Bei k\u00fcnstlicher Intelligenz geht es nicht nur um Effizienz und die Rationalisierung m\u00fchsamer Aufgaben. Dank maschinellem Lernen und Deep Learning k\u00f6nnen KI-Anwendungen nahezu in Echtzeit aus Daten und Ergebnissen lernen, neue Informationen aus vielen Quellen analysieren und sich entsprechend anpassen, und das mit einer Genauigkeit, die f\u00fcr Unternehmen von unsch\u00e4tzbarem Wert ist. (Diese F\u00e4higkeit, selbst zu lernen und sich selbst zu optimieren, bedeutet, dass KI den gesch\u00e4ftlichen Nutzen, den sie erzeugt, kontinuierlich steigert. K\u00fcnstliche neuronale Netze und Deep-Learning-Technologien f\u00fcr k\u00fcnstliche Intelligenz entwickeln sich rasch weiter, vor allem weil KI gro\u00dfe Datenmengen viel schneller verarbeitet und genauere Vorhersagen macht als der Mensch.<\/p>\n
Deep Learning wird zunehmend auch f\u00fcr die Spracherkennung eingesetzt und ist somit eine Form der Verarbeitung nat\u00fcrlicher Sprache, die weiter unten beschrieben wird. Im Gegensatz zu fr\u00fcheren Formen der statistischen Analyse hat jedes Merkmal in einem Deep-Learning-Modell in der Regel wenig Bedeutung f\u00fcr einen menschlichen Beobachter. Folglich kann die Erkl\u00e4rung der Modellergebnisse sehr schwierig oder unm\u00f6glich zu interpretieren sein.<\/p>\n
Deep Learning-Techniken erm\u00f6glichen dieses automatische Lernen durch die Aufnahme gro\u00dfer Mengen unstrukturierter Daten wie Text, Bilder oder Videos. Das Konzept basiert auf der psychologischen Pr\u00e4misse, dass andere Lebewesen Gedanken und Gef\u00fchle haben, die das eigene Verhalten beeinflussen. In Bezug auf KI-Maschinen w\u00fcrde dies bedeuten, dass KI verstehen k\u00f6nnte, wie Menschen, Tiere und andere Maschinen f\u00fchlen und durch Selbstreflexion und Entschlossenheit Entscheidungen treffen, und diese Informationen dann nutzen w\u00fcrde, um eigene Entscheidungen zu treffen. Die Auswirkungen der k\u00fcnstlichen Intelligenz auf die Gesellschaft sind sehr umstritten.<\/p>\n
Dar\u00fcber hinaus wird die KI immer greifbarer: Sie treibt Autos an, diagnostiziert Krankheiten und festigt ihre Rolle in der Popkultur. Im Jahr 1997 besiegte Deep Blue von IBM den russischen Schachgro\u00dfmeister Garri Kasparow und war damit das erste Computerprogramm, das einen Schachweltmeister besiegte. Vierzehn Jahre sp\u00e4ter zog IBMs Watson die \u00d6ffentlichkeit in seinen Bann, als es in der Spielshow Jeopardy! In j\u00fcngster Zeit verbl\u00fcffte die historische Niederlage des 18-fachen Go-Weltmeisters Lee Sedol gegen AlphaGo von Google DeepMind die Go-Gemeinde und markierte einen wichtigen Meilenstein in der Entwicklung intelligenter Maschinen. Dies ist die Verarbeitung der menschlichen Sprache durch ein Computerprogramm. Eines der \u00e4lteren und bekanntesten Beispiele f\u00fcr NLP ist die Spam-Erkennung, bei der anhand der Betreffzeile und des Textes einer E-Mail entschieden wird, ob es sich um Junk-Mails handelt.<\/p>\n
Regierung und Unternehmen zogen sich aus der Unterst\u00fctzung der KI-Forschung zur\u00fcck, was zu einer Brachperiode von 1974 bis 1980 f\u00fchrte, die als der erste „KI-Winter“ bekannt wurde. Dies kann problematisch sein, da die Algorithmen des maschinellen Lernens, die vielen der fortschrittlichsten KI-Tools zugrunde liegen, nur so intelligent sind wie die Daten, die ihnen beim Training zur Verf\u00fcgung gestellt werden. Da ein Mensch ausw\u00e4hlt, welche Daten zum Trainieren eines KI-Programms verwendet werden, ist das Potenzial f\u00fcr Verzerrungen beim maschinellen Lernen inh\u00e4rent und muss genau \u00fcberwacht werden. KI und maschinelles Lernen stehen ganz oben auf der Liste der Schlagw\u00f6rter, die Sicherheitsanbieter heute verwenden, um ihre Angebote zu differenzieren.<\/p>\n
Bestimmte Anwendungen als „k\u00fcnstliche Intelligenz“ zu bezeichnen, ist so, als w\u00fcrde man ein Auto als „Fahrzeug“ bezeichnen – es ist zwar technisch korrekt, deckt aber keine der Besonderheiten ab. Um zu verstehen, welche Art von KI in der Wirtschaft vorherrscht, m\u00fcssen wir tiefer graben. Der Discovery-Prozess – das Durchsuchen von Dokumenten – in der Rechtswissenschaft ist f\u00fcr Menschen oft \u00fcberw\u00e4ltigend. Der Einsatz von KI zur Automatisierung der arbeitsintensiven Prozesse in der Rechtsbranche spart Zeit und verbessert den Kundenservice. Anwaltskanzleien nutzen maschinelles Lernen zur Beschreibung von Daten und zur Vorhersage von Ergebnissen, Computer Vision zur Klassifizierung und Extraktion von Informationen aus Dokumenten und nat\u00fcrliche Sprachverarbeitung zur Interpretation von Informationsanfragen.<\/p>\n
1997 wurde der amtierende Schachweltmeister und Gro\u00dfmeister Gary Kasparow von IBMs Deep Blue, einem schachspielenden Computerprogramm, besiegt. Dieses \u00f6ffentlichkeitswirksame Match war das erste Mal, dass ein amtierender Schachweltmeister gegen einen Computer verlor, und diente als gro\u00dfer Schritt in Richtung eines k\u00fcnstlich intelligenten Entscheidungsfindungsprogramms. Im selben Jahr wurde die von Dragon Systems entwickelte Spracherkennungssoftware in Windows implementiert. Dies war ein weiterer gro\u00dfer Schritt nach vorn, allerdings in Richtung der Bem\u00fchungen um die Interpretation gesprochener Sprache. Sogar menschliche Emotionen waren ein faires Spiel, wie Kismet, ein von Cynthia Breazeal entwickelter Roboter, der Emotionen erkennen und darstellen konnte, bewies.<\/p>\n
KI erfordert eine Grundlage aus spezialisierter Hardware und Software zum Schreiben und Trainieren von Algorithmen f\u00fcr maschinelles Lernen. Es gibt keine Programmiersprache, die gleichbedeutend mit KI ist, aber einige, darunter Python, R und Java, sind sehr beliebt. Der Einsatz von k\u00fcnstlicher Intelligenz hat sich schleichend entwickelt und ist inzwischen KI Beratung<\/a> Teil des t\u00e4glichen Lebens. F\u00fcr viele Unternehmen stellt sie die erste Sicherheitsma\u00dfnahme in Form einer biometrischen Authentifizierung dar. Diese Art der Authentifizierung erm\u00f6glicht es selbst den offiziellsten Organisationen wie der US-Steuerbeh\u00f6rde, die Identit\u00e4t einer Person anhand einer durch maschinelles Lernen generierten Datenbank zu \u00fcberpr\u00fcfen.<\/p>\n Obwohl sich diese Regierungsvertreter nicht in erster Linie auf Wissenschaft und Cyberdiplomatie konzentrieren, \u00e4u\u00dfern sich auch andere Institutionen zum Einsatz von k\u00fcnstlicher Intelligenz in der Cybersicherheit mit diesem Schwerpunkt. Diese Schwachstelle kann eine plausible Erkl\u00e4rung daf\u00fcr sein, warum Russland keine KI in Konflikten einsetzt, so Andrew Lohn, ein Senior Fellow am CSET. Das Pentagon setzt KI nicht nur auf dem Schlachtfeld ein, sondern auch bei der Analyse von Kriegsdaten, um die Cybersicherheit und die Kriegsf\u00fchrung der Vereinigten Staaten zu verbessern. K\u00fcnstliche Intelligenz dient nicht als Ersatz f\u00fcr menschliche Intelligenz und Erfindungsgabe, sondern wird im Allgemeinen als unterst\u00fctzendes Werkzeug gesehen. Obwohl die k\u00fcnstliche Intelligenz derzeit Schwierigkeiten hat, einfache Aufgaben in der realen Welt zu erledigen, ist sie in der Lage, gro\u00dfe Datenmengen viel schneller zu verarbeiten und zu analysieren, als es ein menschliches Gehirn k\u00f6nnte.<\/p>\n","protected":false},"excerpt":{"rendered":" Bei k\u00fcnstlicher Intelligenz geht es nicht nur um Effizienz und die Rationalisierung m\u00fchsamer Aufgaben. Dank maschinellem Lernen und Deep Learning k\u00f6nnen KI-Anwendungen nahezu in Echtzeit aus Daten und Ergebnissen lernen, neue Informationen aus vielen Quellen analysieren und sich entsprechend anpassen, und das mit einer Genauigkeit, die f\u00fcr Unternehmen von unsch\u00e4tzbarem Wert ist. (Diese F\u00e4higkeit, selbst […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":[],"categories":[3],"tags":[],"_links":{"self":[{"href":"https:\/\/www.netedition.de\/wp-json\/wp\/v2\/posts\/466"}],"collection":[{"href":"https:\/\/www.netedition.de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.netedition.de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.netedition.de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.netedition.de\/wp-json\/wp\/v2\/comments?post=466"}],"version-history":[{"count":3,"href":"https:\/\/www.netedition.de\/wp-json\/wp\/v2\/posts\/466\/revisions"}],"predecessor-version":[{"id":485,"href":"https:\/\/www.netedition.de\/wp-json\/wp\/v2\/posts\/466\/revisions\/485"}],"wp:attachment":[{"href":"https:\/\/www.netedition.de\/wp-json\/wp\/v2\/media?parent=466"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.netedition.de\/wp-json\/wp\/v2\/categories?post=466"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.netedition.de\/wp-json\/wp\/v2\/tags?post=466"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}