KI: Entschlüsselt! Beherrschung der Sprache der künstlichen Intelligenz

by Lilt  Han Mai, Associate Director, Demand Generation  ·  Lokalisierung, Übersetzung, kulturelle Nuancen, Lokalisierungstools, Qualitätssicherung, Compliance

Sprechen wir über KI.  Einige Schlüsselbegriffe zu verstehen, ist wie das Knacken des Codes in diesem gesamten Bereich.  Wörter wie Algorithmen, neuronale Netzwerke und maschinelles Lernen (sowohl überwacht als auch unüberwacht) helfen Ihnen dabei, zu sehen, wie KI funktioniert, was sie kann und was nicht.  Ganz gleich, ob Sie KI-Profi sind oder nur neugierig sind, dieses Wissen kann Ihnen helfen, fundierte Entscheidungen zu KI in den Bereichen Geschäft, Bildung und sogar im Alltag zu treffen.

  1. Künstliche Intelligenz (KI): KI ist ein Bereich der Informatik, der sich auf die Erstellung von Systemen konzentriert, die in der Lage sind, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern.

  2. Maschinelles Lernen (ML): Der Prozess, durch den Maschinen aus Daten lernen, Muster identifizieren und ihre Genauigkeit verbessern, ohne explizit programmiert zu werden. 

  3. Deep Learning (DL): Eine Art von maschinellem Lernen, das neuronale Netzwerke verwendet, um Daten zu analysieren und zu interpretieren. 

  4. Neuronales Netzwerk (NN): Ein Modell, das vom menschlichen Gehirn inspiriert wurde und aus miteinander verbundenen Knoten (Neuronen) besteht, die in der Lage sind, komplexe Muster in Daten zu erkennen.

  5. Algorithmus: Ein Satz von Regeln oder Anweisungen, denen ein Computer folgt, um eine bestimmte Aufgabe auszuführen.

  6. Trainingsdaten: Die Daten, die zum Trainieren eines Modells für maschinelles Lernen und zur Verbesserung der Leistung verwendet werden.

  7. Modell: Ein Modell ist eine mathematische Darstellung oder ein Programm, das mithilfe von Daten trainiert wird, um Muster zu erkennen, Vorhersagen zu treffen oder bestimmte Aufgaben basierend auf den gelernten Informationen auszuführen.

  8. Überwachtes Lernen: Eine Art maschinelles Lernen, bei der das Modell auf einem beschrifteten Datensatz trainiert wird (jede Eingabe wird mit einer entsprechenden korrekten Ausgabe geliefert).  Das Modell lernt, Vorhersagen oder Entscheidungen zu treffen, indem es Muster in den Trainingsdaten findet, und wird dann daraufhin bewertet, ob es die richtigen Ausgaben für neue, nicht gesehene Daten vorhersagen kann.

  9. Unüberwachtes Lernen: Eine Art maschinelles Lernen, bei der das Modell auf einem Datensatz ohne gekennzeichnete Ausgaben trainiert wird.  Anstatt sich von den richtigen Antworten leiten zu lassen, versucht das Modell, Muster, Strukturen oder Beziehungen in den Daten selbst zu identifizieren.

  10. Reinforcement Learning: Eine Art von maschinellem Lernen, bei der das Modell lernt, indem es mit seiner Umgebung interagiert und Belohnungen oder Strafen erhält, die auf diesem Verhalten basieren.

  11. Natural Language Processing (NLP): Ein Unterbereich der KI, der sich auf die Interaktion zwischen Computern und Menschen konzentriert, die natürliche Sprache verwenden, einschließlich Sprache und Text.

  12. Chatbot: Ein Computerprogramm, das menschenähnliche Unterhaltungen mit Benutzern simuliert.

  13. Robotik: Der Zweig der KI, der sich mit dem Design, der Konstruktion und der Verwendung von Robotern befasst, um Aufgaben auszuführen, die für Menschen entweder zu gefährlich, zu schwierig oder zu mühsam sind.

  14. Computer Vision: Ein Unterbereich der KI, mit dem Computer visuelle Daten aus Bildern und Videos interpretieren und verstehen können. 

  15. Edge-KI: Eine Art von KI, die auf Geräten am Rand des Netzwerks bereitgestellt wird, die näher an der Datenquelle sind.

  16. Erklärbarkeit: Die Fähigkeit, die Entscheidungen zu verstehen und zu interpretieren, die von KI-Modellen getroffen werden.

  17. Bias: Die unbeabsichtigten Folgen oder unfairen Ergebnisse, die auftreten können, wenn KI-Modelle auf voreingenommenen Daten trainiert werden.

  18. Fairness: Das Prinzip, dass KI-Modelle unvoreingenommen sind und alle Personen gleich behandeln.

  19. Transfer Learning: Die Fähigkeit eines Modells für maschinelles Lernen, das in einem Kontext gelernte Wissen in einen anderen Kontext anzuwenden.

  20. Big Data: Große, komplexe Datensätze, die Rechenleistung und erweiterte Analysetools erfordern, um aussagekräftige Erkenntnisse zu gewinnen.

Diese Vokabeln sollten Ihnen eine solide Grundlage in der KI-bezogenen Terminologie geben.