und Gesundheitswesen. Sie werden aber von Menschen geschaffen und auf Daten aus einer Welt trainiert, die nicht perfekt ist. Deshalb können sie inhärente Verzerrungen widerspiegeln. Ein großer Teil der verantwortungsvollen KI besteht darin, die Daten zu verstehen, mit denen die Systeme trainiert wurden, und Wege zu finden, um etwaige Mängel zu beheben, damit sie die Gesellschaft insgesamt besser widerspiegeln und nicht nur bestimmte Personengruppen.

Ein multimodales Modell kann mit verschiedenen Arten oder Modi von Daten gleichzeitig arbeiten. Es kann Bilder erkennen, Töne hören und Wörter lesen. Der ultimative Multitasker! Ein multimodales Modell kann all diese Informationen kombinieren, um zum Beispiel Fragen zu Bildern zu beantworten.

Hier findet ihr weitere Informationen zu multimodalen Modellen:

Ein Prompt ist eine Anweisung, die in ein System in Form von Sprache, Bildern oder Code eingegeben wird und der KI mitteilt, welche Aufgabe sie ausführen soll. Entwickler*innen – und eigentlich alle, die mit KI-Systemen arbeiten – müssen Prompts sorgfältig entwerfen, um das gewünschte Ergebnis aus den großen Sprachmodellen zu erhalten. Es ist wie bei einer Bestellung an der Feinkosttheke: Man fragt nicht einfach nach einem Sandwich, sondern gibt an, welches Brot man haben möchte und welche Art und Menge an Gewürzen, Gemüse, Käse und Fleisch, um ein leckeres Mittagessen zu erhalten.

Weitere Informationen sowie Tipps rund um das Thema Prompts findet ihr unter anderem in unserer Blogserie „Chatten mit Bing“:

Ein Copilot ist eine Art persönlicher Assistent, der euch bei allen möglichen digitalen Anwendungen zur Seite steht und euch beim Schreiben, Codieren, Zusammenfassen und Suchen unterstützt. Er kann euch auch dabei helfen, Entscheidungen zu treffen und große Datenmengen zu verstehen. Die jüngste Entwicklung umfangreicher Sprachmodelle macht Copilots möglich, die natürliche menschliche Sprache verstehen und Antworten geben, Inhalte erstellen oder Aktionen ausführen, während ihr in verschiedenen Computerprogrammen arbeitet.

Copilots werden mit verantwortungsbewussten KI-Leitplanken gebaut, um sicherzustellen, dass sie sicher sind und in einer sinnvoll eingesetzt werden. Wie ein Copilot in einem Flugzeug habt ihr, die Piloten das Sagen – aber Copilots können euch dabei helfen, produktiver und effizienter zu arbeiten.

Plugins ermöglichen es KI-Anwendungen, mehr zu tun, ohne das zugrunde liegende Modell ändern zu müssen. Sie ermöglichen beispielsweise die Interaktion von Copilots mit anderer Software und anderen Diensten. Sie können KI-Systemen helfen, auf neue Informationen zuzugreifen, komplizierte Berechnungen durchzuführen oder mit anderen Programmen zu kommunizieren. Sie machen KI-Systeme leistungsfähiger, indem sie sie mit dem Rest der digitalen Welt verbinden.

Mehr Geschichten