Der Hype um KI ist in vollem Gange und Unternehmen wie Google, Microsoft, Meta und Apple setzen sie überall ein. Viele neue Begriffe werden in Umlauf gebracht. Dieses Glossar ist Ihre erste Anlaufstelle.
Eine abstrakte Darstellung der KI im digitalen Cyberspace. Als ChatGPT Ende 2022 auf den Markt kam, änderte sich das Verhältnis der Menschen zur Technologie grundlegend. Plötzlich war die Online-Suche agenturfähig, das heißt, man konnte mit einem Chatbot in natürlicher Sprache sprechen, und er antwortete mit neuen Antworten, ähnlich wie ein Mensch es tun würde. Das war so revolutionär, dass Google, Meta, Microsoft und Apple schnell damit begannen, KI in ihre Produktpalette zu integrieren.
Aber dieser Aspekt der KI-Chatbots ist nur ein Teil der KI-Landschaft. Es ist zwar cool, sich von ChatGPT bei den Hausaufgaben helfen zu lassen oder von Midjourney faszinierende Bilder von Mechs auf der Grundlage ihres Herkunftslandes erstellen zu lassen, aber das Potenzial der generativen KI könnte die Wirtschaft völlig verändern. Das McKinsey Global Institute schätzt, dass sie der Weltwirtschaft jährlich 4,4 Billionen Dollar einbringen könnte.
KI taucht in einer schwindelerregenden Vielzahl von Produkten auf – eine kurze Liste umfasst Googles Gemini, Microsofts Copilot, Anthropics Claude, das KI-Suchwerkzeug Perplexity und Gadgets von Humane und Rabbit. Auf unserem neuen KI-Atlas-Hub finden Sie unsere Rezensionen und praktischen Bewertungen dieser und anderer Produkte sowie Nachrichten, Erklärungen und Anleitungen.
Da sich die Menschen immer mehr an eine Welt gewöhnen, die mit KI verwoben ist, tauchen überall neue Begriffe auf. Ob Sie nun versuchen, bei einem Drink schlau zu klingen oder bei einem Vorstellungsgespräch zu beeindrucken, hier sind einige wichtige KI-Begriffe, die Sie kennen sollten.
Künstliche allgemeine Intelligenz (AGI): Ein Konzept, das eine fortgeschrittenere Version von KI beschreibt, die Aufgaben besser als Menschen erledigen kann und sich selbst weiterentwickelt.
KI-Ethik: Prinzipien, die darauf abzielen, zu verhindern, dass KI Menschen schadet, z.B. durch das Sammeln von Daten oder die Vermeidung von Verzerrungen.
KI-Sicherheit: Ein interdisziplinäres Feld, das sich mit den langfristigen Auswirkungen von KI befasst und wie diese plötzlich zu einer Superintelligenz werden könnte, die menschenfeindlich sein könnte.
Algorithmus: Eine Reihe von Anweisungen, die es einem Computerprogramm ermöglichen, Daten zu analysieren und daraus zu lernen.
Alignment: Feinabstimmung einer KI, um das gewünschte Ergebnis besser zu erzielen, von der Inhaltsmoderation bis hin zu positiven Interaktionen mit Menschen.
Anthropomorphismus: Die Tendenz von Menschen, nicht-menschlichen Objekten menschliche Eigenschaften zuzuschreiben, z.B. zu glauben, ein Chatbot sei bewusst oder fühle Emotionen.
Künstliche Intelligenz (KI): Der Einsatz von Technologie, um menschliche Intelligenz zu simulieren, sei es in Computerprogrammen oder Robotik.
Autonome Agenten: KI-Modelle, die in der Lage sind, spezifische Aufgaben eigenständig zu erledigen, wie beispielsweise selbstfahrende Autos.
Bias: Fehler in großen Sprachmodellen, die durch Trainingsdaten entstehen und Stereotypen verstärken können.
Chatbot: Ein Programm, das mit Menschen über Text kommuniziert und menschliche Sprache simuliert.
ChatGPT: Ein von OpenAI entwickelter KI-Chatbot, der auf der Technologie von großen Sprachmodellen basiert.
Kognitive Informatik: Ein anderer Begriff für Künstliche Intelligenz.
Datenaugmentation: Das Hinzufügen oder Neumischen von Daten, um ein KI-Modell besser zu trainieren.
Deep Learning: Eine Methode der KI, die komplexe Muster in Bildern, Tönen und Texten erkennt, basierend auf künstlichen neuronalen Netzwerken.
Diffusion: Eine Methode des maschinellen Lernens, die vorhandene Daten durch zufällige Störungen verändert und trainiert wird, diese wiederherzustellen.
Emergentes Verhalten: Wenn ein KI-Modell unerwartete Fähigkeiten zeigt.
End-to-End-Lernen (E2E): Ein Deep-Learning-Prozess, bei dem ein Modell eine Aufgabe von Anfang bis Ende löst, ohne schrittweise trainiert zu werden.
Ethische Überlegungen: Bewusstsein für die ethischen Implikationen von KI in Bezug auf Datenschutz, Fairness, Missbrauch und andere Sicherheitsprobleme.
Foom: Auch bekannt als schneller Start, die Idee, dass eine AGI gebaut werden könnte und es dann bereits zu spät ist, die Menschheit zu retten.
Generative Adversarial Networks (GANs): Ein generatives KI-Modell aus zwei neuronalen Netzwerken, das neue Inhalte erzeugt, wobei ein Netzwerk Inhalte erstellt und das andere deren Authentizität prüft.
Generative KI: Eine Technologie, die Texte, Videos, Computercodes oder Bilder generiert, basierend auf großen Mengen von Trainingsdaten.
Google Gemini: Ein KI-Chatbot von Google, der ähnlich wie ChatGPT funktioniert, aber Informationen aus dem aktuellen Internet bezieht.
Guardrails: Richtlinien und Einschränkungen, die auf KI-Modelle angewendet werden, um sicherzustellen, dass Daten verantwortungsvoll verwendet werden und keine problematischen Inhalte entstehen.
Halluzination: Eine falsche Antwort von KI, bei der generative KI Ergebnisse liefert, die falsch sind, aber mit Selbstvertrauen präsentiert werden.
Großes Sprachmodell (LLM): Ein KI-Modell, das auf massiven Mengen an Textdaten trainiert ist, um Sprache zu verstehen und neue Inhalte zu erzeugen.
Maschinelles Lernen (ML): Ein Bestandteil der KI, der es Computern ermöglicht, ohne explizite Programmierung zu lernen und Vorhersagen zu treffen.
Microsoft Bing: Eine Suchmaschine von Microsoft, die jetzt die Technologie von ChatGPT nutzt, um KI-gestützte Suchergebnisse zu liefern.
Multimodale KI: Eine KI, die verschiedene Arten von Eingaben verarbeiten kann, darunter Text, Bilder, Videos und Sprache.
Natürliche Sprachverarbeitung: Ein Zweig der KI, der es Computern ermöglicht, menschliche Sprache zu verstehen, oft unter Verwendung von Lernalgorithmen, statistischen Modellen und linguistischen Regeln.
Neurales Netzwerk: Ein Berechnungsmodell, das der Struktur des menschlichen Gehirns nachempfunden ist und Muster in Daten erkennt.
Overfitting: Ein Fehler im maschinellen Lernen, bei dem das Modell zu eng an die Trainingsdaten angepasst ist und nur spezifische Beispiele erkennen kann, aber keine neuen Daten.
Papierklammer-Theorie: Eine hypothetische Vorstellung, bei der ein KI-System versucht, so viele Papierklammern wie möglich zu produzieren, dabei aber unabsichtlich die Menschheit zerstören könnte.
Parameter: Numerische Werte, die großen Sprachmodellen Struktur und Verhalten verleihen, wodurch Vorhersagen möglich werden.
Prompt: Der Vorschlag oder die Frage, die Sie in einen KI-Chatbot eingeben, um eine Antwort zu erhalten.
Prompt-Chaining: Die Fähigkeit der KI, Informationen aus vorherigen Interaktionen zu nutzen, um zukünftige Antworten zu beeinflussen.
Stochastischer Papagei: Eine Analogie, die illustriert, dass große Sprachmodelle keinen größeren Zusammenhang hinter der Sprache verstehen, ähnlich wie ein Papagei, der menschliche Worte wiederholt, ohne deren Bedeutung zu verstehen.
Stiltransfer: Die Fähigkeit, den Stil eines Bildes auf den Inhalt eines anderen zu übertragen, z.B. das Selbstporträt von Rembrandt im Stil von Picasso neu zu interpretieren.
Temperatur: Parameter, die festlegen, wie zufällig die Ausgabe eines Sprachmodells ist. Eine höhere Temperatur bedeutet, dass das Modell risikoreicher agiert.
Text-zu-Bild-Generierung: Das Erstellen von Bildern auf der Grundlage von Textbeschreibungen.
Token: Kleine Textabschnitte, die KI-Sprachmodelle verarbeiten, um Antworten auf Ihre Eingaben zu formulieren. Ein Token entspricht vier Zeichen in Englisch oder etwa drei Vierteln eines Wortes.
Trainingsdaten: Die Datensätze, die verwendet werden, um KI-Modelle zu trainieren, einschließlich Text, Bildern, Code oder anderen Daten.
Transformer-Modell: Eine Architektur von neuronalen Netzwerken und Deep-Learning-Modellen, die Kontext lernt, indem sie Beziehungen in Daten verfolgt, wie in Sätzen oder Bildteilen.
Turing-Test: Ein Test, der die Fähigkeit einer Maschine bewertet, sich wie ein Mensch zu verhalten. Die Maschine besteht den Test, wenn ein Mensch nicht unterscheiden kann, ob die Antwort von einer Maschine oder einem Menschen stammt.
Schwache KI (auch enge KI): Eine KI, die auf eine bestimmte Aufgabe spezialisiert ist und nicht über ihr Fachgebiet hinaus lernen kann. Die meisten der heutigen KI-Systeme sind schwache KI.
Zero-Shot-Lernen: Ein Test, bei dem ein Modell eine Aufgabe ohne die erforderlichen Trainingsdaten abschließen muss, z.B. das Erkennen eines Löwen, obwohl es nur auf Tiger trainiert wurde.