Unterschied von AI und KI

Dieser Beitrag beleuchtet die Definitionen von AI (Artificial Intelligence) und KI (Künstliche Intelligenz).

AI ist die Abkürzung von “Artificial Intelligence”.

KI ist die Abkürzung für “Künstliche Intelligenz”
und die deutsche Übersetzung von AI (Artificial Intelligence).

Wenn also im Netz über KI oder AI geschrieben wird, ist beides gleichermaßen gemeint. Hier in Deutschland wird meistens das Kürzel “KI” verwendet. Einen Unterschied gibt es also nicht wirklich.

Die Künstliche Intelligenz (KI) ist ein sich rasch entwickelnder Bereich der Informatik. Dieser zielt darauf ab, Maschinen oder Programme zu entwickeln, die in der Lage sind, Aufgaben zu erledigen, die sonst eine gewisse menschliche Intelligenz erfordern würden.

In den letzten Jahren ist die KI zu einem immer wichtigeren Diskussions- und Forschungsthema in der Technologiebranche geworden.

Definition von KI

KI (Künstliche Intelligenz) ist ein weit gefasster Begriff, der jede Art von Computersystem oder Software beschreibt, die in der Lage ist, Aufgaben zu erfüllen, die menschliche Intelligenz erfordern.

Dazu gehören Aufgaben wie Entscheidungsfindung, Problemlösung, Lernen und Mustererkennung. KI-Systeme sind oft so konzipiert, dass sie die Art und Weise, wie Menschen denken und Informationen verarbeiten, imitieren.

Die KI ist allerdings im eigentlichen Sinne nicht intelligent! Bei der KI geht es um mathematische Verfahren und Algorithmen, die auf große Datenmengen angewendet werden. Die KI kann also nichts tun, wenn die benötigten Informationen nicht in den Daten vorhanden sind.

Die grundlegenden Technik-Modelle hinter der KI sind: Maschinelles Lernen, Deep Learning und neuronale Netzwerke.

Maschinelles Lernen (Machine Learnings)

Durch maschinellen Lernens werden Systeme in die Lage versetzt, auf Basis vorhandener Datenbestände und Algorithmen Muster und Gesetzmäßigkeiten zu erkennen und daraus Lösungen zu entwickeln.

Die Systeme müssen zunächst mit den für das Lernen relevanten Daten und Algorithmen versorgt werden. Zudem sind Regeln für die Analyse des Datenbestands und das Erkennen der Muster aufzustellen. Sind passende Daten vorhanden und Regeln definiert, können Systeme mit maschinellem Lernen unter anderem folgendes:

Relevante Daten finden, extrahieren und zusammenfassen, Vorhersagen auf Basis der analysierten Daten treffen, Wahrscheinlichkeiten für bestimmte Ereignisse berechnen, sich an Entwicklungen eigenständig anpassen und Prozesse auf Basis erkannter Muster optimieren.

Deep Learning

Deep Learning ist ein Teilbereich des Machine Learning und nutzt neuronale Netze.

Beim Deep Learning können im Unterschied zum Maschine Learning die Systeme das vorhandene Wissen immer wieder mit neuen Inhalten anreichern und daraus erneut lernen. Hierdurch können Systeme Vorhersagen und Entscheidungen treffen und diese sogar hinterfragen. Der Mensch greift in die Analysen und Prozesse nicht mehr ein. Wird primär bei Big Data genutzt, um diese nach Mustern und Modellen zu untersuchen.

Neuronale Netzwerke

In einem neuronalen Netz ahmen künstliche Neuronen durch Algorithmen die Nervenzellen im Gehirn nach. Durch diese komplexen Verknüpfungen ist es so möglich, Aufgaben aus den Bereichen Statistik, Informatik und Wirtschaft zu lösen. Dabei lernt das neuronale Netzwerk ständig dazu und kann sich selbst verbessern.

Neuronale Netze können beispielsweise Simulationen und Prognosen für komplexe Systeme und Zusammenhänge erstellen wie in der Wettervorhersage, der medizinischen Diagnostik oder in Wirtschaftsprozessen.

Die Steigerung neuronaler Netze sind sogenannte GAN´s

Generative Adversarial Network

Ein GAN besteht aus zwei neuronalen Netzen, die sich gegenseitig verbessern. GANs erzeugen beispielsweise täuschend echte Menschen, Deepfakes, Straßenzüge oder Fake-Models. Sie dichten, musizieren und erschaffen teure Kunstwerke, machen aus Retro-Games HD-Versionen.

Anwendungen von KI

Die KI-Technologie wird in einer Vielzahl von Branchen und Anwendungen eingesetzt. KI wird zur Automatisierung und Optimierung von Prozessen im Finanzwesen, im Gesundheitswesen, im Einzelhandel, im Transportwesen und in vielen anderen Bereichen eingesetzt.

Die KI kann auch zur Entwicklung von virtuellen Assistenten, selbstfahrenden Autos und sogar Robotern eingesetzt werden.

Die Einsatzbereich der KI sind:

• Maschinelles Sehen
  
• Maschinelles Hören
  
• Soziale Intelligenz
  
• Mathematisch- logische Intelligenz
  
• Robotik
  
• Sprachanalyse
  

Beispiele für KI Anwendungen:

• Relevanz von Webseiten für Suchbegriffe bestimmen (Suchmaschinen wie Google, Bing, und Co).
  
• Semantische Suchmaschinen: beispielsweise wie Wolfram Alpha.
  
• automatische Sprach- und Texterkennung für digitale Assistenten (Navi u. Sprachbefehle im Auto; Alexa, Siri & Co).
  
• Handschrifterkennung: wird u.a. millionenfach in Geräten wie Smartphones und Tablets verwendet.
  
• Erkennen selbstständig Spam-Mails und entwickeln geeignete Spam-Filter (E-Mail Software).
  
• Bild- und Gesichtserkennung (Bsp. entsperren des iPhone oder die App FindFace).
  
• Wortvorschläge und Verbesserungen bei der Tatstatureingabe.
  
• (teil)autonome Roboter (Staubsaugerroboter, die unsere Wohnungen eigenständig kartografieren und selbstfahrende Autos).
  
• Online-Handel oder Suchmaschinen nutzen KI-Algorithmen, um ihre Kunden besser zu verstehen und ihnen passende Produkte und Suchergebnisse anzuzeigen.
  
• Medizin & Pflege: hier wird die KI bereits bei der automatischen Diagnose von Krankheiten genutzt (Bsp.: Symptom-Checker-App Ada für Endanwender).
  
• Logistik: KI unterstützt die Vorplanung in der Distribution durch die Vorhersage von Kundenbestellungen.
  
• Robotergesteuerte Prozessautomatisierung: von einfachen Datenabfragen, über Formulareingaben bis hin zu komplexen Tätigkeiten, die einem festen Regelwerk folgen.
  
• Intelligente Häuser: intelligente Thermostate lernen aus unserem Nutzungsverhalten, um Energie zu sparen.
  
• Cybersicherheit: KI-Systeme können Cyberangriffe erkennen und bekämpfen.
  
• KI in der Juristik: Die KI Contract Intelligence kann nach Aussagen von JPMorgan eine Menge von Daten in Sekunden analysieren, wofür Juristen 360.000 Stunden benötigen würden.
  
• Landwirtschaft (Smart Farming): Hier minimiert die KI den Einsatz von Düngemitteln, Pestiziden und Wasser.
  

Vorteile der KI

Die KI-Technologie bietet zahlreiche Vorteile, darunter eine höhere Genauigkeit und Effizienz bei einer Vielzahl von Aufgaben. KI-Systeme sind in der Lage, Daten viel schneller zu verarbeiten als Menschen, was Unternehmen helfen kann, bessere Entscheidungen zu treffen und Zeit und Geld zu sparen. 

KI hat auch das Potenzial, das Leben von Menschen zu verbessern, indem sie eine bessere Gesundheitsversorgung, Bildung und Arbeitsmöglichkeiten bietet.

Fazit

KI ist ein schnell wachsendes Technologiefeld, das das Potenzial hat, die Art und Weise, wie wir leben und arbeiten, zu revolutionieren. 

Die KI-Technologie kann Unternehmen helfen, ihre Effizienz und Genauigkeit zu verbessern, und sie kann den Einzelnen neue Möglichkeiten eröffnen. Es wird interessant sein zu sehen, wie sich die KI-Technologie auf die Welt auswirken wird.

Aber Achtung! Nicht alles, was als KI bezeichnet wird, ist auch wirklich eine künstliche Intelligenz. Viele KI-Startups in Europa verwenden den Begriff KI, ohne die Technologie überhaupt zu nutzen (s.u.).

Ergänzende Quellen:

Was ist ein Neuronales Netz? | bigdata-insider.de/was-ist-ein-neuronales-netz-a-686185

Was ist Deep Learning? | bigdata-insider.de/was-ist-deep-learning-a-603129

Was ist Machine Learning? | bigdata-insider.de/was-ist-machine-learning-a-592092

Highlights der World AI Conference 2023 in Cannes | bigdata-insider.de/foundation-models-regulierung-und-die-zukunft-von-ki-a-e905f978bd8948c1160b2c8a35c42d44

Wikipedia: Künstliche Intelligenz in der Medizin | de.wikipedia.org/wiki/Künstliche_Intelligenz_in_der_Medizin

Gründerszene: Vier von zehn KI-Startups nutzen gar keine KI | businessinsider.de/gruenderszene/technologie/studie-ki-startups