Dieser Artikel ist Teil der Artikelreihe „Künstliche Intelligenz”.

Künstliche Intelligenz (KI) wird häufig mit sehr futuristischen Anwendungen wie Robotern oder selbstfahrenden Autos assoziiert. Dabei steckt die KI-Technologie dieser Anwendungsfälle noch in den Kinderschuhen. Im Gegensatz dazu stoßen wir in unserem Alltag bereits häufiger auf KI als wir vielleicht denken, beispielsweise wenn wir bei Google Maps den schnellsten Weg suchen, mit Freunden kommunizieren oder Online-Einkäufe tätigen. Warum aber investieren Facebook, Google und Co. Milliarden in die Weiterentwicklung solcher Technologien?

Allgemein gesagt, kann KI aus einer Vielzahl von scheinbar ungleichen Datenquellen verborgene Muster erkennen und automatisiert Entscheidungen treffen, ohne vorher explizit dafür programmiert worden zu sein. Das eröffnet einer Vielzahl von Branchen das Potential von Effizienzgewinnen und neue Ertragsmöglichkeiten. Ausschlaggebender Faktor dafür sind zum einen die Daten, mit denen die KI lernt und zum anderen die Algorithmen, die bestimmen, wie der Lernprozess ablaufen soll. Im Folgenden wird ein kurzer Überblick darüber gegeben, welche Auswirkungen das auf die verschiedenen Branchen heute schon hat und in Zukunft haben kann.
2 Kommentare

Dieser Artikel ist Teil der Artikelreihe „Künstliche Intelligenz”.

Algorithmen sind nicht mit Software gleich zu setzen. Sie sind formalisierte Vorschriften, die endlich, eindeutig, verständlich, ausführbar und allgemeingültig für einen bestimmten Problembereich ausgestaltet sind. Wie diese Vorschriften notiert sind, ist nicht entscheidend. Algorithmen können mit Spielregeln verglichen werden: Ob sie als Kartenspiel, Brettspiel oder Software umgesetzt werden, ist nicht konstitutiv für die Definition eines Algorithmus.

Algorithmen sind die Basis eines Automatisierungsprozesses. Automatisierung ist so allgegenwärtig, dass sie kaum mehr auffällt. Autos, Ampeln, Geldautomaten, Türen in vielen Supermärkten, Treppen in der U-Bahn, der Fokus der Kamera und sogar Thermostate sind Beispiele für Automatisierung. Worin liegt nun die Brisanz des Themas „Algorithmus”? Was ist heute neu?
1 Kommentar

+++ 22. Jan.: Grundrechte im Zeitalter der Digitalisierung, Berlin

+++ 24. Jan.: Filesharing - Aktuelle Entwicklungen, Bochum

+++ 25. Jan.: OSE Symposium: Recht.Digital.Escrow, München

+++30. Jan.: Digitaler Salon: Zahlen, die malen, Berlin

+++ 30. Jan/1. Feb.: CDCP, Brüssel

+++ 1. Feb.: ZUM-Symposion: EU-Urheberrechtsreform, München

+++ 4. Feb.: Privatheit & informationelle Selbstbestimmung von Kindern, Passau

+++ 5. Feb.: Frankfurter Gespräche zum Informationsrecht, Frankfurt

+++ 12. Feb.: PhDnet@CAIS. Gesellschaft und Digitalisierung, Bochum

+++ 13. Feb.: Wem gehört unser digitales „Ich“?, Berlin

+++ 14. Feb.: Göttinger Forum IT-Recht, Göttingen

+++ 18./19. Feb.: 2019 Europe Conference (INTA): Embracing Change, Paris

+++ 22. Feb.: 8. DialogCamp, München

+++ 19.-22. Feb.: 59. Assistententagung, Frankfurt
0 Kommentare
Anzeige:

Dieser Artikel ist Teil der Artikelreihe „Künstliche Intelligenz”.

Das Thema „Künstliche Intelligenz“ (KI) ist heutzutage in aller Munde und häufig fällt in diesem Zusammenhang das Wort „neuronales Netzwerk“. Was aber verbirgt sich hinter diesen Begriffen und wie hängen sie zusammen? Im Allgemeinen versteht man unter künstlicher Intelligenz Computerprogramme, die kognitive Aufgaben lösen. Zu diesen Aufgaben gehören zum Beispiel die Erkennung von Objekten, das Verständnis von Sprache oder die Entscheidungsfindung – Aufgaben, die wir tagtäglich in unserem Alltag meistern.

Eine Schlüsseltechnologie für die künstlichen Intelligenz ist das „Maschinelle Lernen“. Im Gegensatz zur klassischen Programmierung wird beim maschinellen Lernen der Algorithmus, also die Rechenanleitung, nicht vollständig durch den Programmierer vorgegeben. Stattdessen lernt der Algorithmus anhand von Trainingsdaten, eine bestimmte kognitive Aufgabe zu lösen. Das maschinelle Lernen umfasst eine Vielzahl von Ansätzen, unter denen die sogenannten künstlichen neuronalen Netzwerke „artificial neural networks (ANNs)“ eine bedeutende Rolle einnehmen, da es hier vor allem in den letzten Jahren bedeutsame Fortschritte gegeben hat.

In diesem Artikel werden wir den Aufbau sowie die Funktionsweise der ANNs erläutern. Des Weiteren diskutieren wir die aktuellen Herausforderungen der ANNs und der KI und erläutern mögliche Lösungsansätze.
2 Kommentare

Wir bieten gemeinsam mit der Kanzlei Bird & Bird eine duale Zusatzausbildung an: „Recht und Kommunikation”. Auf die Zusatzausbildung kann sich jede(r) bewerben, der bei Bird & Bird in Frankfurt ein Praktikum, eine Referendarstation oder eine auf Zeit angelegte wissenschaftliche Mitarbeit machen möchte. Die TeilnehmerInnen arbeiten in den Räumen von Bird & Bird in ihrer jeweiligen Position als PraktikantInnen, MitarbeiterInnen oder ReferendarInnen und erhalten – zusätzlich - eine Ausbildung in Social Media und journalistischen Arbeitstechniken.
0 Kommentare

Dieser Artikel ist Teil der Artikelreihe „Künstliche Intelligenz”.

Einleitung


Die frühen KI-Forscher nahmen an, dass die Lösung einer jeden Aufgabe mit einer Abfolge von „wenn-dann“-Regeln beschrieben werden kann. In der Tat waren auch relativ schnell große Erfolge zu verzeichnen. Es stellte sich aber gleichzeitig schnell heraus, dass einige Lösungen eine so große Folge von „wenn-dann“-Entscheidungen benötigten, dass dies nicht mehr von Menschen manuell erstellt werden konnte.

Gleichzeitig begann in der Informationstechnologie das Zeitalter des Wissensmanagement und kurz darauf das Zeitalter von „Big Data“.
3 Kommentare

+++ Datenleaks: Mutmaßlicher Täter gefasst, politische Maßnahmen angekündigt

+++ OLG München: Amazon-Dash-Buttons unzulässig

+++ EuGH-Generalanwalt zu Links mit sensiblen Daten auf Suchmaschinen

+++ AG Mannheim: Verurteilung wegen erfundenen Anschlags auf Blog

+++ Preisbindung: BGH zur Neukundenprämie bei Versandapotheken

+++ Bundesregierung will Freifunker steuerlich entlasten
0 Kommentare

Dieser Artikel ist Teil der Artikelreihe „Künstliche Intelligenz”.

1. Einleitung


In der Informatik werden unter dem Begriff „künstliche Intelligenz” ganz unterschiedliche Ansätze und Methoden zusammengefasst, die versuchen, geistige Leistungen von Menschen nachzubilden oder zu simulieren. Die Methoden lassen sich grob in vier Bereiche mit jeweils unterschiedlichen funktionalen Zielsetzungen einordnen:
  • Mustererkennung: Erkennen von Regelmäßigkeiten in Sprache, Bildern, etc.
  • Maschinelles Lernen: Konzeptbildung, Hypothesen, Regelgenerierung, etc.
  • Expertensysteme: Regelbasiertes Schließen, Bewertung von Sachverhalten, etc.
  • Maschinelles Planen und Handeln: autonome Fahrzeuge, Robotik, etc.

Im Folgenden werden diese vier Bereiche und ihre Möglichkeiten übersichtsartig vorgestellt.
0 Kommentare