Künstliche Intelligenz ist zu einem festen Bestandteil unseres Alltags geworden, von Chatbots über die Bilderzeugung bis hin zu Sprachassistenten. Daher ist das Verständnis grundlegender KI-Begriffe längst nicht mehr nur Experten vorbehalten, sondern eine Notwendigkeit für jeden, der die täglich genutzten Technologien verstehen möchte. Dieser Leitfaden erklärt die 33 wichtigsten Begriffe aus dem Bereich der KI einfach und verständlich, damit Sie sich selbstbewusst in der Welt der künstlichen Intelligenz zurechtfinden und ihre Möglichkeiten voll ausschöpfen können.
Grundbegriffe: Die Bausteine der KI
Künstliche Intelligenz (KI) ist eine Technologie, die menschliche Intelligenz simulieren kann und es Systemen ermöglicht, zu lernen, Probleme zu lösen und Entscheidungen zu treffen. Maschinelles Lernen (ML) ist ein zentraler Bestandteil der KI, bei dem ein Computer aus Daten lernt, ohne für jedes mögliche Szenario explizit programmiert worden zu sein.
Deep Learning (DL) ist eine spezialisierte Form des maschinellen Lernens, die komplexe Strukturen namens neuronale Netze nutzt. Diese verarbeiten Daten ähnlich wie das menschliche Gehirn in vielen Schichten. Die Netze bestehen aus einer Reihe miteinander verbundener Knotenschichten, die gemeinsam Informationen verarbeiten.
Generative KI (GenAI) kann neue, originelle Inhalte erstellen, von Essays und Geschichten bis hin zu Bildern, Musik und Computercode. Prädiktive KI hingegen nutzt Daten, um die Zukunft vorherzusagen, beispielsweise indem sie Kaufdaten analysiert, um beliebte Produkte zu prognostizieren.
Die Verarbeitung natürlicher Sprache (NLP) ermöglicht es Computern, menschliche Sprache zu verstehen, zu interpretieren und zu erzeugen. Wann immer Sie einen Chatbot oder Sprachassistenten verwenden, erleben Sie NLP in Aktion. Computer Vision wiederum ermöglicht es Computern, visuelle Informationen aus Bildern und Videos zu erfassen und zu interpretieren.
Große Sprachmodelle (LLM) sind die Technologie hinter vielen generativen KI-Systemen. Dabei handelt es sich um leistungsstarke Modelle, die mit riesigen Mengen an Textdaten trainiert wurden. KI-Modelle wie ChatGPT und Gemini sind Beispiele für LLM, die Cloud-Computing benötigen, da sie leistungsstarke Hardware erfordern.
Kleine Sprachmodelle (SML) werden mit deutlich weniger Parametern und Daten trainiert. Sie sind für die lokale Ausführung auf weniger leistungsfähigen Geräten konzipiert. Gemini Nano ist beispielsweise auf mehreren Android-Smartphones verfügbar.
Arbeiten mit KI-Werkzeugen
Ein Prompt ist im Grunde das, was Sie der KI mitteilen – ein Text oder Befehl, den Sie in einen Chatbot eingeben, um eine Antwort zu erhalten. Ein guter Prompt ist oft der Schlüssel zu einer hochwertigen Antwort. Prompt Engineering ist die Kunst und Wissenschaft, effektive Prompts zu erstellen, um die bestmögliche Antwort zu erzielen.
Halluzination ist ein wichtiger Begriff für eine Situation, in der eine KI eine überzeugend klingende Antwort gibt, die jedoch völlig falsch oder unsinnig ist. Ein Deepfake bezeichnet ein synthetisches Video, eine Audioaufnahme oder ein Bild einer Person, das so realistisch aussieht oder klingt, dass nur schwer zu erkennen ist, dass es gefälscht ist.
Das Kontextfenster bezeichnet die Menge an Informationen, die sich ein KI-Modell bei der Generierung einer Antwort gleichzeitig merken oder berücksichtigen kann. Wenn ein Gespräch zu lange dauert, kann die KI vergessen, was Sie zu Beginn gesagt haben.
Ein Token ist die kleinste Dateneinheit, die ein KI-Modell verarbeitet. In einem Text kann ein Token ein Wort, ein Wortteil oder sogar ein Satzzeichen sein. Die Temperatur ist eine Einstellung, die steuert, wie kreativ oder zufällig die Antwort der KI ausfällt – eine hohe Temperatur führt zu vielfältigeren, eine niedrige zu vorhersehbareren Antworten.
Agenten sind KI-Systeme, die komplexe, mehrstufige Aufgaben selbstständig ausführen können, häufig ohne ständige menschliche Aufsicht. Ein Agent könnte beispielsweise durch die Interaktion mit mehreren Websites einen Flug buchen.
Training und Entwicklung von Modellen
Ein Modell ist der trainierte Algorithmus selbst – eine Datei oder ein Programm, das das Wissen der KI enthält und für Vorhersagen oder die Generierung von Inhalten bereit ist. Es gibt Modelle für spezifische Aufgaben, wie Google Imagen für Bilder und Veo für Videos.
Ein Datensatz ist die gesamte Sammlung von Trainingsdaten, die zum Trainieren einer KI verwendet wird. Das Modelltraining ist der vollständige Prozess, bei dem ein KI-Modell mit Daten gespeist wird, damit es eine bestimmte Aufgabe erlernt.
Überwachtes Lernen ist eine Trainingsmethode, bei der die KI einen gekennzeichneten Datensatz mit den richtigen Antworten erhält und lernt, indem sie ihre Vorhersagen mit diesen vergleicht. Unüberwachtes Lernen bedeutet, dass die KI nicht gekennzeichnete Daten erhält und selbstständig verborgene Muster erkennen muss.
Bestärkendes Lernen ist eine Methode, bei der die KI durch Versuch und Irrtum lernt und Belohnungen für richtige sowie Strafen für falsche Handlungen erhält. Zero-Shot Learning bezeichnet die Fähigkeit eines KI-Modells, eine Aufgabe auszuführen, für die es nicht ausdrücklich trainiert wurde, und zwar allein auf Grundlage seines umfassenden Verständnisses aus den Trainingsdaten.
Wissensdestillation ist eine Technik zur Übertragung von Wissen von einem großen, komplexen Modell auf ein kleineres, effizienteres Modell. Synthetische Daten sind künstlich erzeugte Informationen, die die statistischen Eigenschaften realer Daten nachbilden und für das Training von Modellen nützlich sind.
Fine-Tuning ist der Prozess, bei dem ein vortrainiertes Modell mit einem kleineren, spezifischen Datensatz weitertrainiert wird, um seine Leistung bei einer bestimmten Aufgabe zu verbessern. Überanpassung tritt auf, wenn ein Modell die Trainingsdaten zu gut lernt und sich spezifische Beispiele einprägt, anstatt allgemeine Muster zu verstehen.
Inferenz ist der Prozess, bei dem ein trainiertes KI-Modell verwendet wird, um anhand neuer Daten Vorhersagen zu treffen oder neue Inhalte zu generieren. Bias ist ein systematischer Fehler in einem KI-System, der zu unfairen oder ungenauen Ergebnissen führt, häufig aufgrund nicht repräsentativer Trainingsdaten.
Technische und fortgeschrittene Begriffe
Parameter sind interne Einstellungen oder Variablen, die ein KI-Modell während des Trainings anpasst. Die Größe eines LLM wird üblicherweise anhand der Anzahl seiner Parameter gemessen – ein LLM mit weniger als 10 Milliarden Parametern gilt als SML.
Vektoreinbettungen sind eine Methode zur Darstellung von Wörtern, Bildern und anderen Daten als numerische Vektoren, wodurch die KI Beziehungen zwischen verschiedenen Informationen verstehen kann. Ein Algorithmus ist eine Reihe von Regeln oder Anweisungen, denen ein Modell beim Lernen aus Daten folgt.
Gewichte sind Werte, die ein neuronales Netz seinen Verbindungen zuweist und die die Bedeutung der Eingaben bestimmen. Schichten sind die verschiedenen Ebenen eines neuronalen Netzes, durch die Informationen von der Eingabeschicht über die verborgenen Schichten bis zur Ausgabeschicht fließen.
Der Aufmerksamkeitsmechanismus ist eine Technik, die es einem Modell ermöglicht, sich bei der Generierung einer Antwort auf die wichtigsten Teile der Eingabedaten zu konzentrieren. Ein Transformer ist eine spezielle Art neuronaler Netzarchitektur, die einen Aufmerksamkeitsmechanismus zur Verarbeitung sequenzieller Daten nutzt.
Eine API (Application Programming Interface) ist eine Reihe von Regeln und Protokollen, die die Kommunikation zwischen zwei verschiedenen Softwareprogrammen ermöglicht, beispielsweise zwischen einer Website und einem KI-Modell. Eine GPU (Graphics Processing Unit) ist ein spezialisierter Prozessor, der sich hervorragend für die parallelen Berechnungen eignet, die zum Trainieren von KI-Modellen erforderlich sind.
Allgemeine künstliche Intelligenz (AGI) ist eine hypothetische Form der KI, die ähnlich wie das menschliche Gehirn in der Lage wäre, Wissen über ein breites Spektrum von Aufgaben hinweg auf menschlichem Niveau zu verstehen, zu erlernen und anzuwenden.
