KI, oder doch nicht?

Der Hype um das Thema KI ist schon erschreckend, ganz gleich, ob notwendig oder nicht, zu Werbezwecken steckt jetzt überall eine KI drin oder es wird KI gestützt produziert. Merkwürdig ist, dass an vielen Dinge nichts geändert wurde, also immer noch mit den gleichen Verfahren und Maschinen, wie in den 80er Jahren produziert wird. Entweder ist KI ein alter Hut oder es wird einfach jede Box in die zwei Drähte laufen als KI deklariert. Mal ganz im Ernst, vieles davon ist einfach nur Nonsens und nur weil ein Rechner eine Maschine steuert und einen super gut ausgetüftelten Algorithmus abarbeitet, ist da immer noch keine KI am Werk.

Lassen wir eine KI doch einfach eine KI erklären.

Künstliche Intelligenz (KI) ist ein faszinierendes Feld, das sich mit der Entwicklung von Systemen befasst, die menschenähnliche Intelligenz aufweisen können. Lass uns den Aufbau von KI in seinen Hauptkomponenten betrachten:

  1. Daten: KI-Systeme benötigen Daten als Grundlage. Diese Daten können strukturiert (z. B. Tabellen) oder unstrukturiert (z. B. Text, Bilder, Videos) sein. Je mehr qualitativ hochwertige Daten verfügbar sind, desto besser kann die KI lernen und Entscheidungen treffen.
  2. Algorithmen:
    • Maschinelles Lernen (ML): Dieser Bereich der KI verwendet Algorithmen, um aus Daten zu lernen. Es gibt verschiedene Arten von ML-Modellen wie Neuronale NetzeEntscheidungsbäumek-Nächste-Nachbarn usw.
    • Deep Learning: Eine spezielle Form des ML, die neuronale Netzwerke mit vielen Schichten („Tiefe“) verwendet. Deep Learning hat in Bereichen wie Bilderkennung und natürlicher Sprachverarbeitung große Fortschritte erzielt.
  3. Modelle:
    • Ein KI-Modell ist eine abstrakte Darstellung, die aus den gelernten Mustern besteht. Es kann für Aufgaben wie KlassifikationRegressionClustering usw. verwendet werden.
    • Trainieren des Modells: Das Modell wird mit Trainingsdaten gefüttert, um es zu optimieren. Es passt seine Parameter an, um die gewünschte Aufgabe zu erfüllen.
    • Testen und Validieren: Nach dem Training wird das Modell auf Testdaten getestet, um seine Leistung zu bewerten.
  4. Features und Labels:
    • Features sind die Eingaben für das Modell (z. B. Pixelwerte eines Bildes).
    • Labels sind die gewünschten Ausgaben (z. B. „Katze“ oder „Hund“ für ein Bild).
  5. Optimierung und Hyperparameter-Tuning:
    • KI-Modelle haben Hyperparameter, die ihre Leistung beeinflussen (z. B. Lernrate, Anzahl der Schichten im Netzwerk).
    • Durch Optimierung versucht man, diese Hyperparameter zu finden, um das Modell zu verbessern.
  6. Deployment und Anwendung:
    • Nach dem Training wird das Modell in die Produktionsumgebung deployed.
    • Es wird für spezifische Aufgaben eingesetzt, z. B. SpracherkennungAutonomes FahrenEmpfehlungssysteme usw.
  7. Feedback und Verbesserung:
    • KI-Systeme lernen ständig dazu. Sie sammeln Feedback von Benutzern und passen sich an.
    • Reinforcement Learning ist ein Ansatz, bei dem das Modell durch Interaktion mit der Umgebung lernt.

Zusammengefasst: Künstliche Intelligenz besteht aus Daten, Algorithmen, Modellen und dem kontinuierlichen Streben nach Verbesserung. Es ist ein spannendes Gebiet, das unsere Welt transformiert! 

Drucken wir es mal einfacher aus.

Eine KI ist ein Computer, der z.B. mit Bildern von einer Katze gefüttert wird und mit der Information das immer Katzen auf den Bildern sind. Der Computer zerlegt nun die Bilder in Pixel und sucht nach gemeinsamen Mustern auf den Bildern. Je mehr Bilder er verarbeitet, desto genauer kann er eine Katze auf den Bildern erkennen.

Ein Kind macht es genau so. Die Eltern zeigen auf eine Katze, das Kind nimmt das Bild aufnehmen und speichert es im Gehirn ab. Dazu kommt die gesprochene Information Katze. Das Kind verknüpft jetzt die beiden Informationen. Das machen die Eltern einige Male mit der im Haus wohnenden Katze, bis das Kind die Katze sieht, auf sie zeigt und Katze ruft. Das Kind erkennt jetzt die bekannte Katze wieder.

Die Eltern nehmen jetzt ihr Kind mit zu den Nachbarn, die einen Hund haben und das Kind ruft Katze. Natürlich hat das Kind den Hund als Katze eingestuft, er läuft auf vier Beinen, hat einen Schwanz und die Proportionen des Körpers stimmen. Im Speicher/Gehirn war noch kein Hund bekannt und so wurde aus dem Hund das wahrscheinlichste, nämlich eine Katze. Merke: Es wird nicht mehr mit richtig oder falsch gearbeitet, 1 oder 0, sondern mit der höchst möglichen Wahrscheinlichkeit. Hier sprach die Wahrscheinlichkeit dafür, dass der Hund eine Katze ist, denn ein Hund war noch nicht im Speicher vorhanden und damit unbekannt.
Seit diesem Moment ist dem Kind also bewusst, dass es auch Hunde gibt und die Eltern werden ihm weitere Hunde zeigen, also Input liefern. Zusätzlich wird das Kind weitere Kriterien zu Hund und Katze anlegen und verknüpfen, wie Geruch, Stimme und Verhalten. Dadurch wird es zum einen auch einen Hund erkennen, sowie Hund und Katze unterscheiden können. Bei jeder Begegnung mit einem Hund oder einer Katze wird das Kind nun weitere Daten (Bilder, Geruch usw.) von beiden Tieren aufnehmen, um sie erkennen und unterscheiden zu können. Es wird aber immer nach einer Wahrscheinlichkeit entscheiden und später als Erwachsener immer nur beinahe mit hundertprozentiger Wahrscheinlichkeit eine Katze erkennen.
Es kommt beim Kind mit der Zeit auch zum Ausschlussverfahren. Sieht es z.B. zum ersten Mal einen Waschbären, so erkennt es zwar gewisse Ähnlichkeiten mit Katze und Hund, aber auch gravierende Unterschiede. Es hat dann zwar erkannt, dass es sich bei Waschbären um ein Tier handelt, schließt aber Katze und Hund aus, die Wahrscheinlichkeit dafür ist einfach zu gering. Es muss sich um ein neues, noch unbekanntes Tier handeln und legt eine neue Kategorie an.
Nach dem gleichen Verfahren arbeitet eine KI, man bringt Ihr beim Start/Geburt bei, um was es sich handelt und liefert Kriterien dazu, um es abstrakt wiederzuerkennen. Ist der Lernprozess einmal angestoßen, so lernt die KI permanent weiter. Jedem Vorgang, bei dem sie versucht etwas zu erkennen, zu identifizieren, liefert weitere Daten und erhöht die Genauigkeit.
Eine KI braucht also einen großen Speicher und noch mehr Geschwindigkeit, um Daten zu scannen, zu vergleichen und dann die Wahrscheinlichkeit einer Übereinstimmung zu ermitteln.
Die Genauigkeit einer KI nimmt also mit jedem Input zu. Sie kann weitere Kategorien und Kriterien anlegen und so auch Dinge erkennen, die ihr beim Start nicht gezeigt wurden.

KI und Bewustsein

Eine KI entwickelt ihre Genauigkeit und ihren Erkennungsumfang weiter, aber sie wird keine neuen Funktionen entwickeln oder ein Bewusstsein entwickeln. Möglich erscheint die Nachahmung eines Bewusstseins, auch die Veränderung oder Ergänzung des eigenen Algorithmus ist möglich, vorausgesetzt der Ur-Algorithmus war darauf ausgelegt.

Grundlagen einer KI

Einer KI liegen immer zugrunde: Eine große Datenmenge schon beim Start, sehr viel Speicherplatz, eine hohe Verarbeitungsgeschwindigkeit und natürlich ein schlauer Algorithmus, der es Ihr ermöglicht, die Daten zu vergleichen, zu katalogisieren und eine Wahrscheinlichkeit zu ermitteln.

Bewusstsein

Ein Bewusstsein im menschlichen Sinn wird eine KI nicht entwickeln, aber es scheint möglich zu sein einen Menschen, dass sie, mit genügenden Informationen, einen Menschen hervorragend nachahmen kann und ihn zusätzlich mit einem unvorstellbaren Wissen versehen kann.

Manipulation

Eine Manipulation ist sicher möglich, dazu müsste man einer KI genügend falsche Informationen anbieten, bis sie die falschen Informationen als richtig ansieht. Ich überschreibe quasi die richtige Information, mit einer noch größeren Menge am falschen Inforationen. Das kann es natürlich auch ohne gezielte Manipulation kommen, wenn die äußeren Umstände das bewirken. Ein KI-Fahrzeug, das nur Rechtsverkehr kennt, ist für England naturgemäß mit falschen Daten gefüttert worden. Aber da geht ei einem Menschen nicht anders.

Fazit

Eine KI stellt keine Gefahr dar, solange sie mit dem richtigen Algorithmus und den passenden Daten versorgt wird. Bewusste Manipulation durch falsche Daten ist möglich. Gefährlich wird es, wenn eine KI bei Start schon mit einem Algorithmus versehen war, der sich selber verändern kann, darf oder soll, dann ist es möglich, dass sie sich selber verändert, entwickelt, aber die Richtung dürfte dabei kaum vorzugeben sein, sondern zu einem großen Teil vom bekommenen Input abhängen.


Kommentare

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert