Künstliche Intelligenz (KI) vs. Machine Learning vs. Deep Learning

Künstliche Intelligenz, Machine Learning, Deep Learning… Die Technologie schreitet sprunghaft voran. Wenn man mit den neuesten Anwendungen nicht gut vertraut ist, ist es normal sich verloren zu fühlen.

Wenn Sie dachten, dass hinter diesen drei Technologien ähnliche Konzepte stehen, müssen wir Ihnen leider das Gegenteil beweisen. Yeeplys Aufgabe ist es, diese drei Technologien zu entwirren, damit Sie genau verstehen, was sie sind und wie sie sich unterscheiden.

Entdecken Sie, worum es bei diesen Technologien jeweils geht, wie sie zusammenhängen und welche Anwendungen sie ermöglichen.

Was ist künstliche Intelligenz?

Künstliche Intelligenz (oder: Artificial Intelligence) ist die Fähigkeit einer Maschine, die kognitiven Funktionen zu imitieren, die – bisher – ausschließlich mit dem Menschen in Verbindung gebracht wurden.

Wahrnehmen, logisches Denken, Lernen oder Lösen von Problemen gehören zu den Dingen, die von der künstlichen Intelligenz (KI) ausgeführt werden können. Dieses Konzept mag uns immer noch wie Science-Fiction erscheinen, aber die Wahrheit ist, dass diese Technologie bereits gut in unser tägliches Leben eingebettet ist.

Denken Sie zum Beispiel an die Integration der KI in Smart Homes. Ihre Präsenz in der Hausautomatisierung ermöglicht es uns, unsere Geräte zu steuern, unsere Häuser zu sichern und sogar unsere Kosten zu begrenzen. Das letztendliche Ziel der Heimautomatisierung ist es, die Notwendigkeit der menschlichen Mitwirkung zu begrenzen.

 

? Lesen Sie auch | Was ist GPT-3 and warum revolutioniert es die KI?

 

Geschichte der künstlichen Intelligenz

Der Wunsch, Maschinen zu schaffen, die sich wie Menschen verhalten, ist in der Geschichte der Menschheit seit Urzeiten präsent.

Die moderne künstliche Intelligenz wurde während des Zweiten Weltkriegs durch die Hände von Alan Turing geschaffen. Diesem erfahrenen Mathematiker gelang es, die Funktionsweise des Verschlüsselungsgeräts Enigma in Nazideutschland zu entschlüsseln, indem er die Bombenmaschine schuf.

1950 veröffentlichte Turing einen Artikel mit dem Titel „Computational Machinery and Intelligence„. In diesem Artikel legte er die Grundlagen der künstlichen Intelligenz und stellte ein Experiment vor, das heute als Turing-Test bekannt ist und das bestimmt, ob eine Maschine als intelligent zu betrachten ist oder nicht.

Um ihn durchzuführen, muss ein Mensch in einem Raum ein Gespräch mit einer Maschine führen. Wenn die Person, die das Gespräch führt, nicht in der Lage ist zu unterscheiden, ob sie mit einem Menschen oder einer Maschine spricht, dann wird eine solche Maschine als intelligent angesehen.

 

?? Empfohlener Beitrag | Die 5 größten Herausforderungen der digitalen Transformation

 

Beispiele Künstlicher Intelligenz

 

Die Roboktik ist eine der bekanntesten Anwendungen der künstlichen Intelligenz und ist heute in der Fertigungsindustrie sehr verbreitet. Aus diesem Grund hat die Europäische Union ihre Verallgemeinerung in anderen Bereichen bereits vorweggenommen. Sie schlägt eine Robotikgesetzgebung vor, die auf die Lösung möglicher Probleme abzielt, die in der Zukunft auftreten können.

Die EU treibt die Robotikgesetze von Isaac Asimov einen Schritt voran, indem sie vorschlägt, dass Roboter einen Notschalter haben müssen, um jede Gefahr für den Menschen zu vermeiden.

Darüber hinaus sieht dieses Gesetz die Schaffung des Rechtsstatus von elektronischen Personen vor, die ebenfalls Rechte und Pflichten haben, darunter – neben anderen Vorschlägen – Sozialversicherungsbeiträge zur Subventionierung von Arbeitslosengeld.

Es ist noch zu früh, um zu bestimmen, wie sich der Rechtsrahmen entwickeln wird. Aber die Wahrheit ist, dass die künstliche Intelligenz eine allgegenwärtige Technologie ist, die unser tägliches Leben in einigen Jahren revolutionieren wird, da sie in der Kundenbetreuung, in selbstfahrenden Fahrzeugen, in Assistenzrobotern usw. präsent sein wird.

Was ist Machine Learning?

Die künstliche Intelligenz mag versuchen, das menschliche Denken zu imitieren, aber Machine Learning  geht wiederum noch ein Stück weiter. Es ist der Zweig der künstlichen Intelligenz, der es den Maschinen ermöglicht, selbstständig zu lernen. Dass bedeutet, dass sie letztendlich vermeiden können, auf externe Befehle zurückgreifen zu müssen.

Die „Maschine“ ist sozusagen ein Algorithmus, der eine große Menge von Daten analysiert – was für einen Menschen unerreichbar wäre -, um Muster zu erkennen. D.h. maschinelles Lernen impliziert, dass eine Maschine darauf trainiert wird, Aufgaben zu automatisieren, die für einen Menschen unmöglich zu erfassen sind, und dass sie in der Lage ist, aufgrund ihres Lernens Vorhersagen zu treffen.

Dieses Video erklärt wie Machine Learning funktioniert:

Dennoch ist bei Machine Learning ein menschliches Eingreifen zwingend erforderlich, um die vom Algorithmus getroffenen Entscheidungen zu validieren. Nach und nach wird der Algorithmus durch diese Korrekturen immer besser.

Beispiele des Machine Learning

Machine Learning ist schon lange in unserem Leben präsent, auch wenn wir uns dessen vielleicht nicht ganz bewusst waren. Die Gesichtserkennung bei Fotos, die in sozialen Medien veröffentlicht oder in Cloud-Storage-Dienste hochgeladen werden, ist ein Beispiel für den Einsatz von Machine Learning.

Sind Sie süchtig nach Plattformen für Streaming-Inhalte wie Netflix, Spotify oder ähnlichem? Wenn ja, kennen Sie die Empfehlungen, die Ihnen diese Plattformen auf der Grundlage der gesehenen Inhalte oder der gehörten Musik geben.

Vorhersagender Text oder automatische Antworten, die in Diensten wie Gmail oder LinkedIn vorgeschlagen werden, sind andere Anwendungen des Machine Learning, die möglicherweise unbemerkt bleiben. Wie Sie sehen können, ist diese Technologie bereits vollständig in unseren Alltag integriert. Das haben Sie wahrscheinlich schon erkannt, bevor Sie diesen Artikel gelesen haben.

 

?? Lesen Sie weiter | Augmented Intelligence: Mensch und KI mit vereinten Kräften

 

Was ist Deep Learning?

Deep Learning kann man als eine Art Machine Learning definieren, aber eine Form, die etwas komplizierter ist.

Deep Learning ist ein Satz von Algorithmen, die die neuronalen Netzwerke des menschlichen Gehirns nachahmen. Beim Deep Learning lernen Maschinen von selbst in Stufen oder, genauer gesagt, in Schichten. Die Tiefe eines Deep-Learning-Modells hängt von der Anzahl der Schichten ab, über die es verfügt.

Neuronale Netzwerke beim Deep Learning können entweder virtuell oder physisch sein. Virtuelle neuronale Netze sind solche, die künstlich in einem Computer erstellt werden, während physische Netze meist mit Silikon erstellt werden.

Beispiele für Deep Learning

 

Wie bei den anderen Technologien ist auch das Deep Learning in unserem täglichen Leben sehr präsent. Intelligente Übersetzungs-Apps, Sprachassistenten wie Siri, Google Home und Cortana oder die Funktion in Google Bilder, die es ermöglicht, nach ähnlichen Bildern zu suchen, sind einige seiner Anwendungen, die bereits gut integriert worden sind.

Aber Deep Learning hat auch andere, sehr vielversprechende Anwendungen in Bereichen wie der Medizin oder der wissenschaftliche Forschung im Allgemeinen. Die Analyse medizinischer Bilder wie Röntgen- oder MRT-Bilder, die zu einer Verbesserung der Präzision von Diagnosen führt, ist ein gutes Beispiel für solche vielversprechenden Anwendungen. Es bleibt die Tatsache, dass die Anwendungen des Deep Learning wirklich endlos sind.

Haben Sie die Unterschiede verstanden?

Trotz gemeinsamer Merkmale sind künstliche Intelligenz, Machine Learning und Deep Learning – wie Sie sehen können – unterschiedliche Technologien, die ein großes Potenzial in sich bergen.

Haben Sie darüber nachgedacht, wie Sie sie in die Arbeitsprozesse oder den Kundenservice Ihres Unternehmens integrieren können? Sicherlich können sie Ihnen helfen, bessere Entscheidungen zu treffen oder Ihrem Unternehmen einen Wettbewerbsvorteil zu verschaffen.

Wenn Sie irgendwelche Zweifel haben, zögern Sie nicht, einen digitalen Partner wie Yeeply zu konsultieren, um herauszufinden, was die Technologie für Sie tun kann.