Der Begriff „künstliche Intelligenz“ ist in aller Munde und löst heftige Emotionen aus: Manche setzen große Hoffnungen in sie, andere fürchten sie. Dabei wissen die wenigsten, was KI eigentlich bedeutet und wie sie funktioniert. Diese Schieflage will Wie Maschinen lernen korrigieren. In diesem Buch klären Wissenschaftler über die Funktionsweisen, Chancen und Risiken künstlicher Intelligenz auf. Das Buch beweist, dass Lesen Spaß machen und zugleich sehr informativ sein kann. Und es liefert eine wichtige Faktengrundlage für eine teils überhitzte öffentliche Debatte.
Beim maschinellen Lernen entwickeln Algorithmen ihre Methode zur Lösung eines Problems selbst und passen sie an.
Wenn Sie an künstliche Intelligenz (KI) denken, stellen Sie sich wahrscheinlich menschlich aussehende Roboter vor, selbstfahrende Autos oder komplexe Algorithmen; künstliche Systeme, die intelligente Entscheidungen treffen. Was Intelligenz in diesem Zusammenhang genau bedeutet, ist jedoch unklar. Die Forschung dazu geht bis in die 1940er-Jahre zurück, 1956 wurde sie offiziell KI getauft. Richtig Fahrt nahm sie aber erst in den 1990ern auf, weil damals die Rechenleistung der PCs explodierte und sich verschiedene Wissenschaften zur Zusammenarbeit entschlossen. Heute entwickeln Kognitions- und Neurowissenschaften sowie Mathematik, Informatik und Psychologie gemeinsam intelligente Algorithmen.
Doch was ist überhaupt ein Algorithmus? Ein Algorithmus ist wie ein gutes Kochrezept: Er liefert eine genaue Schritt-für-Schritt-Anweisung, um aus bestimmten Zutaten ein spezifisches Endprodukt herzustellen.
Das Eingabematerial der Algorithmen muss digital sein. Und die Handlungsanweisungen sollten so exakt wie möglich formuliert...
Kristian Kersting ist Professor für künstliche Intelligenz und maschinelles Lernen am Institut für Informatik an der Technischen Universität Darmstadt. Christoph Lampert ist Professor am Institute of Science and Technology in Klosterneuburg, Österreich. Constantin Rothkopf ist Associate Professor am Institut für Psychologie an der Technischen Universität Darmstadt.
Kommentar abgeben
Geometrische Interpretation der Perzeptron- Entscheidungsfunktion. Der Gewichtsvektor steht senkrecht auf der ...