Künstliche Intelligenz ist ein vieldiskutiertes Thema, daher finden sich in Beträgen und Diskussionen viele Fachtermini. Häufig verwendete Begriffe möchte ich hier kurz erklären.

Diese Zusammenstellung ist nicht vollständig und wird das vermutlich auch nie werden, sobald mir jedoch weitere relevante  Begriffe begegnen, werde ich diesen Beitrag anpassen.

Künstliche Intelligenz – KI

Es gibt keine allgemeingültige Definition unter Wissenschaftlern und von Medien wird dieser Begriff in einem sehr breiten Kontext verwendet.

Der Versuch einer Definition kann über ihre Eigenschaften erfolgen:

• Autonom: Eine KI löst komplexe Aufgaben ohne das Zutun eines Menschen
• Adaptiv: Eine KI verbessert ihre Leistung auf Basis gemachter Erfahrungen

Machine Learning – ML

Unter Machine Learning versteht man einen Teilbereich der Künstlichen Intelligenz. Er beschreibt Methoden, die die Leistung einer KI auf Basis von Datensätzen verändern.

Wissensrepräsentation

Die maschinenlesbare Darstellung von Information aus der Welt ist die natürliche Voraussetzung für alle KI Anwendungen.

Statistik

Die Entscheidungsfindung basiert häufig auf Wahrscheinlichkeiten und entsprechenden statistischen Modellen.

Deep Learning

Deep Learning ist ein Teilbereich von Machine Learning. Bei dieser Technik wird eine Vielzahl von Schichten, jeweils bestehend aus einer Vielzahl einfacher Entscheidungsknoten, hintereinander angeordnet. Man spricht von einem Neuronalen Netz. Bei einer geringen Anzahl an Schichten lässt sich identifizieren welche Funktion die einzelnen Schichten erfüllen. Bei einer Bildbearbeitung könnte die erste Schicht beispielsweise Kanten erkennen, die zweite Schicht unterscheidet Farben. Bei tiefen Netzen ist diese Aufteilung nach Funktionen nicht mehr möglich.

Sichtbar sind dabei die Eingabe- und die Ausgabeschicht dieses Netzwerkes. Deep Learning beschreibt die Methode der Optimierung dieses Netzes.

Diese Methode ist seit längerem bekannt, kann jedoch erst seit einigen Jahren durch die Verfügbarkeit von ausreichender Rechenkapazität und Datenmengen zum Trainieren des Netzes eingesetzt werden. Als Daumenregel gilt: Je größer die Anzahl der Schichten des Netzes ist, desto mehr Trainingsdaten werden benötigt.

Data Science

Unter Data Science versteht man einen Oberbegriff unter dem Techniken zusammengefasst werden mit denen aus großen Datenmengen relevante Informationen sichtbargemacht und Entscheidung getroffen werden können.

Dazu wird auf Machine Learning, Statistik und Teile der Informatik, wie Algorithmen, Daten Speicherung und Web Applications, sowie auf Techniken zur Visualisierung von Daten zurückgegriffen.

Erweiterte Themenfelder

Die folgenden Themen bilden einen erweiterten Kreis. Sie sind nicht Teil der Methode selber, vervollständigen jedoch die Anwendung in der Praxis.

• Objekterkennung
• Sprachverständnis
  (Gemeint ist menschliche Sprache
• Mensch-Maschine-Interaktion
• Robotik

Enge KI oder schwache KI

Eine enge oder auch schwache KI (eng. Artificial Narrow Intelligence – ANI) dient der Bearbeitung einer bestimmten Aufgabe. Sie stellt eine Unterstützung für den menschlichen Anwender dar. Beispiele dafür sind Chatbots oder Spracheingabe.

Generelle KI oder allgemeine KI oder starke KI

Eine generelle KI, teilweise auch als allgemeine oder starke KI bezeichnet, ist nicht auf eine Aufgabe begrenzt. Damit wäre sie in der Lage die Fähigkeiten des Menschen soweit nachzubilden um auch verschiedenste Situationen selbständig zu meistern. Dabei sind mehrere unterschiedliche Aufgaben gleichzeitig zu bewältigen. Ein Beispiel dafür ist das autonome Fahren.

Industrielle KI – iKI

Unter industrieller KI versteht man die Anwendung der Methoden der KI in industriellem Umfeld. Das Ziel besteht dabei in der Optimierung der Produktentstehung und der Produktion durch die Sichtbarmachung, Optimierung und Steuerung von Abläufen.

Einordnung auf einer Zeitskala

Mit Statistik wir die Vergangenheit beschrieben. Die Methoden des Data Minings versuchen aus diesen Daten die Ursache und Wirkung abzuleiten. Mit Machine Learning sollten daraus Prognosen für die Zukunft getroffen werden.

Es fehlen Begriffe? Anmerkungen? Gebt gerne einen Hinweis in den Kommentaren.