Die KI-Forscher haben eine Reihe von Werkzeugen entwickelt, um diese Probleme mit Hilfe von Methoden aus der Wahrscheinlichkeitstheorie und der Ökonomie zu lösen. Bayes’sche Netze sind ein sehr allgemeines Werkzeug, das für verschiedene Probleme eingesetzt werden kann, darunter Argumentation, Lernen (unter Verwendung des Erwartungsmaximierungsalgorithmus), Planung und Wahrnehmung. Künstliche Intelligenz wurde 1956 als akademische Disziplin gegründet und hat in den vergangenen Jahren mehrere Wellen des Optimismus erlebt, gefolgt von Enttäuschung und dem Verlust von Fördermitteln (bekannt als „KI-Winter“), gefolgt von neuen Ansätzen, Erfolg und erneuter Förderung. Die KI-Forschung hat seit ihren Anfängen viele verschiedene Ansätze ausprobiert und wieder verworfen, darunter die Simulation des Gehirns, die Modellierung menschlicher Problemlösungen, formale Logik, große Wissensdatenbanken und die Nachahmung von Tierverhalten. Jahrhunderts hat das hochgradig mathematisch-statistische maschinelle Lernen das Feld dominiert, und diese Technik hat sich als äußerst erfolgreich erwiesen und zur Lösung vieler anspruchsvoller Probleme in Industrie und Wissenschaft beigetragen. Simplilearns AI for Beginners soll den Lernenden helfen, das Geheimnis der künstlichen Intelligenz und ihrer geschäftlichen Anwendungen zu entschlüsseln.
Andere bleiben jedoch skeptisch, weil jede kognitive Tätigkeit mit Werturteilen verbunden ist, die der menschlichen Erfahrung unterliegen. Die Steigerung der Rechenleistung und die explosionsartige Zunahme der Datenmenge lösten in den späten 1990er Jahren eine Renaissance der KI aus, die bis heute anhält. Die jüngste Konzentration auf KI hat zu Durchbrüchen in den Bereichen Verarbeitung natürlicher Sprache, Computer Vision, Robotik, maschinelles Lernen, Deep Learning und mehr geführt.
In den 1950er Jahren gab es eine Generation von Wissenschaftlern, Mathematikern und Philosophen, die das Konzept der künstlichen Intelligenz kulturell verinnerlicht hatten. Einer dieser Menschen war Alan Turing, ein junger britischer Universalgelehrter, der die mathematischen Möglichkeiten künstlicher Intelligenz erforschte. Turing vertrat die Ansicht, dass Menschen verfügbare Informationen und den Verstand nutzen, um Probleme zu lösen und Entscheidungen zu treffen. Dies war der logische Rahmen seiner 1950 veröffentlichten Arbeit Computing Machinery and Intelligence, in der er erörterte, wie man intelligente Maschinen bauen und ihre Intelligenz testen kann.
Die wichtigsten Kategorien von Anwendungen betreffen Diagnose- und Behandlungsempfehlungen, die Einbindung von Patienten und die Einhaltung von Vorschriften sowie Verwaltungstätigkeiten. Obwohl es viele Fälle gibt, in denen KI Aufgaben im Gesundheitswesen genauso gut oder besser als Menschen erledigen kann, werden die Umsetzungsfaktoren eine groß angelegte Automatisierung von Arbeitsplätzen im Gesundheitswesen für einen beträchtlichen Zeitraum verhindern. Auch ethische Fragen bei der Anwendung von KI im Gesundheitswesen werden erörtert.
Während die riesigen Datenmengen, die täglich anfallen, einen menschlichen Forscher erdrücken würden, können KI-Anwendungen, die maschinelles Lernen einsetzen, diese Daten schnell in verwertbare Informationen umwandeln. Zum jetzigen Zeitpunkt besteht der Hauptnachteil des Einsatzes von KI darin, dass die Verarbeitung der großen Datenmengen, die für die KI-Programmierung erforderlich sind, teuer ist. Da Deep Learning und maschinelles Lernen in der Regel synonym verwendet werden, lohnt es sich, die Nuancen zwischen den beiden zu beachten. Wie bereits erwähnt, sind sowohl Deep Learning als auch maschinelles Lernen Teilbereiche der künstlichen Intelligenz, und Deep Learning ist eigentlich ein Teilbereich des maschinellen Lernens. Präsident Putins Vorhersage, dass künftige Kriege mit Hilfe von KI geführt werden, hat sich nach dem russischen Einmarsch in die Ukraine am 24.
Deep Learning verwendet mehrere Schichten von Neuronen zwischen den Eingängen und Ausgängen des Netzwerks. Die mehreren Schichten können schrittweise höherwertige Merkmale aus dem rohen Input extrahieren. Bei der Bildverarbeitung können beispielsweise untere Schichten Kanten erkennen, während höhere Schichten die für einen Menschen relevanten Konzepte wie Ziffern, Buchstaben oder Gesichter erkennen können.
Das maschinelle Lernen hat die Qualität einiger Expertensysteme verbessert und ihre Erstellung erleichtert. Sie werden Konzepte und Techniken des maschinellen Lernens beherrschen, einschließlich überwachtem und unüberwachtem Lernen, mathematischen und heuristischen Aspekten und praktischer Modellierung, um Algorithmen zu entwickeln und Sie auf die Rolle eines Machine Learning Engineer vorzubereiten. Computer konnten mehr Informationen speichern und wurden schneller, billiger und leichter zugänglich. Auch die Algorithmen des maschinellen Lernens wurden verbessert, und die Menschen wussten immer besser, welchen Algorithmus sie auf ihr Problem anwenden sollten. Frühe Demonstrationen wie Newell und Simons General Problem Solver und Joseph Weizenbaums ELIZA waren vielversprechend in Bezug auf das Lösen von Problemen bzw. Diese Erfolge sowie das Engagement führender Forscher überzeugten Regierungsstellen wie die Defense Advanced Research Projects Agency, die KI-Forschung an mehreren Einrichtungen zu finanzieren.
Unternehmen nutzen maschinelles Lernen in Software für das Sicherheitsinformations- und Ereignis-Management und verwandten Bereichen, um Anomalien zu erkennen und verdächtige Aktivitäten zu identifizieren, die auf Bedrohungen hindeuten. Durch die Analyse von Daten und die Verwendung von Logik, um Ähnlichkeiten mit bekanntem bösartigem Code zu erkennen, kann KI Softwareentwicklung viel früher als menschliche Mitarbeiter und frühere Technologie-Iterationen Warnungen vor neuen und aufkommenden Angriffen liefern. Die ausgereifte Technologie spielt eine große Rolle bei der Abwehr von Cyberangriffen. Bemerkenswerte Steigerungen ki beratung der KI-Fähigkeiten haben zu einer Vielzahl von Innovationen geführt, darunter autonome Fahrzeuge und vernetzte Internet-of-Things-Geräte in unseren Haushalten. Künstliche Intelligenz trägt sogar zur Entwicklung eines gehirngesteuerten Roboterarms bei, der einem Gelähmten durch komplexe direkte Schnittstellen zwischen Mensch und Gehirn helfen kann, wieder zu fühlen. Diese neuen KI-gestützten Systeme revolutionieren nahezu alle Aspekte unserer Gesellschaft und Wirtschaft – vom Handel über das Gesundheitswesen bis hin zum Verkehr und zur Cybersicherheit – und kommen ihnen zugute.
Künstliche Intelligenz beruht auf dem Grundsatz, dass die menschliche Intelligenz so definiert werden kann, dass eine Maschine sie leicht nachahmen und Aufgaben ausführen kann, von den einfachsten bis hin zu noch komplexeren. Zu den Zielen der künstlichen Intelligenz gehört die Nachahmung der menschlichen kognitiven Aktivität. Forscher und Entwickler auf diesem Gebiet machen erstaunlich schnelle Fortschritte bei der Nachahmung von Aktivitäten wie Lernen, Denken und Wahrnehmung, soweit diese konkret definiert werden können. Einige glauben, dass Innovatoren schon bald in der Lage sein werden, Systeme zu entwickeln, die die Fähigkeit des Menschen zum Lernen oder zum logischen Denken in jedem beliebigen Bereich übertreffen.
