Willkommen bei Tech & Trials – einer geführten Tour durch die Welt der künstlichen Intelligenz und klinischen Studien. Diese Kolumne zielt darauf ab, künstliche Intelligenz (KI) zu entmystifizieren und praktische Beispiele der Technologie in Aktion zu präsentieren. Wir hoffen, dass Sie nicht nur informierter, sondern auch zuversichtlicher werden, wie KI Ihnen, Ihrem Team und Ihrer Organisation helfen kann.
Klassische KI beinhaltet den Einsatz von Software für kognitive Aufgaben, also Aufgaben, die Denken erfordern. In der klassischen KI werden kognitive Aufgaben mithilfe von Techniken wie Logik und “Constraint-based Reasoning” modelliert. Ein Beispiel dafür ist das Lösen eines Sudoku-Rätsels, bei dem Logik und Regeln kombiniert werden, um das Rätsel automatisch zu lösen.
Im Gegensatz dazu lernt maschinelles Lernen (ML) aus Daten. ML kann direkt aus Daten lernen, ohne menschliche Einflussnahme, oder aus von uns zusammengestellten Beispielen lernen. Es kann sogar aus seinen eigenen Fehlern lernen. Hier unterscheiden wir zwischen überwachtem und unüberwachtem ML, je nachdem, ob Beispiele bereitgestellt werden oder nicht.
Reinforcement-Lernen, eine Form des ML, kann verwendet werden, um Programme wie Schach oder Go zu trainieren, indem es aus eigenen Fehlern lernt. Deep Learning nutzt neuronale Netzwerke, um riesige Datenmengen zu verarbeiten und bessere Modelle zu erstellen. Durch die Verwendung großer neuronaler Netzwerke und Datenmengen können erstaunliche Dinge erreicht werden, indem alle möglichen Beziehungen und Kontexte erlernt werden.
Obwohl KI unglaubliche Dinge erreichen kann, gibt es immer noch Bereiche, in denen sie Schwierigkeiten hat, wie zum Beispiel bei der logischen Schlussfolgerung. Wir können gespannt sein, ob KI uns tatsächlich aus unserem eigenen Datenüberfluss retten kann.