Künstliche Intelligenz in der d.velop Software

Wenn man von KI spricht, unterscheidet man in eine Vielzahl von Typen:
1) Schwache KI: Hat kein umfassendes Verständnis und ist dazu da, genau eine Aufgabe zu lösen.
2) Starke KI: Bislang eine theoretische Form, die ein umfassendes Verständnis und ein Bewusstsein hat wie ein Mensch.
3) Maschinelles Lernen: Mittels Algorithmen kann ein Computer aus Daten lernen und somit seine Leistungsfähigkeit zur Lösung einer Aufgabe verbessern.
4) Natürliche Sprachverarbeitung: Der Computer kann menschliche Sprache verstehen und mit ihr agieren, z.B. in Form von Chatbots.
5) Roboter und autonome Systeme: Diese nutzen KI-Technologie, um selbstständig Aufgaben und Entscheidungen auszuführen, ohne eine konstante menschliche Bedienung. Autonome Roboter werden z.B. im Autobau eingesetzt.
Und einige weitere.

Machine Learning oder Maschinelles Lernen ist ein sich schnell entwickelndes Feld im Bereich der Künstlichen Intelligenz. Es wird in Bereichen der Spracherkennung und -übersetzung, aber auch z.B. bei autonomen Fahrzeugen und in der medizinischen Diagnose eingesetzt und erforscht. ML soll es Computern ermöglichen, aus Erfahrung zu lernen und die Lösung bestimmter Aufgaben mit der Zeit immer besser durchzuführen. Grundlegend ist eine Form der Datenanalyse, Musterkennung und Entscheidungsfähigkeit für ML relevant, um Aufgaben zu erfüllen oder eine Prognose zu erstellen.

Natural Language Processing (NLP) oder Natürliche Sprachverarbeitung ist eine Art von Künstlicher Intelligenz. Das Hauptziel besteht darin, Computern zu ermöglichen, menschliche Sprache zu verstehen. Im Umkehrschluss können dann auch Menschen ohne Programmierkenntnisse mit einer KI interagieren. Wichtige Themenfelder im Bereich NLP sind Textverarbeitung, Spracherkennung, Wortähnlichkeit und semantische Ähnlichkeit, Gefühlsanalyse, Sprachübersetzung und -generierung, sowie Frage-Antwort-Systeme. Auf NLP basierende KI kann häufig, z.B. in Form von fortschrittlichen Chatbots oder Sprachassistenten, natürlich wirkende Dialoge mit Menschen führen.

Die KI lernt z.B. in Form des maschinellen Lernens aus Beispieldaten. Ein Beispiel: Geschäftsdokumente werden in eine abstrakte Darstellung übersetzt. Diese Darstellung wird genutzt, um ein mathematisches Modell der Dokumente zu erstellen, welches Aussagen über die Dokumente ermöglicht. Der Lernprozess umfasst die Durchsicht vieler tausend Beispiele, für die die gewünschte Antwort bekannt ist. In jedem Schritt macht das Verfahren eine Vorhersage. Trifft diese nicht zu, wird das Modell so angepasst, dass der Fehler in Zukunft reduziert wird – das Verfahren lernt.

Ein Large Language Model (LLM) ist ein großes vortrainiertes Sprachmodell, das auf neuronalen Netzwerken mit Transformer-Architektur und Deep-Learning-Algorithmen basiert. Es wird mit riesigen Textmengen vortrainiert und für bestimmte Aufgaben feinabgestimmt.

Large Language Modelle (LLMs) verstehen, verarbeiten und generieren natürliche Sprache und sind für viele Aufgaben wie das Beantworten von Fragen, das Zusammenfassen von Texten, das Vervollständigen von Texten, das Übersetzen von Texten oder das Erzeugen von Texten einsetzbar. LLMs können auch mit komplexen Texten, Fragen oder Anweisungen umgehen und generieren grammatikalisch und orthographisch einwandfreie, schlüssige Texte.