Künstliche Intelligenz

Was ist Künstliche Intelligenz (KI)

 

Künstliche Intelligenz (KI) simuliert die menschliche Intelligenz durch Maschinen (insbesondere Computersysteme). Dies beinhaltet Lernen (Regeln zum Sammeln und Verwenden von Informationen), Argumentieren (Verwenden von Regeln, um ungefähre oder eindeutige Schlussfolgerungen zu ziehen) und Selbstkorrektur. Spezielle Anwendungen der KI sind Expertensysteme, Spracherkennung und Bildverarbeitung.

Geschichte

​ Künstliche Intelligenz (KI) wurde 1956 von dem amerikanischen Informatiker John McCarthy auf der Dartmouth Conference vorgeschlagen. Heutzutage ist KI ein allgemeiner Begriff, der von der Roboterprozessautomatisierung (RPA) bis zur tatsächlichen Robotik reicht. In den letzten Jahren hat die Bedeutung der künstlichen Intelligenz zugenommen, unter anderem aufgrund der Zunahme von Big Data und der Geschwindigkeit, des Umfangs und der Vielfalt der Daten, die Unternehmen heute sammeln. Künstliche Intelligenz kann beispielsweise Datenmuster effektiver erkennen als Menschen, sodass Unternehmen ihre Daten besser verstehen können.

 

Anwendungsbereich

​Typ 1: Reaktive Maschinen. Ein Beispiel ist Deep Blue, ein IBM-Schachprogramm, das Garry Kasparov in den 1990er Jahren besiegt hat. Dunkelblau kann Schachfiguren auf dem Brett identifizieren und Vorhersagen treffen, hat jedoch kein Gedächtnis und kann vergangene Erfahrungen nicht verwenden, um zukünftige Erfahrungen zu informieren. Er analysierte die möglichen Bewegungen von sich und seinem Gegner und wählte die strategischste Bewegung. Deep Blue und AlphaGO von Google werden nur für begrenzte Zwecke verwendet und können nicht einfach auf andere Situationen angewendet werden.

 

Typ 2: Begrenzter Speicherplatz. Diese KI-Systeme können Erfahrungen aus der Vergangenheit nutzen, um zukünftige Entscheidungen zu treffen. Auf diese Weise werden bestimmte Entscheidungsfunktionen in autonomen Fahrzeugen entworfen. Beobachtungen, die in naher Zukunft auftreten, wie z. B. Spurwechsel. Diese Beobachtungen werden nicht dauerhaft gespeichert.

 

 

Typ 3: Native Theorie. Dies ist ein psychologischer Begriff. Es bezieht sich auf das Verständnis, dass andere ihre eigenen Überzeugungen, Wünsche und Absichten haben, die die Entscheidungsfindung beeinflussen. Eine solche KI gibt es noch nicht. 

 

Typ 4: Selbstbewusstsein. In dieser Kategorie haben künstliche Intelligenzsysteme Selbstvertrauen oder Bewusstsein. Eine selbstbewusste Maschine kann ihren aktuellen Zustand verstehen und anhand dieser Informationen ableiten, wie sich andere fühlen. Eine solche KI gibt es noch nicht.

 

Beispiele

​Beispiele für künstliche Intelligenz Automatisierung ist ein Prozess, bei dem ein System oder ein Prozess automatisch arbeitet. Beispielsweise kann die Roboterprozessautomatisierung (RPA) so programmiert werden, dass sie hochvolumige, wiederholbare Aufgaben erledigt, die normalerweise von Menschen ausgeführt werden. Der Unterschied zwischen RPA- und IT-Automatisierung besteht darin, dass sie sich an sich ändernde Umgebungen anpassen kann.

Maschinelles Lernen ist die Wissenschaft, Computer ohne Programmierung laufen zu lassen. Deep Learning ist ein Zweig des maschinellen Lernens, der als Automatisierung der prädiktiven Analyse verstanden werden kann. Es gibt drei Arten von Algorithmen für maschinelles Lernen: überwachtes Lernen, bei dem Datensätze gekennzeichnet werden, um Muster zu erkennen und neue Datensätze zu kennzeichnen, unbeaufsichtigtes Lernen, bei dem Datensätze nicht aufgrund von Ähnlichkeit oder Unterschieden gekennzeichnet und klassifiziert werden, und verstärkendes Lernen , Das keine Datensätze markiert, sondern nach einer oder mehreren Operationen Feedback an das KI-System weiterleitet.

 

Machine Vision ist die Wissenschaft vom "Sehen des Computers". Machine Vision erfasst und analysiert visuelle Informationen über Kameras, Analog-Digital-Wandlung und digitale Signalverarbeitung. Es wird normalerweise mit dem menschlichen Sehen verglichen, aber das maschinelle Sehen ist nicht mit der Biologie verbunden, zum Beispiel kann es so programmiert werden, dass es durch Wände sieht. Von der Signaturerkennung bis zur medizinischen Bildanalyse wird es in vielen Anwendungen eingesetzt. Computer Vision, die sich auf Machine Vision konzentriert, wird normalerweise mit Machine Vision kombiniert.  Natural Language Processing (NLP) ist die Verarbeitung menschlicher Sprache durch Computerprogramme. Eines der ältesten und bekanntesten Beispiele für NLP ist die Spam-Erkennung, mit der die Betreffzeile und der Text einer E-Mail überprüft und festgestellt werden können, ob es sich um Spam handelt. Aktuelle NLP-Methoden basieren auf maschinellem Lernen. NLP-Aufgaben umfassen Textübersetzung, Stimmungsanalyse und Spracherkennung. 

Die Mustererkennung ist ein Zweig des maschinellen Lernens, der sich auf die Identifizierung von Mustern in Daten konzentriert. 

 

Die Robotik ist das Gebiet des Maschinenbaus und konzentriert sich auf die Entwicklung und Herstellung von Robotern. Roboter werden normalerweise verwendet, um Aufgaben zu erledigen, die für Menschen schwierig oder unmöglich zu erledigen sind. Sie werden in Montagelinien für die Automobilproduktion oder zum Bewegen großer Objekte im Weltraum während der Raumfahrt eingesetzt. Vor kurzem haben Forscher maschinelles Lernen verwendet, um Roboter zu bauen, die in sozialen Umgebungen interagieren können.

 

Ausblick

​Anwendung für künstliche Intelligenz KI im Gesundheitswesen: Die größte Anstrengung besteht darin, die Patientenergebnisse zu verbessern und die Kosten zu senken. Unternehmen verwenden maschinelles Lernen, um Diagnosen zu stellen, die besser und schneller sind als Menschen. Eine der beliebtesten Technologien im Gesundheitswesen ist IBM Watson. Sie versteht natürliche Sprache und kann Fragen beantworten. Das System verdichtet Patientendaten und andere verfügbare Datenquellen zu einer Hypothese und drückt die Hypothese dann mit einem Vertrauensbewertungsschema aus. Andere KI-Anwendungen umfassen Chat-Bots, Computerprogramme, die online zur Beantwortung von Fragen und zur Unterstützung von Patienten bei der Planung von Folgeterminen oder zur Unterstützung des Abrechnungsprozesses verwendet werden, sowie virtuelle Gesundheitsassistenten, die grundlegendes medizinisches Feedback geben.

 

Anwendung für künstliche Intelligenz KI im Geschäftsleben: Die Roboter-Prozessautomatisierung wird verwendet, um sich wiederholende Aufgaben auszuführen, die normalerweise von Menschen ausgeführt werden. Algorithmen für maschinelles Lernen wurden in Analyse- und CRM-Plattformen integriert, um Informationen darüber zu erhalten, wie Kunden besser bedient werden können. Der Chat-Bot wurde in die Website integriert, um Kunden sofortige Dienste anzubieten. Die Automatisierung von Stellenausschreibungen ist auch für Akademiker und IT-Berater (wie Gartner und Forrester) zu einem Problem geworden. 

 

KI in der Bildung: Künstliche Intelligenz kann beispielsweise automatisch punkten, wodurch die Lehrer mehr Zeit haben. AI kann Schüler bewerten, sich an ihre Bedürfnisse anpassen und ihnen helfen, in ihrem eigenen Tempo zu arbeiten. Tutoren für künstliche Intelligenz können den Schülern zusätzliche Unterstützung bieten, um sicherzustellen, dass sie auf dem richtigen Weg bleiben. Auf lange Sicht kann künstliche Intelligenz die Art und Weise verändern, wie Schüler lernen und lernen, und sogar Lehrer ersetzen.

 

Künstliche Intelligenz im Finanzsektor: Künstliche Intelligenz in Finanzinstituten entsteht. Beispielsweise können Finanzanwendungen mit künstlicher Intelligenz personenbezogene Daten sammeln und Finanzberatung anbieten. Andere Programme, einschließlich IBM Watson, wurden beim Kauf von Eigenheimen verwendet. Heute wird Software an der Wall Street stark gehandelt. 

 

KI im Rechtsbereich: Das Überprüfen von Dokumenten ist normalerweise ein langer Prozess. Durch die Automatisierung dieses Prozesses können Sie Zeit sparen und einen effizienteren Prozess erstellen. Start-ups haben außerdem einen Computerassistenten mit Fragen und Antworten eingerichtet, der programmierte Fragen herausfiltern kann, indem er die mit der Datenbank verknüpfte Taxonomie und Ontologie überprüft.

 

 

KI in der Fertigung: Dieses Feld spielt eine Vorreiterrolle bei der Integration von Robotern in Workflows. In der Vergangenheit haben Industrieroboter nur eine einzige Aufgabe ausgeführt und wurden von Menschen getrennt. Mit dem Fortschritt der Technologie hat sich diese Situation jedoch geändert, und Roboter haben immer umfangreichere Prozesse in der Fertigung übernommen.

©2020 FRANK & PARTNER