In diesem Glossar finden Sie eine Überschicht der wichtigsten Fachbegriffe im Bereich Künstliche Intelligenz (KI) kurz und knapp erklärt. Zu den einzelnen Fachbegriffen finden sie auf ALAIKI in kürze auch jeweils Artikel, die Ihnen helfen werden ein tieferes Verständnis der Materie zu entwickeln.
A
Algorithmus: Ein Algorithmus ist eine festgelegte Reihe von Anweisungen, die von einer KI genutzt wird, um spezielle Aufgaben zu erfüllen. Es handelt sich um den Kern einer jeden KI-Anwendung und kann von einfachen bis hin zu komplexen Problemlösungsstrategien reichen.
B
Big Data: Big Data bezeichnet extrem große Datensätze, die von Maschinen analysiert werden, um Muster und Zusammenhänge zu entdecken. Dies ist für Machine Learning und fortschrittliche Analysemethoden unerlässlich.
C
Chatbot: Ein Chatbot ist ein automatisiertes Programm, das natürliche Sprache versteht und in Echtzeit mit Benutzern kommunizieren kann. Sie sind in Kundenservice und E-Commerce weit verbreitet.
D
Deep Learning: Eine Unterklasse des Machine Learning, die darauf abzielt, Algorithmen zu schaffen, welche strukturierte Daten wie das menschliche Gehirn interpretieren können. Besonders wichtig in der Bild- und Spracherkennung.
E
Entscheidungsbaum: Ein Entscheidungsbaum ist eine graphische Darstellung von Entscheidungen und ihren möglichen Konsequenzen. Er wird in KI für Klassifizierung und Regression verwendet.
F
Feature Engineering: Dies ist der Prozess, durch den Eingabevariablen (Features) für ein Machine Learning Modell erstellt oder ausgewählt werden. Eine essenzielle Phase in der Datenverarbeitung.
G
GANs (Generative Adversarial Networks): Hierbei handelt es sich um ein Deep Learning Modell, das realistische Daten generieren kann. Oft verwendet in der Bildbearbeitung und im Gaming.
GPT (Generative Pre-trained Transformer): GPT ist ein Sprachverarbeitungsmodell, das für eine Vielzahl von Aufgaben im Bereich des Natural Language Processing (NLP) eingesetzt wird. Von Textgenerierung über Übersetzung bis hin zu Frage-Antwort-Systemen kann GPT breit angewendet werden. Generative bedeutet, das Inhalte generiert werden können. Mit Pre-Trained ist gemeint, dass das Modell mit Daten vortrainiert wurde, um Inhalte generieren zu können. Transformer sind in diesem Kontext Modell-Bestandteile, die bspw. Texte in mathematische Vektoren umwandeln (Encoder) mit denen das Modell arbeitet. Anschließend werden über Decoder die Ergebnisse bspw. wieder in Text umgewandelt.
H
Heuristik: Ein Lösungsansatz, der für eine schnelle Problemlösung sorgt, ohne dabei die beste Lösung garantieren zu können. Oft in KI-Algorithmen eingesetzt.
I
IoT (Internet of Things): Das Internet der Dinge bezeichnet die Vernetzung von physischen Geräten, die Daten sammeln und teilen können. KI wird oft zur Analyse der Daten im Kontext des IoT verwendet.
J
JSON (JavaScript Object Notation): Ein Datenformat, das für den Datenaustausch zwischen Server und Client verwendet wird. In KI oft genutzt, um Daten zu speichern oder zu transportieren.
K
KI (Künstliche Intelligenz): KI ist ein Bereich der Informatik, der sich mit der Schaffung von Algorithmen beschäftigt, die Aufgaben erledigen können, die normalerweise menschliche Intelligenz erfordern. Dies umfasst Bereiche wie Lernen, Wahrnehmung, Problemlösung und sogar emotionale Intelligenz in fortgeschritteneren Modellen.
Künstliche Neuronale Netze: Diese Netze simulieren die Arbeitsweise des menschlichen Gehirns, um Daten zu interpretieren. Ein Grundbaustein vieler KI-Anwendungen.
L
LLM (Large Language Model): Ein KI-Sprachmodell, dass darauf ausgelegt ist, eine große Menge an Textdaten zu verarbeiten und daraus Zusammenhänge zu generieren. Sie sind besonders nützlich für komplexe Aufgaben im Bereich des Natural Language Processing (NLP), von der Textgenerierung bis zur semantischen Textanalyse. Modelle wie GPT-3 oder GPT-4, die in OpenAIs ChatGPT zum Einsatz kommen sind prominente Beispiele für Large Language Modelle.
Lernrate: Die Lernrate ist ein Faktor, der die Anpassung der Algorithmen im Lernprozess steuert. Eine zu hohe Lernrate kann zu ungenauen Ergebnissen führen, während eine zu niedrige Lernrate den Prozess verlangsamt.
M
Machine Learning: Ein Bereich der KI, der Maschinen ermöglicht, aus Daten zu lernen und Entscheidungen zu treffen. Ein Kernbereich moderner KI-Anwendungen.
N
Natural Language Processing (NLP): Die Technologie hinter der Verarbeitung und Analyse menschlicher Sprache. Essentiell für Chatbots und Übersetzungssoftware.
O
Overfitting: Das Phänomen, bei dem ein Modell zu genau an die Trainingsdaten angepasst ist und dadurch an Generalisierungsfähigkeit verliert. Ein häufiges Problem in der KI.
P
Prädiktive Analyse: Die Verwendung von Daten und Algorithmen zur Vorhersage zukünftiger Ereignisse. Ein wesentliches Werkzeug in vielen Branchen.
R
Reinforcement Learning: Ein Typ von Machine Learning, bei dem eine KI durch Belohnungen oder Strafen lernt. Häufig in Spielsimulationen und Robotik eingesetzt.
S
Supervised Learning: Ein Ansatz des Machine Learning, bei dem die Modelle anhand von markierten Trainingsdaten geschult werden. Einer der am häufigsten verwendeten Ansätze.
T
TensorFlow: Eine Open-Source-Softwarebibliothek für Machine Learning. Entwickelt von Google und weit verbreitet in der KI-Entwicklung.
U
Unsupervised Learning: Ein Ansatz des Machine Learning, bei dem die KI aus unmarkierten Daten lernt und Strukturen identifiziert. Oft für Clusterbildung und Anomalieerkennung verwendet.
Dieses Glossar, wächst und verändert sich stetig. Im dynamischen KI-Umfeld entstehen immer wieder neue Begriffe, die ich hier ergänze. Nutzen sie gerne das Glossar um sich einen groben Überblick zu verschaffen. Wenn Sie mehr über mich erfahren wollen, so finden Sie hier mehr Informationen auf ALAIKI.
Es würde mich darüber hinaus freuen, wenn Sie meine Petition zum Thema künstliche Intelligenz unterstützen.