Telefunken Sendersystem

Loading

Was Ist Künstliche Intelligenz AI? Definition, Vorteile Und Anwendungsfälle

Was Ist Künstliche Intelligenz AI? Definition, Vorteile Und Anwendungsfälle

Eine Reihe von KI-Technologien wird auch eingesetzt, um Pandemien wie COVID-19 vorherzusagen, zu bekämpfen und zu verstehen. Künstliche Intelligenz ist die Simulation menschlicher Intelligenzprozesse durch Maschinen, insbesondere durch Computersysteme. Zu den spezifischen Anwendungen der KI gehören Expertensysteme, die Verarbeitung natürlicher Sprache, Spracherkennung und maschinelles Sehen. Stephen Hawking, Microsoft-Gründer Bill Gates, Geschichtsprofessor Yuval Noah Harari und SpaceX-Gründer Elon Musk haben alle ernsthafte Bedenken über die Zukunft der künstlichen Intelligenz geäußert. Andere Experten argumentieren, dass die Risiken weit genug in der Zukunft liegen, um nicht erforscht zu werden, oder dass der Mensch aus der Perspektive einer superintelligenten Maschine wertvoll sein wird.Rodney Brooks hat gesagt, dass “bösartige” KI noch Jahrhunderte entfernt ist. Viele Probleme der KI erfordern, dass der Agent mit unvollständigen oder unsicheren Informationen arbeitet.

Zu den NLP-Aufgaben gehören Textübersetzung, Stimmungsanalyse und Spracherkennung. In Verbindung mit KI-Technologien können Automatisierungstools den Umfang und die Art der ausgeführten Aufgaben erweitern. Ein Beispiel dafür ist die robotergestützte Prozessautomatisierung, eine Art von Software, die sich wiederholende, regelbasierte Datenverarbeitungsaufgaben automatisiert, die traditionell von Menschen erledigt werden. In Kombination mit maschinellem Lernen und neuen KI-Tools kann RPA größere Teile von Unternehmensaufgaben automatisieren, so dass die taktischen Bots von RPA die Intelligenz der KI weitergeben und auf Prozessänderungen reagieren können. Viele Forscher begannen zu bezweifeln, dass der symbolische Ansatz in der Lage sein würde, alle Prozesse der menschlichen Kognition zu imitieren, insbesondere Wahrnehmung, Robotik, Lernen und Mustererkennung.

Ab dem Jahr 2022 verlangt die US-Steuerbehörde von Personen, die sich nicht einem Live-Interview mit einem Agenten unterziehen, eine biometrische Überprüfung ihrer Identität über das Gesichtserkennungstool von ID.me. Mit dem Einmarsch in die Ukraine im Jahr 2022 haben die böswilligen Cyberaktivitäten gegen die Vereinigten Staaten, die Ukraine und Russland zugenommen. Ein prominenter und selten dokumentierter Einsatz von künstlicher Intelligenz in Konflikten ist der Einsatz von Gesichtserkennungssoftware im Namen der Ukraine, um russische Angreifer zu enttarnen und im laufenden Krieg getötete Ukrainer zu identifizieren.

Ältere Algorithmen des maschinellen Lernens neigen dazu, ab einer bestimmten Datenmenge ihre Leistungsfähigkeit zu verlieren, während Deep-Learning-Modelle ihre Leistung mit zunehmender Datenmenge weiter verbessern. Dadurch sind Deep-Learning-Modelle weitaus skalierbarer und detaillierter; man könnte sogar sagen, dass Deep-Learning-Modelle unabhängiger sind. Ironischerweise florierte die künstliche Intelligenz in Abwesenheit von staatlicher Finanzierung und öffentlichem Hype. In den 1990er und 2000er Jahren wurden viele der wegweisenden Ziele der künstlichen Intelligenz erreicht.

Obwohl regelbasierte Systeme, die in EHR-Systeme integriert sind, weit verbreitet sind, auch im NHS11 , fehlt ihnen die Präzision von algorithmischen Systemen, die auf maschinellem Lernen basieren. Allgemeine KI entspricht eher dem, was man in Science-Fiction-Filmen sieht, wo empfindungsfähige Maschinen die menschliche Intelligenz nachahmen, strategisch, abstrakt und kreativ denken und in der Lage sind, eine Reihe komplexer Aufgaben zu bewältigen. Zwar können Maschinen einige Aufgaben besser erledigen als Menschen (z. B. Datenverarbeitung), aber diese vollständig realisierte Vision einer allgemeinen KI gibt es außerhalb der Leinwand noch nicht. Deshalb ist die Zusammenarbeit zwischen Mensch und Maschine von entscheidender Bedeutung – künstliche Intelligenz ist heute eine Erweiterung der menschlichen Fähigkeiten und kein Ersatz. Technologien wie maschinelles Lernen und die Verarbeitung natürlicher Sprache sind alle Teil der KI-Landschaft.

Eine Reihe von Forschern begann, sich mit “subsymbolischen” Ansätzen für spezifische KI-Probleme zu befassen. Robotikforscher wie Rodney Brooks lehnten die symbolische KI ab und konzentrierten sich auf die grundlegenden technischen Probleme, die es Robotern ermöglichen, sich zu bewegen, zu überleben und ihre Umgebung zu erlernen. Das Interesse an neuronalen Netzen und “Konnektionismus” wurde Mitte der 80er Jahre von Geoffrey Hinton, David Rumelhart und anderen wiederbelebt.

Ein amerikanisches Unternehmen wie Duolingo ist sehr bekannt für seinen automatisierten Unterricht von 41 Sprachen. Künstliche Intelligenz wird auch die Routineaufgaben automatisieren, die Lehrkräfte erledigen müssen, z. Benotung, Anwesenheitskontrolle und Bearbeitung von Routineanfragen der Schüler. Auf diese Weise kann der Lehrer die komplexen Aufgaben des Unterrichts weiterführen, die eine automatisierte Maschine nicht bewältigen kann. Dazu gehören das Erstellen von Prüfungen, das Erklären komplexer Sachverhalte auf eine Weise, die den Schülern individuell zugute kommt, und die Bearbeitung individueller Fragen von Schülern. Chinas Staatschef Xi Jinping will bis 2030 weltweit führend in der KI-Forschung sein, und der russische Präsident Putin erklärte: “Wer in diesem Bereich führend wird, wird zum Herrscher der Welt”.

In den 80er Jahren wurden Soft-Computing-Tools wie neuronale Netze, Fuzzy-Systeme, die Grey-System-Theorie, evolutionäre Berechnungen und viele Tools aus der Statistik oder mathematischen Optimierung entwickelt. Heutzutage übersteigt die Menge der Daten, die sowohl von Menschen als auch von Maschinen erzeugt werden, bei weitem die Fähigkeit des Menschen, diese Daten aufzunehmen, zu interpretieren und auf ihrer Grundlage komplexe Entscheidungen zu treffen. Künstliche Intelligenz bildet die Grundlage für jegliches Computerlernen und ist die Zukunft aller komplexen Entscheidungsprozesse. Ein Beispiel: Die meisten Menschen können herausfinden, wie man beim Tic-Tac-Toe nicht verliert, obwohl es 255 168 verschiedene Züge gibt, von denen 46 080 mit einem Unentschieden enden.

Dies hat zu einer Explosion der Effizienz beigetragen und einigen größeren Unternehmen die Tür zu völlig neuen Geschäftsmöglichkeiten geöffnet. Vor der aktuellen Welle der künstlichen Intelligenz wäre es schwer vorstellbar gewesen, dass eine Computersoftware Fahrer mit Taxis zusammenbringt, aber heute ist Uber KI Komponenten Entwicklung eines der größten Unternehmen der Welt geworden, weil es genau das tut. Uber nutzt ausgeklügelte Algorithmen des maschinellen Lernens, um vorherzusagen, wann Menschen in bestimmten Gebieten wahrscheinlich eine Fahrt benötigen, und kann so proaktiv Fahrer auf die Straße bringen, bevor sie gebraucht werden.