Künstliche Intelligenz (KI)

7. November 2024

Definition: KI bezeichnet die Fähigkeit von Maschinen, menschenähnliche Intelligenz zu zeigen, wie das Erlernen von neuen Dingen, das Problemlösen und das Treffen von Entscheidungen.

Arten von KI:

  • Schwache KI: Entwickelt für spezifische Aufgaben (z. B. Sprachassistenten wie Siri oder Alexa).
  • Starke KI: Hypothetische Form von KI, die ein Bewusstsein und menschenähnliches Verständnis besitzt.

Anwendungsbereiche:

  • Medizin: Diagnostik, personalisierte Medizin und Assistenz bei Operationen.
  • Automobilindustrie: Autonomes Fahren und Fahrassistenzsysteme.
  • Finanzen: Algorithmischer Handel, Betrugserkennung und Risikoanalyse.
  • Kommunikation: Diktat, Entwerfen von Schreiben (z.B. Geburtstagsgruss)
  • Unterhaltung: Videospiele, Musik- und Filmempfehlungen.

Künstliche Intelligenz begegnet uns im Alltag häufiger, als man vielleicht denkt. Hier sind einige Beispiele:

  • Sprachassistenten: Siri, Google Assistant und Alexa nutzen KI, um Sprache zu erkennen und auf Fragen oder Befehle zu reagieren.
  • Empfehlungssysteme: Netflix, YouTube und Spotify verwenden KI, um Inhalte basierend auf deinen Vorlieben und deinem bisherigen Verhalten zu empfehlen.
  • Navigation: Apps wie Google Maps und Waze nutzen KI, um Verkehrsmuster zu analysieren und die beste Route zu deinem Ziel zu berechnen.
  • Gesichtserkennung: Entsperre dein Smartphone mit deinem Gesicht oder sehe, wie Facebook automatisch Personen auf Fotos markiert.
  • E-Mail-Filtern: Dienste wie Gmail nutzen KI, um Spam und unerwünschte E-Mails herauszufiltern und wichtige Nachrichten hervorzuheben.
  • Online-Shopping: Amazon und andere E-Commerce-Websites nutzen KI, um Produktempfehlungen zu geben und das Einkaufserlebnis zu personalisieren.
  • Smarte Haushaltsgeräte: Thermostate wie Nest und Roboter-Staubsauger wie Roomba nutzen KI, um sich an deine Gewohnheiten anzupassen und effizienter zu arbeiten.
  • Kundenservice: Chatbots auf Websites und in Apps helfen dabei, häufige Fragen zu beantworten und Kundensupport zu leisten.
  • Autonomes Fahren: Automobilhersteller entwickeln selbstfahrende Autos, die KI nutzen, um ihre Umgebung zu verstehen und sicher zu navigieren.
  • Gesundheitswesen: KI wird in der Medizin eingesetzt, um Diagnosen zu stellen, Behandlungspläne zu erstellen und personalisierte Medizin zu entwickeln.

Technologien:

  • Maschinelles Lernen: Algorithmen, die aus Daten lernen und Vorhersagen treffen können.
  • Neuronale Netze: Modelle, die die Arbeitsweise des menschlichen Gehirns nachahmen, um komplexe Muster zu erkennen.
  • Spracherkennung: Systeme, die gesprochene Sprache verstehen und verarbeiten können.

Herausforderungen:

  • Ethik: Bedenken hinsichtlich Datenschutz, Überwachung und Entscheidungsfindung durch Maschinen.
  • Bias (1): Ungleichheiten und Vorurteile, die durch Trainingsdaten in KI-Systeme eingebaut werden können.
  • Sicherheit: Schutz vor bösartigen Angriffen und unvorhergesehenem Verhalten von KI-Systemen.

Software / Hardware (Beispiele):

  • Microsoft Copilot App / Microsoft Copilot+ PCs
  • Apple – die neueste Hardware ist auf KI-Funktionalität vorbereitet.
  • ChatGPT App
  • Claude App

(1) Bias (auf Deutsch „Voreingenommenheit“) bedeutet, dass ein KI-System systematisch bestimmte Gruppen von Menschen bevorzugt oder benachteiligt. Dieser Bias kann aus verschiedenen Gründen entstehen:

  • Daten: Die Daten, mit denen die KI trainiert wird, können bereits bestehende Voreingenommenheiten und Stereotype enthalten. Wenn diese Daten unausgewogen sind, wird die KI diese Verzerrungen übernehmen.
  • Modell: Die Algorithmen selbst können Bias enthalten, abhängig von der Art und Weise, wie sie entwickelt und optimiert wurden.
  • Interpretation: Wie die Ergebnisse der KI interpretiert und angewendet werden, kann ebenfalls zu Bias führen.

Ein Beispiel dafür könnte ein KI-gestütztes Einstellungssystem sein, das mehr Männer als Frauen einstellt, weil die Trainingsdaten überwiegend Männer in ähnlichen Positionen enthalten haben. Die Auswirkungen von Bias können gravierend sein, da sie zu ungerechten Entscheidungen und Diskriminierungen führen können. Deshalb ist es wichtig, Bias zu erkennen und zu minimieren, um faire und ethische KI-Systeme zu entwickeln.