In der rasanten Welt der Technologie sind Akronyme wie KI, ML und LLM nicht nur omnipräsent, sondern auch essentiell, um die Mechanismen hinter den digitalen Kulissen zu verstehen. Doch was verbergen sich eigentlich hinter diesen Buchstabenkombinationen? Keine Sorge, wir haben die Definitionen für euch aufbereitet.
Tipp: Am Ende des Artikels findet ihr noch kurz zusammengefasst die Erklärung, wie diese Begriffe miteinander zusammenhängen.
GAI / AGI (General Artificial Intelligence)
Manchen von uns ist womöglich schon der Begriff General Artificial Intelligence (GAI) oder AGI (Artificial General Intelligence) untergekommen.
Hierbei handelt es sich um ein hypothetisches Konzept, das in der KI-Forschung verfolgt wird. Die Vision ist es eine „Maschine” zu entwickeln, die alle menschlichen kognitiven Fähigkeiten nachbilden kann. Sozusagen eine eigenständige Entität, die nicht auf unser Zutun angewiesen ist.
KI (Künstliche Intelligenz) und AI (Artificial Intelligence)
“Schmale” KI, wie sie manchmal genannt wird, bezieht sich auf spezialisierte Systeme, die darauf ausgerichtet sind, ganz bestimmte Aufgaben mit bemerkenswerter Präzision und Effizienz auszuführen.
Nicht nur das: Sie sind in der Lage kognitive Funktionen wie Lernen, Verstehen und Problemlösung durchzufüren. Allerdings ist diese KI nicht in der Lage, über diesen festgelegten Rahmen hinaus zu agieren oder eigenständig neue Fähigkeiten zu erlernen.
ML (Maschinelles Lernen)
Unter dem weiten Dach der Künstlichen Intelligenz (KI) findet sich die Methode des Maschinellen Lernens (ML) angesiedelt. ML stellt eine Form der Datenanalyse dar, die darauf ausgerichtet ist, Systeme zu befähigen, aus Daten zu lernen und darauf basierende Entscheidungen zu treffen. Genau das ist, was unserem Bestreben für Künstliche Intelligenz entspricht.
Ein zentraler Punkt hierbei ist: all dies geschieht ohne explizite Programmierung, wie es bei regelbasierten Ansätzen (wir erinnern uns vielleicht noch an die “menschliche Begleitung”) der Fall ist.
Zusammengefasst: ML ist vergleichbar damit, einem Computer beizubringen, aus Erfahrungen zu lernen und seine Präzision im Laufe der Zeit kontinuierlich zu verfeinern.
DL (Deep Learning) und NN (Neuronale Netze)
Ein neuronales Netz ist ein Methode, die die Informationsverarbeitung des menschlichen Gehirns nachahmt. Das Ziel ist es, Muster zu erkennen und Entscheidungen zu treffen, indem Daten durch eine vernetzte Struktur von Knoten (Neuronen) geleitet und verarbeitet werden. Aus neuronalen Netzen können Modelle entwickelt werden, die bestimmte datenanalytische Aufgaben ausüben können.
Deep Learning ist ein Ansatz im maschinellen Lernen, der sich durch die Verwendung von tiefen (also vielen Schichten umfassenden) neuronalen Netzen auszeichnet. Die hohe Komplexität dieser Netze, oft repräsentiert durch eine große Anzahl von Schichten und Neuronen, ermöglicht es, komplexere und abstraktere Muster in Daten zu erkennen und daraus zu lernen.
Die Tiefe bezieht sich hier auf die Anzahl der Schichten – je mehr Schichten, desto komplexer und abstrakter die Muster, die in Daten erkannt werden können.
Noch kein Durchblick? Wir werden im Laufe unserer Blogreihe genauer auf dieses Thema eingehen, also bleib dabei!
NLP (Natural Language Processing)
NLP ist ein Forschungsbereich der künstlichen Intelligenz, der sich auf die Verarbeitung “natürlicher” (menschlicher) Sprache konzentriert. Hier geht es um die Frage wie Computer menschliche Sprache verstehen, interpretieren und produzieren können.
NLP ermöglicht Maschinen, Text oder gesprochene Worte zu lesen, deren Bedeutung zu verstehen, darauf zu reagieren und sogar selbst in natürlicher Sprache zu kommunizieren. Dies umfasst Aufgaben wie Übersetzung, Spracherkennung, Textzusammenfassung, und sogar die Erstellung eigener Sätze.
LLM (Large Language Models)
LLMs sind Modelle, die zur Verarbeitung natürlicher Sprache (NLP) verwendet werden. Sie verwenden das Prinzip des Deep Learnings (DL) um dank den vielen Schichten komplexere Muster in Sprache zu erkennen. LLMs werden mit großen Mengen an Textdaten trainiert, um eine Vielzahl von sprachbezogenen Aufgaben, wie Textverständnis, Texterzeugung, Übersetzung, und mehr, zu bewältigen.
Man kann also sagen, dass sie speziell entwickelt werden, um mit menschlicher Sprache zu interagieren. Sie können Text verstehen, generieren und sogar in gewissem Maße mit menschlichen Benutzern kommunizieren.
Chatbots
Chatbots sind Programme, die Konversationen mit Benutzer*innen führen können, um Aufgaben zu automatisieren oder Informationen bereitzustellen. Eine neuere Generation von Chatbots verwendet LLMs (Modelle, die natürliche Sprache unter der Benutzung von tiefen neuralen Netzwerken verarbeiten) um mit uns zu interagieren.
Sie sind wie virtuelle Assistenten, die auf Text- oder Sprachbefehle reagieren und in Kundenservice, Informationsabruf oder als Schnittstelle für andere Dienste eingesetzt werden. Sie bilden so eine Schnittstelle, die es uns erlaubt “natürlich” mit LLMs zu interagieren.
Zusammengefasst: Ein Chatbot ist ein Anwendungsfall, der Kommunikation mit Benutzer*innen ermöglicht, während ein LLM ein Werkzeug ist, das ein Chatbot nutzen könnte, um besser mit Benutzern in natürlicher Sprache zu interagieren.
AR (Augmented Reality) und VR (Virtual Reality)
Große Verwirrung stiften die Kürzel AR und VR, da sie oft mit “AI”, dem englischen Kürzel für Küntliche Intelligenz verwechselt werden. Augmented Reality und Virtual Reality sind innovative Technologien, die immersive digitale Erfahrungen schaffen. Augmented Reality integriert digitale Elemente in die “reale” Welt (zum Beispiel über die Handy-Kamera). Virtual Reality, hingegen, lässt Nutzer*innen in eine vollständig virtuelle Umgebung eintauchen (beispielsweise über die Verwendung von spezialisierten Brillen).
Während diese beiden Technologien nicht zur Künstlichen Intelligenz gehören, können sie mit KI verknüpft werden, um erweiterte und personalisierte Benutzer*innenerfahrungen zu ermöglichen.
Zusammengefasst:
Puh! Das waren jetzt viele Begriffe. Zum besseren Verständnis fassen wir das ganze noch mal zusammen:
Wir wissen jetzt, dass AGI (Allgemeine Künstliche Intelligenz) eine hypothetische autonome Entität ist, die alle menschlichen kognitiven Leistungen erbringen kann. Unsere heutige KI („narrow AI“ / „schmale KI“ / „schwache KI“), hingegen, ist stark auf eine Aufgabe spezialisiert.
Eine Art und Weise, wie Künstliche Intelligenz “entwickelt” werden kann, ist unter der Verwendung von Machine Learning (ML), wo die Maschine Muster in Datensätzen erkennt und aus ihnen lernt. Dadurch können Probleme gelöst und Entscheidungen getroffen werden.
Doch wie lernt eine Maschine? Wir wissen nun, dass eine Methode, mit der Maschinen lernen können, die der neuronalen Netze (NN) ist. Deep Learning (DL) beschreibt “tiefe” – also vielschichtige – Netzwerke, die mit komplexeren und abstrakteren Daten umgehen können.
Weiters haben wir gelernt dass LLMs Modelle, die natürliche Sprache mithilfe dieser vielschichtigen, neuronalen Netzwerken verarbeiten. Diese Verarbeitung der Natürlichen Sprache gehört in den Forschungsbereich von “Natural Language Processing” (NLP)
Chatbots sind Computerprogramme, die nicht zwingend “intelligent” sein müssen. Allerdings können sie mit LLMs verknüpft werden um natürlich mit Benutzer*innen zu interagieren.
AR und VR sind Technologien, die uns mit virtuellen Elementen oder Räumen interagieren lassen. Zwar stammen sie nicht selber aus dem Bereich der Künstlichen Intelligenz, können aber mit ihr verknüpft werden, um das Benutzer*innenerlebnis zu amplifizieren.
Wir hoffen, dir damit einen vereinfachten Überblick über das Buchstabenchaos, das nun mit dem KI-Boom einher geht, ermöglicht zu haben!
Du bist bereit dir mit LLMs einen Wettbewerbsvorteil zu verschaffen? Dann kontaktiere uns gerne um die existierenden Möglichkeiten zu erkunden! Wir sind für dich da.