Das A-Z der
künstlichen Intelligenz
Willkommen im Glossar der künstlichen Intelligenz von KIgantisch!
Hier findest du einen umfassenden Überblick über die spannendsten Begriffe und Konzepte im Bereich der KI. Dieses Glossar ist dein perfekter Begleiter, um die Welt der künstlichen Intelligenz zu erkunden und tief in ihre Geheimnisse einzutauchen.
Egal, ob du neu in diesem Gebiet bist oder dein Wissen auffrischen möchtest, hier findest du wertvolle Erklärungen und Einsichten. Tauche ein in die faszinierende Welt der KI und entdecke, wie sie die Zukunft prägt!
Künstliche Intelligenz
Aktuell 16 Namen in diesem Verzeichnis beginnend mit A.
Aktivierungsfunktion
Dies ist die "Aktivierungsfunktion ist eine Funktion, die verwendet wird, um das Aktivierungsniveau einer Einheit (Neuron) in ein Ausgangssignal umzuwandeln. "i
Algorithmische Verzerrung
Algorithmische Verzerrung bezieht sich auf das Phänomen, dass die Ausgabe eines Algorithmus für maschinelles Lernen die Voreingenommenheit der Daten widerspiegelt, die zum Trainieren des Algorithmus verwendet wurden, oder der Person, die ihn trainiert hat.iii
Algorithmus
"Ein Computeralgorithmus ist eine Reihe von Schritten zur Erfüllung einer Aufgabe, die so genau beschrieben ist, dass ein Computer sie ausführen kann".ii
Allgegenwärtige Technologie
Dies bezieht sich auf die Einbeziehung von Computerfunktionen in alltägliche Geräte, um nützliche Aufgaben auszuführen und den Zeitaufwand für den Endnutzer zu verringern.
AlphaGo
Dies ist ein DeepMind-Programm, das tiefe Faltungsnetzwerke und Verstärkungslernen kombiniert, um erfolgreich das Brettspiel Go zu spielen und schließlich einen menschlichen Champion zu schlagen.iv AlphaGo ist ein Derivat einiger DeepMind-Programme, die zur Lösung verschiedener Probleme eingesetzt werden, darunter AlphaFold und AlphaZero.v
Amaras Gesetz
Nach dem Technologen Roy Amara neigt die Gesellschaft dazu, die Auswirkungen einer Technologie auf kurze Sicht zu überschätzen, auf lange Sicht jedoch zu unterschätzen.vi
Argument der außersinnlichen Wahrnehmung
Dieses Argument gegen die Existenz echter KI beruht auf dem Einwand, dass Menschen über außersinnliche Wahrnehmungen verfügen, während Computersysteme nicht dieselben Fähigkeiten besitzen.ix
Argument der Informalität des Verhaltens
Dies ist ein Argument gegen die Existenz echter KI, das besagt, dass "es nicht möglich ist, eine Reihe von Regeln aufzustellen, die vorgeben zu beschreiben, was ein Mensch unter allen denkbaren Umständen tun sollte" ... "Der Versuch, Verhaltensregeln aufzustellen, die alle Eventualitäten abdecken ... scheint unmöglich zu sein", um menschliches Verhalten in Maschinen nachzubilden.x
Argument der Kontinuität des Nervensystems
Dieses Argument spricht gegen die Existenz echter KI und stützt sich auf den Einwand, dass "das Nervensystem sicherlich keine Maschine mit diskreten Zuständen ist. Ein kleiner Fehler in der Information über die Größe eines Nervenimpulses, der auf ein Neuron trifft, kann einen großen Unterschied in der Größe des ausgehenden Impulses ausmachen. Man könnte argumentieren, dass man deshalb nicht erwarten kann, das Verhalten des Nervensystems mit einem zustandsdiskreten System nachahmen zu können. "viii
Argument der verschiedenen Behinderungen
Dies ist ein Argument gegen die Existenz echter KI, das besagt, dass eine Maschine erst dann als intelligent bezeichnet werden kann, wenn sie X tun kann, wobei sich X auf die Fähigkeit bezieht, "freundlich zu sein, Sinn für Humor zu haben, sich zu verlieben, Erdbeeren zu genießen, Fehler zu machen usw.
Argument des Bewusstseins
Dies bezieht sich auf ein Argument gegen die Existenz echter KI, das auf der Ansicht beruht, dass "die einzige Möglichkeit, sicher zu sein, dass eine Maschine denkt, darin besteht, die Maschine zu sein und zu spüren, dass man denkt. Dann könnte man der Welt diese Gefühle beschreiben. "vii
Außersinnliche Wahrnehmung
Hierbei handelt es sich um ein paranormales Phänomen, das mit der Übertragung von Energie oder Informationen, einschließlich Telepathie, verbunden ist. liv
Autoencoder
Autoencoder sind Techniken, die zur Darstellung, Komprimierung und Generierung von Daten verwendet werden. Sie haben sich schnell zu leistungsfähigen unüberwachten Lerntechniken entwickelt... "Sie lernen eine komprimierte, latente Repräsentation der Eingabedaten und rekonstruieren dann die Eingabedaten aus dieser niederdimensionalen Repräsentation mit minimalem Informationsverlust." Das Ziel besteht darin, die Differenz zwischen der ursprünglichen Eingabe und ihrer Rekonstruktion zu minimieren. Zu den Arten von Autoencodern gehören Denoising-, Sparse-, Variations- und Convolutional-Autoencoder.xv