Seit den Anfängen der Computer haben Forscher versucht, Systeme zu entwickeln, die die menschliche Intelligenz nachahmen. Während ein Silizium-Einstein noch eine ferne Möglichkeit sein mag, hat uns künstliche Intelligenz oder KI gebracht Telefone, die menschliche Sprache erkennen, Autos, die selbst fahren, und Expertensysteme, die in Fernsehspielen konkurrieren zeigt an. Im Laufe der Jahre hat die KI-Forschung mehrere Entwicklungen durchlaufen und mit der Reife jeder Technologie sind sie zu einem Teil unserer täglichen Erfahrung geworden.
Maschinelles Lernen
Frühe Forscher hatten mit begrenzter Rechenleistung und begrenztem Computerspeicher zu kämpfen, legten aber dennoch die Grundlage der KI mit Programmiersprachen wie LISP und Konzepten wie Entscheidungsbäumen und Maschine Lernen. In LISP geschriebene Programme könnten leicht Partien wie Schach analysieren, alle möglichen Züge für mehrere Runden abbilden und dann die beste Alternative auswählen. Diese Programme könnten auch ihre Entscheidungslogik ändern und aus früheren Fehlern lernen und mit der Zeit "intelligenter" werden. Mit leistungsfähigeren Computern und billigeren Massenspeichern hat dieser Zweig der KI die Computerspielindustrie hervorgebracht, sowie eine Vielzahl von personalisierten Suchmaschinen und Online-Shopping-Sites, die sich nicht nur an unsere Vorlieben erinnern, sondern unsere antizipieren braucht.
Video des Tages
Expertensysteme
Während sich die erste Welle von KI-Forschern auf Rechenzyklen verließ, um menschliches Denken zu simulieren, stützte sich der nächste Ansatz auf Fakten und Daten, um menschliche Erfahrungen nachzuahmen. Expertensysteme sammelten Fakten und Regeln in einer Wissensdatenbank und verwendeten dann computerbasierte Inferenzmaschinen, um neue Fakten abzuleiten oder Fragen zu beantworten. Wissensingenieure befragten Experten aus Medizin, Autoreparatur, Industriedesign oder anderen Berufen und reduzierten diese Erkenntnisse in maschinenlesbare Fakten und Regeln. Diese Wissensdatenbanken wurden dann von anderen verwendet, um Probleme zu diagnostizieren oder Fragen zu beantworten. Als die Technologie ausgereift war, fanden die Forscher Wege, die Entwicklung der Wissensdatenbank zu automatisieren Unmengen an technischer Literatur oder die Software das Web durchsuchen lassen, um relevante Informationen zu ihren besitzen.
Neuronale Netze
Eine andere Gruppe von Forschern versuchte, die Funktionsweise des menschlichen Gehirns zu reproduzieren, indem sie künstliche Netzwerke aus Neuronen und Synapsen schuf. Durch Training konnten diese neuronalen Netze Muster aus scheinbar zufälligen Daten erkennen. Bilder oder Töne werden in die Eingangsseite des Netzwerks eingespeist, während die richtigen Antworten in die Ausgangsseite eingespeist werden. Im Laufe der Zeit reorganisieren die Netzwerke ihre interne Struktur, sodass das Netzwerk bei einer ähnlichen Eingabe die richtige Antwort zurückgibt. Neuronale Netze funktionieren gut, wenn sie auf menschliche Sprache reagieren oder gescannte Bilder in Text übersetzen. Software, die auf dieser Technologie basiert, kann blinden Menschen Bücher vorlesen oder Sprache von einer Sprache in eine andere übersetzen.
Große Daten
Die groß angelegte Datenanalyse, oft als „Big Data“ bezeichnet, nutzt die Leistungsfähigkeit vieler Computer, um Fakten und Zusammenhänge in Daten zu entdecken, die der menschliche Verstand nicht verstehen kann. Billionen von Kreditkartenbelastungen oder Milliarden von Beziehungen zu sozialen Netzwerken können mit einer Vielzahl statistischer Methoden gescannt und korreliert werden, um nützliche Informationen zu finden. Kreditkartenunternehmen können Kaufmuster feststellen, die darauf hindeuten, dass eine Karte gestohlen wurde oder ein Karteninhaber in finanziellen Schwierigkeiten steckt. Einzelhändler können Kaufmuster feststellen, die darauf hindeuten, dass eine Kundin schwanger ist, noch bevor sie es selbst weiß. Big Data ermöglicht es Computern, die Welt auf eine Weise zu verstehen, die wir Menschen alleine nie könnten.
