Glossar

Algorithmus - Eine Reihe von Anweisungen, die von einem Computer ausgeführt werden können, um eine bestimmte Aufgabe zu erledigen.
 

Künstliche Intelligenz (KI) - Der wissenschaftliche Zweig der Informatik, der sich mit der Schaffung von Maschinen beschäftigt, die Aufgaben ausführen können, die normalerweise menschliche Intelligenz erfordern, wie z.B. Lernen, Verstehen von Sprache und Problemlösen.
 

Maschinelles Lernen - Ein Bereich der KI, der sich darauf konzentriert, Systemen beizubringen, aus Erfahrungen zu lernen und sich zu verbessern, ohne explizit programmiert zu werden.
 

Deep Learning - Eine Untergruppe des maschinellen Lernens, die auf künstlichen neuronalen Netzen mit vielen Schichten basiert.
 

Neuronales Netz - Ein Netzwerk von Algorithmen, das darauf abzielt, menschliche Gehirnfunktionen nachzuahmen und Muster in Daten zu erkennen.
 

Supervised Learning - Eine Methode des maschinellen Lernens, bei der ein Modell anhand von Eingabedaten und den dazugehörigen Ausgaben trainiert wird.
 

Unsupervised Learning - Eine Methode des maschinellen Lernens, bei der das Modell nur mit Eingabedaten ohne zugehörige Ausgaben trainiert wird, um Strukturen oder Muster in den Daten zu erkennen.
 

Reinforcement Learning - Ein Ansatz im maschinellen Lernen, bei dem ein Agent durch Belohnungen und Strafen lernt, sich in einer Umgebung optimal zu verhalten.
 

Natural Language Processing (NLP) - Der Bereich der KI, der sich damit beschäftigt, wie Maschinen menschliche Sprache verstehen und verarbeiten.
 

Computer Vision - Ein Bereich der KI, der sich darauf konzentriert, Computern das Sehen und Interpretieren visueller Informationen aus der Welt zu ermöglichen.
 

Generative Adversarial Networks (GANs) - Eine Klasse von KI-Modellen, bei denen zwei neuronale Netze (ein Generator und ein Diskriminator) gegeneinander antreten, um immer bessere Ergebnisse zu erzielen.
 

Datenschutz in der KI - Überlegungen und Praktiken zum Schutz persönlicher Daten und zur Sicherstellung der Privatsphäre bei der Verwendung von KI-Systemen.
 

Multi-Agent-System (MAS)-Ein Multi-Agent-System ist ein Bereich der Künstlichen Intelligenz, in dem mehrere autonome Agenten interagieren oder zusammenarbeiten, um bestimmte Ziele zu erreichen. Diese Agenten können autonom handeln und miteinander kommunizieren. Sie können in kooperativer, kompetitiver oder gemischter Form agieren, abhängig von ihren Zielen und der Umgebung. MAS wird in vielen Bereichen eingesetzt, darunter Robotik, Simulationen und Spiele, wobei der Fokus auf der Koordination und Interaktion zwischen den Agenten liegt.
 

Multi-Modell-Szenarien- Multi-Modell-Szenarien in der Künstlichen Intelligenz beziehen sich auf Ansätze, bei denen mehrere KI-Modelle oder Algorithmen gleichzeitig verwendet werden, um komplexe Aufgaben zu lösen oder umfassende Analysen durchzuführen. Dieser Ansatz ermöglicht es, die Stärken verschiedener Modelle zu kombinieren und ihre Schwächen zu kompensieren, was oft zu robusteren und präziseren Ergebnissen führt. Multi-Modell-Szenarien können in vielfältigen Anwendungen eingesetzt werden, etwa in der Bilderkennung, wo verschiedene Modelle unterschiedliche Aspekte eines Bildes analysieren, oder in der Datenanalyse, wo verschiedene Modelle unterschiedliche Datenquellen oder Perspektiven bearbeiten. Der koordinierte Einsatz mehrerer Modelle hilft dabei, komplexere Probleme zu adressieren, als es mit einem einzelnen Modell möglich wäre.
 

CoPilot-CoPilot in der Künstlichen Intelligenz bezeichnet ein unterstützendes System oder einen Agenten, der Benutzer bei spezifischen Aufgaben assistiert, indem er auf KI-Technologien basiert. Diese Systeme sind darauf ausgelegt, die Effizienz und Genauigkeit der Nutzer zu erhöhen, indem sie Vorschläge, Hinweise oder automatisierte Aktionen anbieten. CoPilot-Systeme finden Anwendung in verschiedenen Bereichen wie Programmierung, Datenanalyse und Fahrzeugsteuerung, wo sie als intelligente Assistenten fungieren, um den Benutzern zu helfen, komplexere Aufgaben effektiver zu bewältigen. Sie arbeiten oft im Hintergrund, wobei sie die Benutzerinteraktionen analysieren und kontextbezogene Unterstützung bieten.
 

ChatGPT- ChatGPT ist ein KI-gesteuerter Sprachmodell-Service, der von OpenAI entwickelt wurde. Dieses Modell basiert auf der GPT (Generative Pre-trained Transformer) Architektur und ist darauf trainiert, menschenähnliche Textantworten in einem Konversationsformat zu generieren. ChatGPT kann auf eine breite Palette von Anfragen reagieren, von alltäglichen Fragen über fachspezifische Informationen bis hin zu Unterhaltungen. Es wird in verschiedenen Anwendungen wie Kundenservice, Bildung, Unterhaltung und mehr eingesetzt, um textbasierte Interaktionen zu erleichtern und zu verbessern.
 

DALL-E- DALL-E ist ein KI-Modell von OpenAI, das darauf spezialisiert ist, Bilder aus textuellen Beschreibungen zu generieren. Dieses Modell basiert ebenfalls auf der GPT-Architektur und kombiniert Techniken des maschinellen Lernens mit Sprachverständnis, um kreative und oft sehr detaillierte Bilder zu erstellen. DALL-E kann komplexe Szenen, Objekte und sogar surreale Kompositionen erzeugen, basierend auf den eingegebenen Textbeschreibungen. Es wird in kreativen Berufen, Bildung und Unterhaltung eingesetzt, um visuelle Inhalte auf innovative Weise zu erzeugen.
 

LLM (Large Language Model)- Ein Large Language Model (LLM) ist ein fortschrittliches KI-Modell, das darauf trainiert ist, menschliche Sprache zu verstehen und zu generieren. Diese Modelle, oft als Teil der Transformer-Architekturfamilie, sind mit großen Mengen an Textdaten trainiert, um Muster und Zusammenhänge in der Sprache zu erkennen. LLMs werden in einer Vielzahl von Anwendungen eingesetzt, darunter Textgenerierung, Übersetzung, Zusammenfassung und mehr. Sie können kohärente und kontextbezogene Antworten generieren und sind in der Lage, komplexe sprachbasierte Aufgaben auszuführen. LLMs wie GPT (Generative Pre-trained Transformer) von OpenAI sind prominente Beispiele dieser Technologie.
 

Generische KI- Generische KI bezieht sich auf künstliche Intelligenz-Systeme, die fähig sind, eine breite Palette von Aufgaben zu bewältigen, ohne auf spezifische oder eng definierte Anwendungen beschränkt zu sein. Diese Art von KI unterscheidet sich von spezialisierter KI, die für bestimmte Aufgaben oder Sektoren entwickelt wurde, wie beispielsweise medizinische Diagnosewerkzeuge oder Finanzmarktanalysen. Generische KI zielt darauf ab, flexible und adaptive Fähigkeiten zu bieten, die denen menschlicher Intelligenz ähneln, einschließlich der Fähigkeit, zu lernen, zu verstehen und auf eine Vielzahl von Problemen und Umgebungen zu reagieren. Diese Systeme sind oft vielseitiger und haben das Potenzial, über vordefinierte Anwendungsgrenzen hinaus eingesetzt zu werden.