KI & Maschinelles Lernen

Künstliche Intelligenz und Maschinelles Lernen

Der Titel dieses LernOS Leitfadens ist “Künstliche Intelligenz”, in diesem Grundlagenkapitel wollen wir etwas Ordnung in die Begrifflichkeit bringen, der man bei KI begegnet. Gleichzeitig wollen wir klären, womit wir uns in diesem Leitfaden näher beschäftigen: Mit dem Teil der KI-Anwendungen, die mit den Begriffen “Maschinelles Lernen” und "Generativer KI" überschrieben werden. Künstliche Intelligenz allgemein umfasst jedoch sehr viel mehr Spezialisierungen, mit denen wir in unserem Alltag konfrontiert sind, die wir hier jedoch nicht behandeln: Sprachassistenten wie Siri und Alexa, automatische Übersetzer wie Google Translate, Gesichtserkennung für das Entsperren unserer Mobiltelefone oder persönliche Empfehlungssysteme basierend auf unserem bisherigen Konsumverhalten, um nur einige zu nennen.

Wir beschränken uns in diesem Leitfaden auf die KI-Anwendungen, mit denen Bürger:innen und Mitarbeiter:innen voraussichtlich in ihrem Alltag in Berührung kommen und die sie selbst auch nutzen.

Künstliche Intelligenz von 1956 bis heute

Wir haben in dieser Infografik eine hierarchische und gleichzeitig zeitliche Einordnung der wesentlichen Entwicklungsschritte der Künstliche Intelligenz dargestellt. Seit ihrer ersten Erwähnung um 1956 bis zur Generativen KI 2021 kann diese Entwicklung als eine Reise von theoretischen Konzepten zu praktischen Anwendungen mit zunehmender Tiefe und Komplexität betrachtet werden. Seit Mitte des 20. Jahrhunderts hat sich die Landschaft von einfachen, regelbasierten Algorithmen zu komplexen Lernsystemen gewandelt, die in der Lage sind, menschenähnliche Aufgaben zu übernehmen und zu erfüllen.

Künstliche Intelligenz

Der Begriff Künstliche Intelligenz (KI) wurde erstmals um 1956 verwendet. KI bildete das fundamentale Konzept für die Entwicklung "intelligenter" Maschinen. Die Anfänge waren geprägt vom Bestreben Maschinen zu schaffen, die grundlegende menschliche Intelligenzprozesse nachahmen können. Frühe KI-Systeme konnten einfache Aufgaben wie das Lösen von Logikrätseln oder das Spielen von Schach bewältigen. Der Fokus lag auf der Programmierung spezifischer Regeln, die es Maschinen ermöglichten, bestimmte Aufgaben zu erfüllen. KI ist der umfassendste Begriff, er repräsentiert heute das gesamte Feld der Informatik, das darauf abzielt, intelligente Maschinen zu schaffen, die menschliche Intelligenz nachahmen oder übertreffen können. Es geht um Systeme, die in der Lage sind, Aufgaben zu bewältigen, die normalerweise menschliches Denken erfordern, wie visuelle Wahrnehmung, Spracherkennung und Entscheidungsfindung. Das beinhaltet alles von einfachen programmierten Vorgängen bis hin zu komplexen Systemen, die lernen und sich anpassen können. Stell Dir das als den äußersten Kreis vor, den Oberbegriff, unter dem sich speziellere Konzepte und Anwendungen subsumieren lassen.

Maschinelles Lernen

Maschinelles Lernen (ML) ist seit 1997 ein spezifischer Bereich innerhalb der KI, um Maschinen das Lernen aus Daten zu ermöglichen. ML markiert den Übergang von einer starren, regelbasierten KI zu adaptiven Systemen. Mit der Einführung des Machine Learnings wurde ein signifikanter Fortschritt erzielt. So entstand eine spezifischere Disziplin, die Maschinen befähigt, sich über die Zeit zu verbessern, um Entscheidungen zu treffen oder Vorhersagen zu machen. Machine Learning umfasst eine Vielzahl von Techniken, die es Computern ermöglichen, Muster in Daten zu erkennen und diese Erkenntnisse für zukünftige Aufgaben zu nutzen.

Deep Learning

Deep Learning markiert den Durchbruch in der Fähigkeit von Maschinen, unstrukturierte Daten wie Bilder und menschliche Sprache zu verarbeiten und daraus zu lernen. Die Technik ist inspiriert von der Funktionsweise des menschlichen Gehirns. Hier werden Schichten von neuronalen Netzwerken genutzt, um große Mengen von Daten zu verarbeiten, komplexe Muster in Daten zu erkennen und Entscheidungen zu treffen.

Generative KI

Generative KI repräsentiert den aktuellen Höhepunkt der KI-Entwicklung, die auf Deep Learning aufbaut, sie geht über das reine Erkennen von Mustern hinaus und kann neue Inhalte erzeugen. Sie ist in der Lage, anhand von Vorgaben oder vorhandenen Daten neue schriftliche, visuelle und auditive Inhalte zu erstellen. Generative KI kann damit auch Inhalte erzeugen, die nicht in den Trainingsdaten für das Modell vorhanden waren. Dies können beispielsweise Musikstücke, Kunstwerke oder Texte sein, die sich von menschlichen Kreationen kaum unterscheiden.

Large Language Models & Diffusion Models

Innerhalb der Generativen KI haben sich Large Language Models (LLMs), wie das bekannte GPT (Generative Pre-trained Transformer der Fa. OpenAI) als entscheidend erwiesen. Diese Modelle sind darauf spezialisiert, menschliche Sprache zu verstehen und zu generieren. Sie haben aufgrund ihrer Fähigkeit, kohärente und relevante Texte zu produzieren, großes Aufsehen erregt und weite Verbreitung gefunden. LLMs haben neue Anwendungen in der Übersetzung und Zusammenfassung von Texten sowie in der Generierung von Programmcode ermöglicht. Eine weitere Spezialisierung innerhalb der Generativen KI sind die Diffusion Models. Diese Modelle stellen eine Innovation in der Bildgenerierung dar und sind in der Lage, Bilder von hoher Qualität zu erzeugen, die von realen kaum zu unterscheiden sind. Sie erweitern die Möglichkeiten in der Bildsynthese und bieten neue Werkzeuge für Designer und Kreative.

Jeder dieser Schritte erweiterte die Möglichkeiten der KI und verlagerte den Schwerpunkt von starren, regelbasierten Ansätzen hin zu adaptiven und selbstlernenden Systemen. Diese sind in der Lage, mit einer Vielfalt von Daten umzugehen und menschenähnliche Kreativität zu demonstrieren. KI bildet die Basis, Machine Learning ist die Methode, durch die Systeme aus Daten lernen, Deep Learning ist eine ausgefeilte Technik, die tiefe künstliche neuronale Netzwerke verwendet, und Generative KI ist die Spitze der Innovation, die es ermöglicht, neue Kreationen hervorzubringen. Jede Ebene baut auf dem Wissen und den Techniken der vorherigen auf und wird spezifischer und komplexer.

Wichtige Meilensteine der Künstlichen Intelligenz

Die Geschichte der Künstlichen Intelligenz reicht zurück bis in die 1950er Jahre. Die folgende Tabelle gibt Dir einen Überblick über die wichtigsten Meilensteine:

Jahr	Meilenstein
1950	Alan Turing entwickelt den Turing Test (ursprünglich Imitation Game), um das intelligente Verhalten einer Maschine zu prüfen.
1956	Die Dartmouth Konferenz gilt als Geburtsstunde der Künstlichen Intelligenz als Fachgebiet.
1959	Allen Newell und Herbert A. Simon entwickeln den Logic Theorist, das erste KI-Programm.
1966	Joseph Weizenbaum entwickelt ELIZA, was die Kommunikation zwischen Mensch und Maschine in natürlicher Sprache ermöglicht.
1967	Dendral wird entwickelt, ein regelbasiertes System für die chemische Analyse, eine bedeutende KI-Leistung.
1969	Shakey the Robot wird der erste mobile Roboter, der logisch denken und Probleme lösen kann.
1970er	Expertensysteme mit manuell erstellen Regeln werden entwickelt.
1973	Der (erste) KI-Winter beginnt aufgrund hoher Erwartungen und unerfüllter Ziele in der KI-Forschung. Der zweite KI-Winter begann 1987.
1980er	Expertensysteme gewinnen an Popularität. Sie verwenden Regeln, um menschliches Fachwissen in engen Bereichen zu imitieren.
1997	Das Long Short-Term Memory (LSTM) wird als wichtiger Algorithmus für Machine Learning veröffentlicht.
1997	IBM Deep Blue besiegt den Schachweltmeister Garri Kasparow und demonstriert damit das Potenzial der KI.
2011	IBM Watson gewinnt die Spielshow Jeopardy! und demonstriert damit die natürliche Sprachverarbeitung der KI.
2011	Apple's Sprachassistin Siri kommt auf den Markt.
2012	Geoffrey Hintons Deep Learning-Techniken lassen das Interesse an künstlichen neuronalen Netzwerken wieder aufleben.
2014	Google DeepMind entwickelt ein künstliches neuronales Netzwerk, das lernt, Videospiele zu spielen.
2016	AlphaGo von DeepMind besiegt den Go-Weltmeister Lee Sedol und beweist damit das strategische Denken der KI.
2017	Die Deep Learning Architektur Transformer wird vorgeschlagen. Sie benötigt weniger Trainingszeit als vorherige Architekturen (RNN, LSTM)
2021	Der Begriff Foundation Model (Grund- oder Basismodell) wird erstmals vom Center for Research on Foundation Models (CRFM) des Stanford Institute for Human-Centered Artificial Intelligence's (HAI) verwendet.
2021	Die Generative KI DALL-E zur Generierung von Bildern aus Text wird veröffentlicht.
2021	Ameca ist ein humanoider Roboter, der von Engineered Arts entwickelt wurde. Ameca ist in erster Linie als Plattform für die Weiterentwicklung von Robotik-Technologien für die Mensch-Roboter-Interaktion gedacht. Die Interaktion kann entweder durch GPT-3 oder menschliche Telepräsenz gesteuert werden.
2022	Der Chatbot ChatGPT, der das Large Language Model GPT-3.5 verwendet, wird veröffentlicht.