Was ist KI? Das musst du über künstliche Intelligenz wissen

Künstliche Intelligenz ist also auf Unmengen menschlicher Daten angewiesen. Der Mensch lernt anders – er braucht keine tausend Terabyte voller Erdbeertortenrezepte. Er braucht nur ein gutes Rezept. Dann lernt er mit relativ wenigen Versuchen, selbst eine Erdbeertorte zu backen. Er versteht, was dieses Rezept bedeutet und wozu es da ist. Künstliche Intelligenz ahmt menschliche Fähigkeiten lediglich nach, sie funktioniert dabei jedoch grundlegend anders als ein Mensch.

KIs haben keine Gefühle, sinnliche Erfahrungen oder Absichten wie ein Mensch. Sie denken nicht wie Menschen, sondern simulieren dies nur. Sie verstehen die Texte nicht, die sie ausspucken. Sie finden die Bilder nicht schön, die sie aus unseren Textbefehlen basteln.

Es gibt viele praktische KI-Lösungen für verschiedene Lebensbereiche:

Künstliche Intelligenz kommt also schon länger in verschiedenen Bereichen zum Einsatz.

Diese Beiträge zum Alltagseinsatz von KI könnten dich auch interessieren:

• KI für zu Hause: Beispiele, wie KI uns schon jetzt im Alltag hilft
• KI fürs Handy: Die 8 besten KI-Apps im Überblick
• Die besten KI-Programme & -Tools für den PC
• KI-Prozessoren: Das bringen KI-PCs wirklich
• NPU: Der KI-Beschleuniger im Prozessor erklärt
• Wearables mit KI: Fitness & Gesundheit überwachen
• Intelligente Saugroboter mit KI: Was diese Staubsauger können
• KI in der Waschmaschine: Smarte Wäsche – saubere Sache
• KI-Gaming: Wie künstliche Intelligenz Videospiele revolutioniert
• KI und Grafikkarten: Das bringen sie für Gaming & Anwendungen

Der Grund für den aktuellen KI-Hype ist der Chatbot ChatGPT des US-amerikanischen Unternehmens OpenAI.

ChatGPT zählt zum Teilbereich der generativen KI. Dabei handelt es sich um Systeme, die kreative Inhalte erstellen können. ChatGPT erstellt nur Texte, andere generative KIs erzeugen Bilder, Videos und Musik. Generative KIs haben im Jahr 2022 einen größeren Schritt nach vorne gemacht. Millionen Menschen kamen erstmals bewusst in Kontakt mit einer Technologie, die es grundsätzlich schon länger gibt.

ChatGPT beeindruckte viele Nutzer mit plausibel klingenden Sätzen in natürlicher Sprache. KI-erzeugte Texte werden gerne als Vorlagen verwendet, etwa für Abokündigungen und für Hausaufgaben. KI-Bildgeneratoren wie Midjourney wandeln Texte in Bilder um, die auf den ersten Blick beeindruckend aussehen.

Oft wird bei KI-Systemen zwischen „schwacher KI“ und „starker KI“ unterschieden:

• Schwache KI simuliert bestimmte menschliche Fähigkeiten.
• Starke KI beschreibt intelligente Maschinen, welche die geistigen Fähigkeiten des Menschen nachbilden können. Wird auch „AGI“ (Artificial General Intelligence, künstliche allgemeine Intelligenz) genannt.

Starke KI gibt es bislang nicht. Auch ist umstritten, ob sie überhaupt möglich ist. Wenn KIs mit immer mehr Daten gefüttert werden, muss das nicht bedeuten, dass sie höhere Qualitäten und mehr Fähigkeiten entwickeln.

Den Lernprozess einer KI bezeichnet man als „maschinelles Lernen“. Wir haben ihn oben schon allgemein erläutert, hier gehen wir mehr in die Details.

Maschinelles Lernen ist ein Prozess, bei dem Computer Muster und Zusammenhänge in Daten erkennen. Dabei werden große Datenmengen analysiert und ausgewertet. Der Lernprozess erfolgt durch das automatische Anpassen von Parametern in den Algorithmen. Diese halten in Zahlenwerten fest, wie stark der Zusammenhang zwischen bestimmten Datenpunkten ist.

Ein simpler Parameter könnte zum Beispiel beschreiben, wie häufig die Aussage „Meine Lieblingsfarbe ist …“ mit dem Wort „grün“ endet.

Das maschinelle Lernen ist ein Vorbereitungs- und Verfeinerungsprozess für KI-Systeme. Die erlernten Parameter werden häufig als Gewichtungen („weights“) bezeichnet, ihre Summe stellt ein sogenanntes „Modell“ dar. Die Parameter hinter ChatGPT bezeichnet man etwa als großes Sprachmodell (Large Language Model = LLM).

Arten des maschinellen Lernens

Hier sind die drei bedeutendsten Methoden des maschinellen Lernens im Überblick:

1. Überwachtes Lernen: Hierbei wird dem Computer eine große Menge an Daten zur Verfügung gestellt, die bereits mit den richtigen Antworten oder Beschriftungen versehen sind. Zum Beispiel kann ein Computer so lernen zu unterscheiden, ob ein Bild einen Hund oder eine Katze zeigt. Dafür wird er mit einer großen Menge von Bildern trainiert, die bereits als „Hund“ oder „Katze“ gekennzeichnet sind.
2. Unüberwachtes Lernen: Im Gegensatz zum überwachten Lernen werden hier keine Beschriftungen oder Antworten bereitgestellt. Der Computer muss selbstständig Muster und Zusammenhänge in den Daten erkennen. Zum Beispiel kann ein Computer lernen, ähnliche Gruppen von Kunden in einem Online-Shop zu identifizieren, indem er ihre Einkaufsgewohnheiten analysiert.
3. Verstärkendes Lernen: Hierbei lernt der Computer durch menschliches Feedback, das er für seine Handlungen erhält. Der Computer trifft Entscheidungen und erhält dann Feedback darüber, ob diese Entscheidungen richtig oder falsch waren. Mit der Zeit trifft er dann seltener falsche Entscheidungen.

Deep Learning, neuronale Netze und Transformer

Bei Deep Learning handelt es sich um eine Unterkategorie des maschinellen Lernens, bei der künstliche neuronale Netze eingesetzt werden. Diese Netze sind ein Versuch, die Struktur des menschlichen Gehirns digital nachzuahmen. Mit ihrer Hilfe soll eine KI komplexe Muster und Zusammenhänge in ihren Trainingsdaten erkennen.

Die Transformer-Architektur, die Google in der Arbeit „Attention is all you need“ (2017) vorgestellt hat, ist mittlerweile der Industriestandard für Deep Learning – insbesondere für die Analyse von Satzstrukturen. Dieser Durchbruch hat das Training von Sprachmodellen deutlich beschleunigt. Somit verdanken wir Google indirekt auch heutige Errungenschaften wie OpenAIs ChatGPT.

Wir wagen einen vorsichtigen Blick in die Zukunft: Wie könnten KI-Tools, etwa jene von Google oder Microsoft, die moderne Arbeitswelt verändern?

Experten über die Zukunft der Arbeitswelt mit KI

Laut ifaa-Trendbarometer „Arbeitswelt“ (2022) glauben 31 Prozent der befragten Führungskräfte, dass KI im Jahr 2023 eine sehr wichtige Rolle in Unternehmen spielen wird. Prof. Dr.-Ing. Sascha Stowasser prognostiziert, dass das Wissen um KI in Unternehmen vorhanden ist und zunehmend zum Einsatz kommen wird. Generative KI-Tools wie OpenAIs ChatGPT haben bereits Auswirkungen auf die Arbeitswelt – und bald auch Googles mit KI angereicherte Workspace-Apps.

Experten beobachten die Entwicklung in einem Beitrag auf The Conversation mit gemischten Gefühlen:

• Lynne Parker (Dir. AI Tennessee Initiative) glaubt, dass KI-Tools das kreative Denken und die Wissensarbeit für alle zugänglich machen, aber wichtige Fragen zum geistigen Eigentum beantwortet werden müssen.
• Daniel Acuña (Prof. Computerwissenschaften) stellt fest, dass KI-basierte Texttools den Ideenfluss verbessern können, aber auch das Risiko von Ungenauigkeiten, Voreingenommenheit und Plagiaten bergen.
• Casey Greene (Prof. biomedizinische Informatik) sieht Potenzial für KI in der Wissensarbeit, betont jedoch, dass die Gesellschaft darüber entscheidet, ob die Technologie Chancengleichheit fördert oder Ungleichheiten vertieft.
• Mark Finlayson (Prof. Computerwissenschaften) beruhigt Ängste vor Jobverlust und betont, dass menschliche Kreative und Wissensarbeiter weiterhin benötigt werden, um KI-generierte Inhalte zu steuern, zusammenzustellen und zu ergänzen.

Hinter dem heutigen Wirbel um die künstliche Intelligenz steckt eine faszinierende Technologie mit vielen Möglichkeiten. Sie kann Arbeitsabläufe effizienter machen, teilweise automatisieren, und die Forschung vorantreiben.

Aber künstliche Intelligenz birgt auch Gefahren.

Es können ethische Konflikte entstehen, wenn wir uns Entscheidungen von der KI abnehmen lassen. Können wir uns wirklich auf die KI-Systeme verlassen? Wie viel Arbeit dürfen wir an die Maschinen abgeben, bevor wir unsere Eigenverantwortung aufgeben?

Eine Studie von Goldman Sachs (März 2023) prognostiziert zudem, dass künstliche Intelligenz 300 Millionen Vollzeitarbeitsplätze weltweit ersetzen könnte. Und wer künstliche Intelligenz nicht einsetzen möchte, wird sich immer häufiger rechtfertigen müssen, sobald diese Funktionen allgegenwärtig sind. Möglicherweise müssen viele Angestellte daher bald neue Fähigkeiten erlernen.

Trotz dieser Herausforderungen bietet die KI-gestützte Zukunft der Arbeit immer noch großes Potenzial für Unternehmen, effizienter und wettbewerbsfähiger zu werden. Laut der Studie von Goldman Sachs könnte KI nämlich auch den Gesamtwert der jährlich weltweit produzierten Waren und Dienstleistungen in kürzester Zeit um 7 Prozent erhöhen.

Man kann nur spekulieren, wie der aktuelle Trend sich weiterentwickeln wird. Wenn man sich mit der Geschichte der KI auskennt, weiß man, dass er jedenfalls lange in der Vorbereitung war. Aber ob sich die neuen Anwendungen auf lange Sicht durchsetzen oder nicht – eines scheint gewiss: KI-Technologie geht so schnell nicht mehr weg. Also müssen wir lernen, gewissenhaft mit ihr umzugehen.

Falls du noch mehr über Zukunftstechnologien erfahren möchtest – Redakteur Till hat sich mit der Zukunft des Smartphones in einem eigenen Beitrag auseinandergesetzt: Was kommt nach dem Smartphone? Die Zukunft mobiler Technologien.

1. Künstliche Intelligenz (KI) simuliert menschliche geistige Fähigkeiten und ermöglicht Maschinen eigenständiges Problemlösen.
2. KI unterscheidet sich von herkömmlicher Software durch die Flexibilität und Vielfältigkeit der Problemlösungen.
3. KI wird in verschiedenen Bereichen eingesetzt, z. B. in der Spracherkennung, Bilderkennung, autonomem Fahren, Spielen, Datenverarbeitung und intelligenter Suche.
4. Generative KI, die etwa Texte und Bilder erzeugt, hat große Auswirkungen auf den Alltag und führt zu verstärkten Diskussionen über künstliche Intelligenz.
5. Schwache KI simuliert spezifische menschliche Fähigkeiten, während starke KI ein theoretisches System beschreibt, das alle kognitiven Fähigkeiten eines Menschen besitzt.
6. KI basiert auf maschinellem Lernen, das Muster und Zusammenhänge in Daten erkennt.
7. Es gibt verschiedene Arten des maschinellen Lernens, einschließlich überwachtem, unüberwachtem und verstärkendem Lernen.
8. Deep Learning und neuronale Netze sind Teil des maschinellen Lernens und ermöglichen komplexe Mustererkennung.
9. KI könnte die Arbeitswelt verändern, indem sie Prozesse automatisiert und optimiert.
10. Es gibt Potenzial und Herausforderungen im Umgang mit KI, einschließlich ethischer Konflikte und Arbeitsplatzveränderungen.