Was Ist Künstliche Intelligenz KI

Inhaltsverzeichnis

Der Begriff künstliche Intelligenz wurde 1956 geprägt, aber KI ist heute dank größerer Datenmengen, fortschrittlicher Algorithmen und Verbesserungen bei Rechenleistung und Speicher immer beliebter geworden. Nein, künstliche Intelligenz und maschinelles Lernen sind nicht dasselbe, aber sie sind eng miteinander verbunden. Maschinelles Lernen ist die Methode, einen Computer so zu trainieren, dass er aus seinen Eingaben lernt, jedoch ohne explizite Programmierung für alle Umstände.

Im Laufe der Zeit scheint es wahrscheinlich, dass die gleichen Verbesserungen der Intelligenz, die wir in anderen Bereichen der KI gesehen haben, in physische Roboter integriert werden. Expertensysteme, die auf Sammlungen von „Wenn-dann“-Regeln basierten, waren in den 1980er Jahren die vorherrschende Technologie für KI und wurden in dieser und späteren Perioden weithin kommerziell genutzt. Im Gesundheitswesen wurden sie in den letzten Jahrzehnten häufig für Zwecke der „klinischen Entscheidungsunterstützung“5 eingesetzt und sind auch heute noch weit verbreitet. Viele Anbieter elektronischer Patientenakten liefern heute mit ihren Systemen ein Regelwerk mit.

Eine Maschine mit allgemeiner Intelligenz kann eine Vielzahl von Problemen mit einer Breite und Vielseitigkeit ähnlich der menschlichen Intelligenz lösen. Es gibt mehrere konkurrierende Ideen zur Entwicklung künstlicher allgemeiner Intelligenz. Hans Moravec und Marvin Minsky argumentieren, dass die Arbeit in verschiedenen individuellen Domänen in ein fortschrittliches Multiagentensystem oder eine kognitive Architektur mit allgemeiner Intelligenz integriert werden kann. Pedro Domingos hofft, dass es einen konzeptionell einfachen, aber mathematisch schwierigen „Master-Algorithmus“ gibt, der führen könnte zu AGI. Andere glauben, dass anthropomorphe Merkmale wie ein künstliches Gehirn oder eine simulierte kindliche Entwicklung eines Tages einen kritischen Punkt erreichen werden, an dem allgemeine Intelligenz entsteht. Maschinelles Lernen, ein grundlegendes Konzept der KI-Forschung seit Beginn des Feldes, ist die Untersuchung von Computeralgorithmen, die sich durch Erfahrung automatisch verbessern.

  • Firmen wie Foundation Medicine und Flatiron Health, beide heute im Besitz von Roche, haben sich auf diesen Ansatz spezialisiert.
  • Es wird oft mit dem menschlichen Sehvermögen verglichen, aber maschinelles Sehen ist nicht an die Biologie gebunden und kann so programmiert werden, dass es beispielsweise durch Wände sieht.
  • Mit fortschreitender Technologie sind frühere Benchmarks, die künstliche Intelligenz definiert haben, veraltet.
  • Die verbesserte Software wäre noch besser darin, sich selbst zu verbessern, was zu einer rekursiven Selbstverbesserung führen würde.
  • Alternativ lohnt es sich, die Störung in Betracht zu ziehen, die sich ergeben könnte, wenn neuronale Netzwerke vorhanden sind, die realistische Bilder erstellen können, wie z.

Es gibt nur wenige Protokolle zur Förderung des Forschungszugangs oder Plattformen, die es ermöglichen, neue Erkenntnisse aus proprietären Daten zu gewinnen. Es ist nicht immer klar, wem Daten gehören oder wie viel in die Öffentlichkeit gehört. Diese Unsicherheiten schränken die Innovationsökonomie ein und bremsen die akademische Forschung. Im folgenden Abschnitt skizzieren wir Möglichkeiten, den Datenzugang für Forschende zu verbessern. Diese Beispiele aus einer Vielzahl von Sektoren zeigen, wie KI viele Bereiche der menschlichen Existenz verändert. Die zunehmende Durchdringung vieler Lebensbereiche durch KI und autonome Geräte verändert grundlegende Abläufe und Entscheidungsfindung in Unternehmen und verbessert Effizienz und Reaktionszeiten.

Projekte

Beispiele für maschinelles Lernen sind Bild- und Spracherkennung, Betrugsschutz und mehr. Ein konkretes Beispiel ist das Bilderkennungssystem, wenn Benutzer ein Foto auf Facebook hochladen. Das soziale Netzwerk kann das Bild analysieren und Gesichter erkennen, was zu Empfehlungen führt, verschiedene Freunde zu markieren. Mit der Zeit und Übung verfeinert das System diese Fähigkeit und lernt, genauere Empfehlungen zu geben. Die tragbaren Sensoren und Geräte, die in der Gesundheitsbranche verwendet werden, wenden auch Deep Learning an, um den Gesundheitszustand des Patienten zu beurteilen, einschließlich seines Blutzuckerspiegels, Blutdrucks und seiner Herzfrequenz.

Schon heute übertreffen Algorithmen Radiologen bei der Erkennung bösartiger Tumore und leiten Forscher bei der Zusammenstellung von Kohorten für kostspielige klinische Studien an. Aus verschiedenen Gründen glauben wir jedoch, dass es viele Jahre dauern wird, bis die KI den Menschen für breite medizinische Prozessdomänen ersetzt. In diesem Artikel beschreiben wir sowohl das Potenzial, das KI bietet, um Aspekte der Pflege zu automatisieren, als auch einige der Hindernisse für eine schnelle Implementierung von KI im Gesundheitswesen.

image

Die gleichen Gesetze können kodifiziert und auf Algorithmen der künstlichen Intelligenz angewendet werden. Das Problem bei diesem Ansatz ist, dass die Lösung eines Problems im Prinzip und die Lösung in der Praxis sehr unterschiedlich sein können und kontextuelle Nuancen erfordern. Außerdem gibt es einige Maßnahmen, die wir ergreifen, ohne uns eines Ergebnisses zu 100 % sicher zu sein, das ein Algorithmus möglicherweise nicht replizieren kann, wenn zu viele Parameter vorhanden sind. Wir haben diese Technologien als einzelne beschrieben, aber sie werden zunehmend kombiniert und integriert; Roboter bekommen KI-basierte „Gehirne“, Bilderkennung wird in RPA integriert.

Alles, was benötigt wird, sind Daten, die robust genug sind, damit Algorithmen nützliche Muster erkennen können. Daten können in Form von digitalen Informationen, Satellitenbildern, visuellen Informationen, Text oder unstrukturierten Daten vorliegen. Dies sind mathematische Modelle, deren Struktur und Funktionsweise lose auf der Verbindung zwischen Neuronen im menschlichen Gehirn basieren und die Art und Keynote Speaker Künstliche Intelligenz Weise nachahmen, wie sie sich gegenseitig Signale senden.

Was Ist Künstliche Intelligenz Im Jahr 2023? Arten, Trends Und Zukunft Davon?

Der Aufbau anpassungsfähiger Systeme, die während der Arbeit lernen, hat das Potenzial, die Effektivität und Effizienz zu verbessern. Diese Art von Algorithmen kann komplexe Aufgaben bewältigen und Urteile fällen, die das replizieren oder übertreffen, was ein Mensch tun könnte. Aber dafür zu sorgen, dass sie auf faire und gerechte Weise „lernen“, hat für Systemdesigner eine hohe Priorität.

Nach Kritik an diesen Bestimmungen ließ der ehemalige Stadtrat James Vacca die Anforderungen zugunsten einer Task Force fallen, die diese Fragen untersucht. Ein Beispiel für neue Möglichkeiten, Schüler auf eine digitale Zukunft vorzubereiten, ist das Teacher Advisor-Programm von IBM, das die kostenlosen Online-Tools von Watson nutzt, um Lehrern dabei zu helfen, das neueste Wissen in den Unterricht zu bringen. Sie ermöglichen Lehrern, neue Unterrichtspläne in MINT- und Nicht-MINT-Bereichen zu entwickeln, relevante Lehrvideos zu finden und Schülern zu helfen, das Beste aus dem Klassenzimmer herauszuholen.58 Als solche sind sie Vorläufer neuer Bildungsumgebungen, die geschaffen werden müssen. In einer KI-Welt sind nicht nur technische Fähigkeiten erforderlich, sondern unter anderem Fähigkeiten des kritischen Denkens, der Zusammenarbeit, des Designs, der visuellen Anzeige von Informationen und des unabhängigen Denkens.

Der Einfluss von Künstlicher Intelligenz auf die Gesellschaft wird breit diskutiert. Viele argumentieren, dass KI die Qualität des Alltags verbessert, indem sie routinemäßige und sogar komplizierte Aufgaben besser als Menschen erledigt und das Leben einfacher, sicherer und effizienter macht. Andere argumentieren, dass KI gefährliche Datenschutzrisiken darstellt, Rassismus durch die Standardisierung von Menschen verschärft und Arbeitnehmer ihre Arbeitsplätze kostet, was zu mehr Arbeitslosigkeit führt.

Er kommt zu dem Schluss, dass KI ein Risiko für die Menschheit darstellt, wie bescheiden oder "freundlich" ihre erklärten Ziele auch sein mögen. Der Politikwissenschaftler Charles T. Rubin argumentiert, dass "jedes ausreichend fortgeschrittene Wohlwollen von Böswilligkeit nicht zu unterscheiden sein kann". Menschen sollten nicht davon ausgehen, dass Maschinen oder Roboter uns positiv behandeln würden, weil es a priori keinen Grund zu der Annahme gibt, dass sie unser Moralsystem teilen würden. Der symbolische Ansatz scheiterte jedoch bei vielen Aufgaben, die Menschen leicht lösen können, wie z. Moravecs Paradoxon ist die Entdeckung, dass „intelligente“ Aufgaben auf hoher Ebene für die KI einfach waren, „instinktive“ Aufgaben auf niedriger Ebene jedoch äußerst schwierig waren. Und darauf, ein "Gefühl" für die Situation zu haben, anstatt explizites symbolisches Wissen.

image

Und die heutigen KI-Systeme können einige Merkmale menschlicher Intelligenz aufweisen, darunter Lernen, Problemlösung, Wahrnehmung und sogar ein begrenztes Spektrum an Kreativität und sozialer Intelligenz. Die Empfehlungen von ZDNET basieren auf vielen Stunden des Testens, Recherchierens und Vergleichseinkaufs. Wir sammeln Daten aus den besten verfügbaren Quellen, einschließlich Lieferanten- und Einzelhändlerlisten sowie anderen relevanten und unabhängigen Bewertungsseiten.

Da sich der Hype um KI beschleunigt hat, haben Anbieter sich bemüht, die Nutzung von KI durch ihre Produkte und Dienstleistungen zu fördern. Oft ist das, was sie als KI bezeichnen, einfach eine Komponente der Technologie, wie zum Beispiel maschinelles Lernen. KI erfordert eine Grundlage aus spezialisierter Hardware und Software zum Schreiben und Trainieren von Algorithmen für maschinelles Lernen. Keine einzelne Programmiersprache ist gleichbedeutend mit KI, aber Python, R, Java, C und Julia haben Funktionen, die bei KI-Entwicklern beliebt sind. Das vielleicht am schwierigsten zu lösende Problem angesichts der heutigen Technologien ist die Transparenz.

Solange diese Systeme wichtigen menschlichen Werten entsprechen, besteht nur ein geringes Risiko, dass KI abtrünnig wird oder Menschen gefährdet. Computer können absichtlich sein, während sie Informationen auf eine Weise analysieren, die Menschen erweitert oder ihnen hilft, auf einem höheren Niveau zu arbeiten. Wenn die Software jedoch schlecht konzipiert ist oder auf unvollständigen oder voreingenommenen Informationen basiert, kann sie die Menschheit gefährden oder vergangene Ungerechtigkeiten wiederholen. Alan Turing wird allgemein der Ursprung des Konzepts zugeschrieben, als er 1950 über „denkende Maschinen“ spekulierte, die auf der Ebene eines Menschen denken könnten. Sein bekannter „Turing-Test“ legt fest, dass Computer ebenso wie Menschen Denkrätsel lösen müssen, um als autonom „denkend“ gelten zu können. Es gab bereits eine Reihe von Fällen unfairer Behandlung im Zusammenhang mit historischen Daten, und es müssen Schritte unternommen werden, um sicherzustellen, dass sich dies nicht in der künstlichen Intelligenz durchsetzt.

Andere Argumente diskutieren die Ethik der künstlichen Intelligenz und ob intelligente Systeme wie Roboter mit den gleichen Rechten wie Menschen behandelt werden sollten. Die Technologie kann in vielen verschiedenen Sektoren und Industrien angewendet werden. KI wird in der Gesundheitsbranche getestet und eingesetzt, um Medikamente zu dosieren und verschiedene Behandlungen zu verteilen, die auf bestimmte Patienten zugeschnitten sind, und um chirurgische Eingriffe im Operationssaal zu unterstützen.

Die Global Partnership on Artificial Intelligence wurde im Juni 2020 ins Leben gerufen, um sicherzustellen, dass KI im Einklang mit Menschenrechten und demokratischen Werten entwickelt werden muss öffentliches Vertrauen und Vertrauen in die Technologie. Henry Kissinger, Eric Schmidt und Daniel Huttenlocher veröffentlichten im November 2021 eine gemeinsame Erklärung, in der sie eine Regierungskommission zur Regulierung von KI fordern. Ein Schlüsselbegriff aus der Wirtschaftswissenschaft ist „Nutzen“, ein Maß dafür, wie wertvoll etwas für einen intelligenten Agenten ist. Präzise mathematische Werkzeuge wurden entwickelt, die analysieren, wie ein Agent Entscheidungen treffen und planen kann, indem Entscheidungstheorie, Entscheidungsanalyse und Informationswerttheorie verwendet werden.