Die Bedeutung des Begriffs Intelligenz wird wie folgt festglegt:
Duden: "Fähigkeit [des Menschen], abstrakt und vernünftig zu denken und daraus zweckvolles Handeln abzuleiten" (Quelle).
Wikipedia: "Intelligenz (von lateinisch intellegere „erkennen“, „einsehen“; „verstehen“; wörtlich „wählen zwischen …“ von lateinisch inter „zwischen“ und legere „lesen, wählen“) ist die kognitive bzw. geistige Leistungsfähigkeit speziell im Problemlösen." (Quelle).
Die Intelligenz eines Menschen entwickelt sich im Laufe der Jahre, während er/sie sich vom Säugling zum Erwachsenen verändert.
Dabei verändert sich das Gehirn:
das Gehirn nimmt eine Unmenge von Daten auf, speichert und verarbeitet diese,
die neuronale Verschaltung im Gehirn verändert sich fortlaufend.
Überträgt man diese Einsicht auf Computersysteme, dann folgt, dass ein Computersystem nur dann als intelligent bezeichnet werden kann, wenn es
gezielt Probleme lösen kann,
neben den Daten auch die Algorithmen, welche die Daten verarbeiten, selbst verändern kann.
In der klassischen Datenverarbeitung werden mit Hilfe von Computern Daten an einen Algorithmus übergegeben, welcher diese verarbeitet und neue Daten ausgibt. Die vom Algorithmus erzeugten Daten können wieder als neue Eingabe dem gleichen oder anderen Algorithmen übergeben werden. Ein solches System kann nicht als intelligent bezeichnet werden, denn es kann Probleme nicht selbstständig lösen. Die unveränderlichen Problemlöse-Algorithmen werden von Menschen programmiert.
Beim Ansatz des maschinellen Lernens wurden Computersysteme geschaffen, bei welchen nicht nur die Daten verändert werden, sondern der Algorithmus so gebaut ist, dass das Computersystem auch die Algorithmen verändern kann. Mit diesem Ansatz können Computersysteme manche Probleme selbstständig lösen. Ein solches Computersystem kann als intelligent bezeichnet werden.
Ein Computersystem ist kein biologisches Lebewesen, sondern wurde von Menschen gebaut. Daher nennt man ein Computersystem des maschinellen Lernens eine künstliche Intelligenz.
KI ist die Abkürzung für "Künstliche Intelligenz".
AI ist die Abkürzung für "Artificial Intelligence" (englischer Sprachraum).
Beispiele für Computersysteme der künstlichen Intelligenz:
In der Forschung zur künstlichen Intelligenz unterscheidet man zwischen einer schwachen KI und einer starken KI:
eine schwache KI kann eine klar definierte Aufgabe lösen. Dazu wird die KI mit Hilfe von Datenmengen und geeigneten selbstveränderlichen Algorithmen trainiert.
eine starke KI könnte neue unbekannte Aufgaben erkennen und Lösungsstrategien zur Lösung dieser Aufgabe selbstständig entwickeln.
Bislang gibt es nur schwache KIs die gezielt trainiert werden müssen. Eine starke KI ist noch nicht verfügbar.
Künstliche Neuronale Netze
Das Gehirn ist ein Beispiel für ein Datenverarbeitungssystem, welches intelligent handeln kann. Ein Gehirn besteht aus Milliarden von Nervenzellen, welche miteinander verbunden sind und mit Hilfe von elektrischen und chemischen Vorgängen Daten austauschen können.
Die Nervenzellen im Gehirn nennt man Neuronen.
Die Verbindung der Neuronen nennt man ein neuronales Netz.
In der Informatik wird das Gehirn als Vorbild für künstliche Intelligenz genommen und ein künstliches neuronales Netz geschaffen.
Verarbeitung von Daten in neuronalen Netzen
In einem Gehirn kann einem Neuron ein bestimmter Wert (Erregung des Neurons) zugeordnet werden. Miteinander verbundene Neuronen können den Erregungszustand eines anderen Neurons verändern. In der Informatik wird einem künstlichen Neuron auch ein bestimmter Wert zugeordnet und je nach modellierter Situation anders gedeutet.
Zur Vereinfachung der Modellierung gehen wir hier davon aus, dass die Veränderung der Erregung eines Neurons in nur einer Richtung von der Eingabeschicht in Richtung der Ausgabeschicht erfolgt.
Bei einer Verbindung zweier Neuronen kann die Erregung des Eingabe-Neurons (EN) an das Ausgabe-Neuron (AN) weitergegeben werden. Dabei kann folgendes geschehen:
der Wert der Erregung der beiden Neuronen bleibt gleich:
die Erregung des Ausgabe-Neurons wird gelöscht:
die Erregung des Ausgabe-Neurons ist kleiner als die des Eingabe-Neurons:
die Erregung des Ausgabe-Neurons ist größer als die des Eingabe-Neurons:
Allgemeine Darstellung:
EN = Eingabe-Neuron; AN = Ausgabe-Neuron
Mathematische Modellierung:
Die Verstärkung oder Abschwächung der Erregung wird durch eine Zahl dargestellt. Diese Zahl nennt man "Gewicht". Der Erregungswert des Eingabe-Neurons wird mit dem Gewicht multipliziert und liefert den Erregungswert des Ausgabe-Neurons.
Erregung bleibt gleich: Gewicht = 1
Erregung wird gelöscht: Gewicht = 0
Erregung wird geschwächt: Gewicht < 1
Erregung wird verstärkt: Gewicht > 1
Allgemeine Darstellung:
G = Gewicht
Bei der Verbindung von zwei Eingabe-Neuronen und einem Ausgabe-Neuron kann die Erregung der beiden Eingabe-Neuronen an das Ausgabe-Neuron weitergegeben werden. Dabei werden die Einflüsse beider Eingabe-Neuronen auf das Ausgabe-Neuron kombiniert:
Allgemeine Darstellung:
Bei der Verbindung von zwei Eingabe-Neuronen und zwei Ausgabe-Neuronen kann die Erregung der beiden Eingabe-Neuronen an beide Ausgabe-Neuronen weitergegeben werden. Dabei werden die Einflüsse beider Eingabe-Neuronen auf die Ausgabe-Neuronen kombiniert:
Allgemeine Darstellung:
Dieses Verfahren kann auf beliebig viele Eingabe - und Ausgabe-Neuronen erweitert werden. In komplexen KI-Systemen wie ChatGPT gibt es Millionen von Eingabe-Neuronen, verborgenen Neuronen und Ausgabe-Neuronen.
Mit Hilfe des BIAS-Werts kann das Erregungsniveau angepasst werden, von welchem aus sich die Erregung verändert. Der BIAS-Wert wird unten links am Ausgabe-Neuron notiert:
Allgemeine Darstellung:
Für ein Eingabe-Neuron und ein Ausgabe-Neuron:
Für zwei Eingabe-Neuronen und zwei Ausgabe-Neuronen:
Dieses Verfahren kann auf beliebig viele Eingabe - und Ausgabe-Neuronen erweitert werden.
EN = Eingabe-Neuron; AN = Ausgabe-Neuron
G = Gewicht
