Lesezeit: 5 Min.
Die frühen Iterationen der KI-Anwendungen, mit denen wir heute am meisten interagieren, basierten auf traditionellen Modellen des maschinellen Lernens. Diese Modelle bauen auf Lernalgorithmen auf, die von Datenwissenschaftlern entwickelt und gepflegt werden. Das heißt: Herkömmliche Modelle des maschinellen Lernens benötigen menschliches Eingreifen, um neue Informationen zu verarbeiten und neue Aufgaben auszuführen, die außerhalb ihres ursprünglichen Trainings liegen.
Apple hat zum Beispiel 2011 Siri in iOS integriert. Diese frühe Version von Siri wurde darauf trainiert, eine Reihe sehr spezifischer Aussagen und Anfragen zu verstehen. Um Siris Wissensbasis und Funktionalität zu erweitern, war ein menschliches Eingreifen erforderlich.
Seit der bahnbrechenden Entwicklung künstlicher neuronaler Netze im Jahr 2012 haben sich die KI-Fähigkeiten jedoch stetig weiterentwickelt. Sie ermöglichen es Maschinen, Reinforcement Learning zu betreiben und zu simulieren, wie das menschliche Gehirn Informationen verarbeitet.
Im Gegensatz zu grundlegenden maschinellen Lernmodellen ermöglichen Deep-Learning-Modelle KI-Anwendungen das Erlernen neuer Aufgaben, die menschlicher Intelligenz bedürfen, das Ausführen neuer Verhaltensweisen und das Treffen von Entscheidungen ohne menschliches Zutun. Infolgedessen hat Deep Learning die Automatisierung von Aufgaben, die Generierung von Inhalten, die vorausschauende Wartung und andere Funktionen in allen Branchen ermöglicht.
Aufgrund von Deep Learning und anderen Fortschritten befindet sich der Bereich der künstlichen Intelligenz in einem ständigen und rasanten Wandel. Unser kollektives Verständnis von realisierter KI und theoretischer KI verändert sich ständig, was bedeutet, dass sich KI-Kategorien und KI-Terminologie von einer Quelle zur nächsten unterscheiden (und überschneiden) können. Die Arten von KI lassen sich jedoch weitgehend verstehen, wenn man zwei umfassende Kategorien untersucht: KI-Funktionen und KI-Funktionalitäten.
Branchen-Newsletter
Erhalten Sie kuratierte Einblicke in die wichtigsten – und faszinierendsten – KI-Neuheiten. Abonnieren Sie unseren wöchentlichen Think-Newsletter. Weitere Informationen in der IBM Datenschutzerklärung.
Ihr Abonnement wird auf Englisch geliefert. In jedem Newsletter finden Sie einen Abmeldelink. Hier können Sie Ihre Abonnements verwalten oder sich abmelden. Weitere Informationen finden Sie in unserer IBM Datenschutzerklärung.
Artificial Narrow Intelligence, auch bekannt als Weak AI (was wir als Narrow AI bezeichnen), ist die einzige Art von KI, die tatsächlich existiert. Jede andere Form von KI ist theoretisch. Sie kann trainiert werden, um eine einzelne oder eine enge Aufgabe zu erledigen, oft viel schneller und besser als ein menschlicher Verstand.
Sie kann jedoch nicht außerhalb ihrer definierten Aufgabe ausgeführt werden. Stattdessen zielt es auf eine einzelne Teilmenge kognitiver Fähigkeiten ab und entwickelt Fortschritte in diesem Spektrum. Siri, Amazons Alexa und IBM Watson sind Beispiele für die Narrow KI. Sogar ChatGPT von OpenAI gilt als eine Form der Narrow KI, da es auf die einzige Aufgabe des textbasierten Chats beschränkt ist.
Artificial General Intelligence (AGI), auch bekannt als Strong KI, ist nur ein theoretisches Konzept. Eine AGI kann frühere Erkenntnisse und Fähigkeiten nutzen, um neue Aufgaben in einem anderen Kontext zu erfüllen, ohne dass Menschen die zugrundeliegenden Modelle schulen müssen. Diese Fähigkeit ermöglicht es AGI, jede intellektuelle Aufgabe, die ein Mensch kann, zu erlernen und auszuführen.
Super AI wird allgemein als künstliche Superintelligenz bezeichnet und existiert wie die AGI nur in der Theorie. Sollte es jemals realisiert werden, würde eine Super-KI denken, rationalisieren, lernen, urteilen und kognitive Fähigkeiten besitzen, die die des Menschen übertreffen.
Die Anwendungen, die über Super-KI-Fähigkeiten verfügen, werden sich so weit entwickelt haben, dass sie menschliche Gefühle und Erfahrungen verstehen, Emotionen empfinden, Bedürfnisse haben und ihre eigenen Überzeugungen und Wünsche haben.
Unter Narrow AI, einem der drei Typen, die auf Funktionen basieren, gibt es zwei funktionale KI-Kategorien:
Reaktive Maschinen sind KI-Systeme ohne Gedächtnis und darauf ausgelegt, eine ganz bestimmte Aufgabe auszuführen. Da sie sich nicht an frühere Ergebnisse oder Entscheidungen erinnern können, arbeiten sie nur mit den aktuell verfügbaren Daten. Reaktive AI entstammt der statistischen Mathematik und kann riesige Datenmengen analysieren, um scheinbar intelligente Ausgabe zu erzielen.
Im Gegensatz zur Reactive Machine AI kann sich diese Form der KI an vergangene Ereignisse und Ergebnisse erinnern und bestimmte Objekte oder Situationen im Laufe der Zeit überwachen. Limited Memory AI kann Daten aus der Vergangenheit und der Gegenwart nutzen, um eine Entscheidung über die Vorgehensweise zu treffen, die am ehesten zum Erreichen eines gewünschten Ergebnisses beiträgt.
Die Limited Memory AI kann zwar Daten aus der Vergangenheit für einen bestimmten Zeitraum nutzen, aber sie kann diese Daten nicht in einem Archiv speichern, um sie über einen längeren Zeitraum zu nutzen. Da die KI mit begrenztem Speicher im Laufe der Zeit mit mehr Daten trainiert wird, kann sie ihre Leistung verbessern.
Theory of Mind KI ist eine funktionale Klasse von KI, die zur allgemeinen KI gehört. Obwohl sie heute eine nicht realisierte Form der KI ist, würde KI mit der Funktionalität „Theory of Mind“ die Gedanken und Emotionen anderer Entitäten verstehen. Dieses Verständnis kann beeinflussen, wie die KI mit ihren Mitarbeitenden interagiert. Theoretisch könnte die KI dadurch menschenähnliche Beziehungen simulieren.
Da Theory of Mind AI auf menschliche Beweggründe und Argumente schließen kann, würde es seine Interaktionen mit Einzelpersonen auf der Grundlage ihrer einzigartigen emotionalen Bedürfnisse und Absichten anpassen. Theory of Mind AI würde auch in der Lage sein, Kunstwerke und Essays zu verstehen und zu kontextualisieren, was die heutigen generativen KI-Tools nicht können.
Emotionale KI ist eine Theory of Mind AI, die sich derzeit in der Entwicklung befindet. KI-Forscher hoffen, dass sie in der Lage sein wird, Stimmen, Bilder und andere Arten von Daten zu analysieren, um Menschen zu erkennen, zu simulieren, zu überwachen und auf emotionaler Ebene angemessen zu reagieren. Bislang ist Emotionale KI nicht in der Lage, menschliche Gefühle zu verstehen und darauf zu reagieren.
Self-Aware AI ist eine Art funktionale KI-Klasse für Anwendungen, die über Super-KI-Funktionen verfügen würden. Wie Theory of Mind AI existiert Self-Aware AI nur in der Theorie. Wenn sie jemals verwirklicht wird, wird sie in der Lage sein, ihre eigenen inneren Zustände und Eigenschaften sowie die menschlichen Gefühle und Gedanken zu verstehen. Sie hätte auch seine eigenen Emotionen, Bedürfnisse und Überzeugungen.
Emotionale KI ist eine Theory of Mind AI, die sich derzeit in der Entwicklung befindet. dass sie in der Lage sein wird, Stimmen, Bilder und andere Arten von Daten zu analysieren, um Menschen zu erkennen, zu simulieren, zu überwachen und auf emotionaler Ebene angemessen zu reagieren. Bislang ist Emotionale KI nicht in der Lage, menschliche Gefühle zu verstehen und darauf zu reagieren.
Narrow AI-Anwendungen mit Computer Vision können darauf trainiert werden, die visuelle Welt zu interpretieren und zu analysieren. So können intelligente Maschinen Objekte in Bildern und Videoaufnahmen identifizieren und klassifizieren.
Anwendungen der Computer Vision:
Computer Vision ist entscheidend für Anwendungsfälle, bei denen KI-Maschinen mit der physischen Welt um sie herum interagieren und sie durchqueren. Beispiele hierfür sind selbstfahrende Autos und Maschinen, die durch Lagerhäuser und andere Umgebungen navigieren.
Roboter in der Industrie können mithilfe von Narrow AI routinemäßige, sich wiederholende Aufgaben in den Bereichen Materialhandhabung, Montage und Qualitätskontrolle ausführen. Im Gesundheitswesen können Roboter, die mit Narrow KI ausgestattet sind, Chirurgen bei der Überwachung von Vitalwerten und der Erkennung potenzieller Probleme während von Eingriffen unterstützen.
Landwirtschaftliche Maschinen können autonom beschneiden, bewegen, ausdünnen, säen und spritzen. Auch intelligente Haushaltsgeräte wie der iRobot Roomba können mithilfe von Computer Vision durch den Innenraum eines Hauses navigieren und die gespeicherten Daten verwenden, um den Fortschritt nachzuvollziehen.
Expertensysteme, die mit Narrow KI-Funktionen ausgestattet sind, können auf einen Korpus trainiert werden, um den menschlichen Entscheidungsprozess nachzuahmen und Expertenwissen zur Lösung komplexer Probleme anzuwenden. Diese Systeme können enorme Datenmengen auswerten, um Trends und Muster zu erkennen und Entscheidungen zu treffen. Sie können Unternehmen auch dabei helfen, zukünftige Ereignisse vorherzusagen und zu verstehen, warum vergangene Ereignisse eingetreten sind.
IBM hat von Anfang an Pionierarbeit mit KI geleistet und in diesem Bereich zu einem Durchbruch nach dem anderen geführt. IBM hat vor Kurzem ein großes Upgrade für das IBM watsonx Portfolio an KI-Produkten veröffentlicht. IBM watsonx.ai™ vereint neue generative KI-Funktionen, die auf Foundation Models und traditionellem maschinellen Lernen basieren, in einem leistungsstarken Studio, das den gesamten KI-Lebenszyklus abdeckt. Mit watsonx.ai können Data Scientists maschinelle Lern-Modelle in einer einzigen kollaborativen Studio-Umgebung erstellen, trainieren und bereitstellen.
Wir haben 2.000 Unternehmen zu ihren KI-Initiativen befragt, um herauszufinden, was funktioniert, was nicht und wie Sie vorankommen können.
IBM® Granite ist unsere Familie offener, leistungsfähiger und vertrauenswürdiger KI-Modelle, die auf Unternehmen zugeschnitten und für die Skalierung Ihrer KI-Anwendungen optimiert sind. Entdecken Sie die Optionen zu Sprache, Code, Zeitreihen und Guardrails.
Greifen Sie auf unseren vollständigen Katalog mit über 100 Online-Kursen zu, indem Sie noch heute ein Abonnement für Einzel- oder Mehrbenutzer erwerben, mit dem Sie Ihre Fähigkeiten in einer Reihe unserer Produkte zu einem günstigen Preis erweitern können.
Das Programm, das von führenden IBM Experten geleitet wird, soll Führungskräften dabei helfen, das nötige Wissen zu erwerben, um die Prioritäten für KI-Investitionen zu setzen, die zu mehr Wachstum führen.
Möchten Sie eine bessere Rendite für Ihre KI-Investitionen erzielen? Erfahren Sie, wie die Skalierung generativer KI in Schlüsselbereichen Veränderungen vorantreibt, indem Sie Ihre besten Köpfe dabei unterstützen, innovative neue Lösungen zu entwickeln und bereitzustellen.
Erfahren Sie, wie Sie generative KI und maschinelles Lernen sicher in Ihr Unternehmen integrieren können.
Erfahren Sie mehr über die drei entscheidenden Elemente einer starken KI-Strategie: die Schaffung eines Wettbewerbsvorteils, die Skalierung von KI im gesamten Unternehmen und die Förderung vertrauenswürdiger KI.