糖心vlog官网观看

Read in English (Auf Englisch lesen).

K眉nstliche Intelligenz (KI) bietet M枚glichkeiten, reale Probleme in den Bereichen Gesundheit, Bildung und Umwelt zu l枚sen. K眉nstliche Intelligenz kann Aufgaben teilweise effizienter oder methodischer erledigen als menschliche Intelligenz.聽

鈥濱ntelligente鈥� Geb盲ude, Fahrzeuge und andere Technologien k枚nnen den CO2-Aussto脽 senken und Menschen mit Behinderungen unterst眉tzen. Maschinelles Lernen, ein Teilbereich der k眉nstlichen Intelligenz, erm枚glicht es Ingenieuren, Roboter und selbstfahrende Autos zu bauen, Sprache und Bilder zu erkennen und Markttrends vorherzusagen.聽

Lesen Sie weiter, um mehr 眉ber die vier Hauptarten der KI 鈥� reaktive KI, KI mit begrenzter Speicherkapazit盲t , Theory of Mind und KI mit Selbsterkenntnis 鈥� und ihre Funktionen im Alltag zu erfahren.

Die 4 Arten k眉nstlicher Intelligenz

Lernen im Bereich der KI l盲sst sich in die Kategorien 鈥瀞chmale k眉nstliche Intelligenz鈥�, 鈥瀔眉nstliche allgemeine Intelligenz鈥� und 鈥瀔眉nstliche Superintelligenz鈥� einteilen. Diese Kategorien veranschaulichen die F盲higkeiten der KI im Laufe ihrer Entwicklung 鈥� die Ausf眉hrung eng definierter Aufgaben, die Simulation menschlicher Denkprozesse und Leistungen, die 眉ber die menschlichen F盲higkeiten hinausgehen.

Sehen Sie sich dieses Video aus dem IBM- Kurs Einf眉hrung in die k眉nstliche Intelligenz (KI) an, um mehr 眉ber diese Kategorien zu erfahren:

Arend Hintze, Forscher und Professor 蹿眉谤 Integrative Biologie an der Michigan State University, definierte vier Haupttypen von KI []. Diese lauten wie folgt:

1. Reaktive KI聽

Reaktive KI oder Maschinen sind aufgabenspezifische KI-Systeme ohne Ged盲chtnis. Das bedeutet, dass eine Eingabe immer die gleiche Ausgabe liefert. Machine-Learning-Modelle sind in der Regel reaktive Maschinen, da sie Kundendaten wie Kauf- oder Suchverlauf nutzen, um denselben Kunden Empfehlungen zu unterbreiten.聽

Diese Art von KI ist reaktiv. Sie ist eine 鈥� k眉nstliche Superintelligenz鈥�, da der durchschnittliche Mensch nicht in der Lage w盲re, riesige Datenmengen wie den gesamten Netflix-Verlauf eines Kunden und Feedback zu individuellen Empfehlungen zu verarbeiten. Reaktive KI ist gr枚脽tenteils zuverl盲ssig und funktioniert gut in Erfindungen wie selbstfahrenden Autos. Sie kann zuk眉nftige Ergebnisse nur vorhersagen, wenn sie mit den entsprechenden Informationen versorgt wird.

Vergleichen Sie dies mit unserem menschlichen Leben: Die meisten unserer Handlungen sind nicht reaktiv, da wir nicht 眉ber alle Informationen verf眉gen, auf die wir reagieren m眉ssen. Wir haben aber die F盲higkeit, uns zu erinnern und zu lernen. Aufgrund dieser Erfolge oder Misserfolge k枚nnen wir in Zukunft in einer 盲hnlichen Situation anders handeln.

Beispiele 蹿眉谤 reaktive KI

Schachsieg gegen IBMs Supercomputer: Ein herausragendes Beispiel 蹿眉谤 reaktive KI ist der Sieg von Deep Blue, IBMs Schach-KI-System, gegen Garry Kasparov Ende der 1990er Jahre. Deep Blue konnte seine eigenen und die Figuren seines Gegners auf dem Schachbrett identifizieren und Vorhersagen treffen, verf眉gt aber nicht 眉ber einGed盲chtnis, um vergangene Fehler 蹿眉谤 zuk眉nftige Entscheidungen zu nutzen. Es trifft lediglich Vorhersagen basierend auf den n盲chsten m枚glichen Z眉gen beider Spieler und w盲hlt den besten Zug aus.聽

Netflix-Empfehlungen: Die Empfehlungsmaschine von Netflix basiert auf maschinellen Lernmodellen, die die aus dem Sehverlauf eines Kunden gesammelten Daten verarbeiten, um bestimmte Filme und Serien zu ermitteln, die ihm gefallen k枚nnten. Menschen sind Gewohnheitstiere 鈥� wenn jemand h盲ufig koreanische Serien schaut, zeigt Netflix auf der Startseite eine Vorschau der Neuerscheinungen an.

2. KI mit begrenzter Speicherkapazit盲t

Die n盲chste KI-Entwicklungsstufe ist die KI mit begrenzter Speicherkapazit盲t. Dieser Algorithmus ahmt die Zusammenarbeit der Neuronen unseres Gehirns nach und wird dadurch intelligenter, je mehr Daten er zum Trainieren erh盲lt. Deep-Learning-Algorithmen verbessern die Verarbeitung nat眉rlicher Sprache (NLP), die Bilderkennung und andere Formen des best盲rkenden Lernens.

KI mit begrenzter Speicherkapazit盲t kann im Gegensatz zu reaktiven Maschinen in die Vergangenheit blicken und bestimmte Objekte oder Situationen 眉ber einen l盲ngeren Zeitraum beobachten. Diese Beobachtungen werden dann in die KI einprogrammiert, sodass ihre Handlungen sowohl auf Basis vergangener als auch aktueller Daten ausgef眉hrt werden k枚nnen. Im begrenzten Speicher werden diese Daten jedoch nicht als lernf盲hige Erfahrungen gespeichert, so wie Menschen aus ihren Erfolgen und Misserfolgen Bedeutung ableiten. Die KI verbessert sich mit der Zeit, da sie mit mehr Daten trainiert wird.

Beispiel 蹿眉谤 k眉nstliche Intelligenz mit begrenzter Speicherkapazit盲t

Selbstfahrende Autos: Ein gutes Beispiel 蹿眉谤 KI mit begrenzter Speicherkapazit盲t ist die Art und Weise, wie selbstfahrende Autos andere Autos auf der Stra脽e hinsichtlich Geschwindigkeit, Richtung und N盲he beobachten. Diese Informationen sind als Repr盲sentation der Welt im Auto programmiert, beispielsweise durch die Kenntnis von Ampeln, Schildern, Kurven und Unebenheiten auf der Stra脽e. Die Daten helfen dem Auto bei der Entscheidung, wann es die Spur wechseln muss, um nicht von einem anderen Fahrer angefahren oder geschnitten zu werden.聽

3. Theory of Mind聽

Die ersten beiden KI-Arten 鈥� reaktive KI und KI mit begrenzter Speicherkapazit盲t 鈥� existieren bereits. Theory of Mind und KI mit Selbsterkenntnis sind theoretische Typen, die in Zukunft entwickelt werden k枚nnten. Daher gibt es noch keine realen Beispiele.

Wenn sie weiterentwickelt wird, k枚nnte die KI auf der Grundlage der Theory of Mind das Potenzial haben, die Welt und die Gedanken und Gef眉hle anderer Wesen zu verstehen. Dies wiederum beeinflusst ihr Verhalten gegen眉ber ihren Mitmenschen.

Menschliche kognitive F盲higkeiten erm枚glichen es zu verarbeiten, wie unsere eigenen Gedanken und Emotionen andere beeinflussen und wie die der anderen uns beeinflussen 鈥� dies bildet die Grundlage menschlicher Beziehungen in unserer Gesellschaft. Zuk眉nftig k枚nnten KI-Maschinen auf der Grundlage der Theory of Mind Absichten verstehen und Verhalten vorhersagen, als w眉rden sie menschliche Beziehungen simulieren.

Welche Art von KI ist ChatGPT?

ChatGPT ist ein Beispiel 蹿眉谤 generative KI, eine Art k眉nstlicher Intelligenz, die auf gro脽en Sprachmodellen (LLMs) basiert, die durch das Training von Algorithmen mit riesigen Datenmengen erstellt werden. Generative KI ist in der Lage, als Reaktion auf Benutzereingaben oder 鈥濫ingabeaufforderungen鈥� originelle Ergebnisse zu erzeugen. Die F盲higkeit von ChatGPT, Antworten zu erzeugen, die der menschlichen Sprache 盲hneln, hat es zu einem g盲ngigen KI-Typ gemacht, der 蹿眉谤 Chatbots und virtuelle Assistenten verwendet wird.

Tools wie ChatGPT, Google Gemini oder Microsoft Copilot erzeugen zwar Antworten, die den Eindruck einer KI mit Selbsterkenntnis erwecken, sind es aber nicht. Vielmehr sind ihre Antworten lediglich das Ergebnis des Algorithmus, der anhand seiner Trainingsdaten und der Eingabeaufforderung des Benutzers das statistisch wahrscheinlichste Ergebnis ermittelt.

4. KI mit Selbsterkenntnis聽

Das gro脽e Finale der KI-Entwicklung w盲re die Entwicklung von Systemen mit Selbsterkenntnis, ein bewusstes Verst盲ndnis ihrer Existenz. Diese Art von KI existiert noch nicht.

Dies geht einen Schritt 眉ber die Theorie der KI und das Verstehen von Emotionen hinaus und f眉hrt dazu, dass sich Menschen ihrer selbst und ihres Zustands bewusst werden und die Gef眉hle anderer sp眉ren oder vorhersagen k枚nnen. Beispielsweise wird aus 鈥濱ch habe Hunger鈥� 鈥濱ch wei脽, dass ich Hunger habe鈥� oder 鈥濱ch m枚chte Lasagne essen, weil das mein Lieblingsessen ist.鈥溌�

K眉nstliche Intelligenz und Algorithmen des maschinellen Lernens sind noch weit von der F盲higkeit zur Selbsterkenntnis entfernt, da es 眉ber die Intelligenz des menschlichen Gehirns und die Funktionsweise von Ged盲chtnis, Lernen und Entscheidungsfindung noch so viel zu erforschen gibt.

Erfahren Sie mehr 眉ber k眉nstliche Intelligenz auf 糖心vlog官网观看

KI-Wissen kann faszinierend und spannend sein, auch wenn Sie kein KI-Ingenieur werden m枚chten. Egal, ob Sie Ihre Produktivit盲t am Arbeitsplatz steigern oder eine Karriere im KI-Bereich anstreben 鈥� 糖心vlog官网观看 hat das Richtige 蹿眉谤 Sie:

Einen 脺berblick 眉ber KI erhalten Sie im Kurs KI 蹿眉谤 jedenvon DeepLearning.AI. Der Kurs richtet sich an Laien und vermittelt KI-Kenntnisse. Er behandelt g盲ngige Begriffe wie neuronale Netze, maschinelles Lernen, Deep Learning und Data Science. Sie lernen, wie Sie gemeinsam mit einem KI-Team eine KI-Strategie 蹿眉谤 Ihr Unternehmen entwickeln und vieles mehr.聽

Um das Potenzial generativer KI voll auszusch枚pfen, sollten Sie sich 蹿眉谤 die IBM Spezialisierung Grundlagen der Generativen KI anmelden . Lernen Sie grundlegende Konzepte, Modelle, Tools und KI-Anwendungen kennen, um Ihre Produktivit盲t im Beruf und im Privatleben zu steigern.

Um Ihre vorhandenen KI-Kenntnisse zu erweitern, erkunden Sie das IBM Deep Learning mit PyTorch, Keras und Tensorflow Zertifikat. Lernen Sie in diesem Programm 蹿眉谤 Fortgeschrittene, Deep-Learning-Modelle zu erstellen, zu trainieren und einzusetzen.