Schlüsselbegriffe in der Künstlichen Intelligenz: Ein umfassendes Glossar

Das Glossar

• Algorithmus: Eine Reihe von Regeln oder Anweisungen, die einer KI oder einer Maschine gegeben werden, um ihr eigenständiges Lernen zu unterstützen. Künstliche Allgemeine Intelligenz (AGI): KI-Systeme, die die Fähigkeit besitzen, Wissen in einer Weise zu verstehen, zu lernen, anzupassen und umzusetzen, die der menschlichen Intelligenz ähnelt.
• Künstliche Intelligenz (KI): Die Simulation von Prozessen menschlicher Intelligenz durch Maschinen, insbesondere Computersysteme.
• Backpropagation: Eine Methode, die in künstlichen neuronalen Netzwerken verwendet wird, um einen Gradienten zu berechnen, der zur Berechnung der Gewichte im Netzwerk benötigt wird.
• Big Data: Äußerst große Datensätze, die computerbasiert analysiert werden können, um Muster, Trends und Zusammenhänge aufzudecken, insbesondere in Bezug auf menschliches Verhalten und Interaktionen.
• Biometrie: Biologische Messungen oder physische Merkmale, die zur Identifizierung von Einzelpersonen verwendet werden können.
• Chatbot: Ein KI-Programm, das entwickelt wurde, um mit Menschen in ihrer natürlichen Sprache zu interagieren.
• Kognitive Informatik: Ein System, das die Funktionsweise des menschlichen Gehirns, das Lernen und die Herangehensweise an Problemlösungen nachahmt. Computer Vision: Die Wissenschaft, die darauf abzielt, einer Maschine oder einem Computer eine ähnliche, wenn nicht sogar bessere Fähigkeit zu geben. Faltende Neuronale Netzwerke (CNNs): Eine Klasse von tiefen Lernneuronalen Netzwerken, die am häufigsten zur Analyse visueller Bilder angewendet werden. Datenanalyse: Der Prozess der Entdeckung von Mustern in großen Datensätzen, der Methoden an der Schnittstelle von maschinellem Lernen, Statistik und Datenbanksystemen einbezieht.
• Datenwissenschaft: Ein interdisziplinäres Feld, das wissenschaftliche Methoden, Prozesse, Algorithmen und Systeme verwendet, um Wissen und Erkenntnisse aus strukturierten und unstrukturierten Daten zu extrahieren.
• Tiefes Lernen: Ein Teilgebiet des maschinellen Lernens, das ein neuronales Netzwerk mit drei oder mehr Schichten ist. Diese neuronalen Netzwerke versuchen, das Verhalten des menschlichen Gehirns – wenn auch weit entfernt von seiner Fähigkeit – zu “lernen”, basierend auf großen Datenmengen. Evolutionäre Berechnung: Eine Familie von Algorithmen für die globale Optimierung, inspiriert von der biologischen Evolutionstheorie von Charles Darwin.
• Expertensysteme: Computersysteme, die die Entscheidungsfähigkeit eines menschlichen Experten nachahmen.
• Fuzzy-Logik: Ein Rechenansatz, der auf “Wahrheitsgraden” basiert, anstelle der üblichen wahren oder falschen (1 oder 0) booleschen Logik.
• Genetische Algorithmen: Eine heuristische Suche, die von Charles Darwins Theorie der natürlichen Evolution inspiriert ist.
• Heuristik: Eine Regel oder Methode, die Ihnen hilft, Probleme schneller zu lösen, als wenn Sie alle Berechnungen durchführen würden.
• Intelligenter Agent: Ein Gerät, das seine Umgebung wahrnimmt und Maßnahmen ergreift, um die Wahrscheinlichkeit der erfolgreichen Erreichung seiner Ziele zu maximieren.
• Wissensgraph: Eine Wissensbasis, die ein graphenstrukturiertes Datenmodell oder eine Topologie verwendet, um Daten zu integrieren.
• Maschinelles Lernen (ML): Eine Anwendung der KI, die Systemen die Fähigkeit bietet, automatisch aus Erfahrung zu lernen und sich ohne explizite Programmierung zu verbessern.
• Natürliche Sprachverarbeitung (NLP): Die Fähigkeit eines Computerprogramms, menschliche Sprache zu verstehen, wie sie gesprochen wird.
• Neuronale Netzwerke: Eine Serie von Algorithmen, die versucht, zugrunde liegende Beziehungen in einem Datensatz durch einen Prozess zu erkennen, der die Funktionsweise des menschlichen Gehirns nachahmt.
• Ontologie: In der Informatik und Informationswissenschaft umfasst eine Ontologie eine Darstellung, formale Benennung und Definition der Kategorien, Eigenschaften und Beziehungen zwischen Konzepten, Daten und Entitäten. Mustererkennung: Die Zuweisung eines Labels zu einem gegebenen Eingabewert.
• Vorhersagemodellierung: Eine statistische Technik, die maschinelles Lernen und Datenanalyse verwendet, um zukünftige Ereignisse vorherzusagen. Quantencomputing: Ein Bereich der Berechnung, der sich auf die Entwicklung computerbasierter Technologien konzentriert, die auf den Prinzipien der Quantentheorie beruhen.
• Verstärkendes Lernen: Ein Bereich des maschinellen Lernens, in dem ein Agent lernt, sich in einer Umgebung zu verhalten, indem er bestimmte Aktionen ausführt und die Ergebnisse beobachtet.
• Robotic Process Automation (RPA): Die Verwendung von Software mit KI- und maschinellem Lernen zur Bewältigung von Aufgaben mit hohem Volumen, die zuvor von Menschen durchgeführt wurden.
• Sentimentanalyse: Die Verwendung von natürlicher Sprachverarbeitung, um systematisch affektive Zustände und subjektive Informationen zu identifizieren, zu extrahieren, zu quantifizieren und zu untersuchen.
• Überwachtes Lernen: Ein Typ des maschinellen Lernens, bei dem das Modell mit gelabelten Trainingsdaten versehen wird.
• Schwärmende Intelligenz: Das kollektive Verhalten dezentralisierter, selbstorganisierter Systeme, natürlicher oder künstlicher.
• TensorFlow: Eine Open-Source-Softwarebibliothek für maschinelles Lernen und künstliche Intelligenz.
• Unüberwachtes Lernen: Ein Typ des maschinellen Lernalgorithmus, der dazu verwendet wird, Schlussfolgerungen aus Datensätzen zu ziehen, die Eingabedaten ohne gelabelte Antworten enthalten.
• Turing-Test: Ein Maß für die Fähigkeit einer Maschine, intelligentes Verhalten zu zeigen, das dem menschlichen Verhalten gleichwertig oder nicht von diesem zu unterscheiden ist.
• Virtuelle Realität: Eine simulierte Erfahrung, die der realen Welt ähnlich oder völlig unterschiedlich sein kann.
• Computererzeugte Bilder (CGI): Die Anwendung von Computergrafik zur Erstellung oder Beitrag zu Bildern in Kunst, gedruckten Medien, Videospielen, Filmen, Fernsehprogrammen, Kurzfilmen, Werbespots, Videos und Simulatoren. Maschinenethik: Ein Teil der Ethik der künstlichen Intelligenz, der sich mit dem moralischen Verhalten künstlich intelligenter Wesen befasst. Maschinenwahrnehmung: Die Fähigkeit eines Computersystems, Daten auf eine Weise zu interpretieren, die der menschlichen Verwendung ihrer Sinne zur Beziehung zur Welt um sie ähnelt.
• Ambiente Intelligenz: Elektronische Umgebungen, die empfindlich und reaktionsfähig auf die Anwesenheit von Menschen reagieren.
• Algorithmische Voreingenommenheit: Systematische und wiederholbare Fehler in einem Computersystem, die zu unfairen Ergebnissen führen.
• Autoencoder: Ein Typ künstlicher neuronaler Netzwerke, der verwendet wird, um effiziente Daten-Codierungen in einer unüberwachten Weise zu lernen. Entscheidungsbaum: Ein Entscheidungsunterstützungswerkzeug, das ein baumartiges Modell von Entscheidungen und ihren möglichen Konsequenzen verwendet.
• Merkmalsextraktion: Der Prozess der Reduzierung des Ressourcenaufwands zur Beschreibung einer großen Datensatzmenge.
• Hyperparameteroptimierung: Der Prozess der Auswahl eines optimalen Satzes von Hyperparametern für einen Lernalgorithmus.
• Wissensingenieurwesen: Ein Bereich der künstlichen Intelligenz, der versucht, das Urteilsvermögen und Verhalten eines menschlichen Experten in einem bestimmten Bereich nachzuahmen.
• Markov-Entscheidungsprozesse: Ein mathematischer Rahmen zur Modellierung von Entscheidungen in Situationen, in denen Ergebnisse teilweise zufällig und teilweise unter der Kontrolle eines Entscheidungsträgers liegen.
• Multilayer Perceptron: Eine Klasse von Feedforward-künstlichen neuronalen Netzwerken.
• Sequenzlernen: Ein Typ des Lernens, bei dem ein intelligenter Agent darauf trainiert wird, die nächste Aktion auf der Grundlage einer Reihe von Aktionen vorherzusagen.
• Stochastischer Gradientenabstieg: Eine Methode zur Schätzung von Parametern in einem statistischen oder maschinellen Lernmodell.

Abschließende Gedanken