Um dir deinen Einstieg in die Welt der KI zu erleichtern, haben wir dir hier die wichtigsten Begriffe im Bereich Künstliche Intelligenz zusammengestellt. Die Begriffe sind alphabetisch sortiert und mit einer einfach zu verstehenden Erklärung versehen:
Algorithmus: Eine Schritt-für-Schritt-Anleitung, die KI verwendet, um ein bestimmtes Problem zu lösen oder um eine Aufgabe zu erledigen.
Analytik: Die Nutzung von KI, um Muster und Erkenntnisse aus umfangreichen Datenmengen zu gewinnen. Das Sammeln, Organisieren und Interpretieren von Daten, um Muster und Erkenntnisse zu gewinnen.
Artificial Intelligence (AI): Die Nachbildung menschlicher Intelligenz in Maschinen. Künstliche Intelligenz.
Automatisierung: Die Übertragung von Aufgaben an Maschinen, um sie ohne menschliches Eingreifen durchzuführen.
Big Data: Eine große Menge an Daten, die analysiert werden, um Muster und Trends zu erkennen.
Chatbot: Ein KI-Programm, das menschenähnliche Konversationen auf Websites oder in einer Messaging-Anwendung führen kann.
Clusteranalyse: Eine Methode zum Identifizieren von Gruppen (Cluster) ähnlicher Objekte in einem Datensatz.
Computer Vision: Die Fähigkeit eines Computers, visuelle Informationen zu erfassen, zu verarbeiten und zu interpretieren.
Data Mining: Die Entdeckung von Mustern und Zusammenhängen in großen Datenmengen.
Datenbank: Ein elektronisches Speichermedium zur Aufbewahrung großer Datenmengen, auf die die KI zugreifen kann.
Datenvisualisierung: Die grafische Darstellung von Daten, um sie verständlicher und interpretierbarer zu machen.
Deep Learning: Ein Teilbereich der KI, in dem mehrschichtige neuronale Netze verwendet werden, um komplexe Aufgaben zu erledigen. Ein Verfahren, bei dem künstliche neuronale Netzwerke in der Lage sind, automatisch zu lernen und Muster zu erkennen.
Entscheidungsbaum: Ein Algorithmus, der Entscheidungen basierend auf einer Reihe von Bedingungen und Regeln trifft bzw. ein Modell, das Entscheidungen auf der Grundlage vorhandener Informationen trifft, indem es sie in Form eines Baums darstellt.
Expertensystem: Ein KI-System, das auf dem Wissen und den Fähigkeiten von Experten basiert und das menschliches Wissen verwendet, um Expertenniveau-Lösungen für Probleme zu bieten.
Generalisierung: Die Fähigkeit eines KI-Modells, gelernte Informationen auf neue, unbekannte Beispiele anzuwenden.
Generative Modelle: Modelle, die in der Lage sind, neue Beispiele zu erzeugen, die ähnlich zu den Trainingsdaten sind.
Genetischer Algorithmus: Ein Algorithmus, der biologische Konzepte verwendet, um Probleme zu lösen, indem er Lösungen wie bei der natürlichen Selektion bewertet und verbessert.
Hyperparameter: Parameter, die vor dem Training eines KI-Modells eingestellt werden, um seine Leistung zu optimieren.
IoT (Internet of Things): Die Vernetzung von Geräten und Objekten mit dem Internet zur Erfassung und Nutzung von Daten.
Kausale Inferenz: Das Identifizieren von Ursache-Wirkungs-Beziehungen in Daten oder Situationen.
Klassifizierung: Eine Methode, um Daten in bestimmte Kategorien oder Klassen einzuteilen.
Kollaboratives Filtern: Eine Methode zur Empfehlung von Inhalten oder Produkten basierend auf den Vorlieben und Bewertungen ähnlicher Benutzer.
Maschinelles Lernen (Machine Learning): Ein Bereich der KI, in dem Maschinen aus Erfahrung lernen, ohne explizit programmiert zu werden. Algorithmen lernen selbständig aus Erfahrungen und könenn sich so verbessern.
Modell: Die aktuelle Version einer KI – z.B. ChatGPT3.5 oder ChatGPT4.
Mustererkennung: Das Erkennen und Identifizieren von Mustern in Daten, die für menschliche Sinne schwer wahrnehmbar sind.
Natural Language Processing (NLP): Die Fähigkeit einer Maschine, menschliche Sprache zu verstehen und mit ihr zu interagieren.
Neuronales Netzwerk: Ein künstliches Modell bzw. Netzwerk von künstlichen Neuronen, das dazu verwendet wird, Muster in Daten zu erkennen und zu lernen.
Objekterkennung: Die Fähigkeit der KI, Objekte in Bildern oder Videos zu identifizieren und zu klassifizieren.
Optische Zeichenerkennung (OCR): Die Fähigkeit, gedruckte oder handgeschriebene Texte in digitale Formate zu konvertieren.
Overfitting: Wenn ein KI-Modell zu stark auf spezifische Trainingsdaten angepasst ist und nicht gut auf neue Daten generalisiert.
Prädiktive Analytik (Predictive Analytics): Die Verwendung von Daten und Modellen, um Vorhersagen über zukünftige Ereignisse, Verhaltensweisen oder Ergebnisse zu treffen.
Prompt: Eine Handlungsanweisung, Frage oder detaillierte Aufforderung an eine KI, um ein bestimmtes Ausgabeergebnis zu erreichen.
Quantencomputer: Eine Art von Computer, der Quantenphänomene nutzt, um komplexe Berechnungen durchzuführen.
Reinforcement Learning: Eine Form des Machine Learning, bei dem die KI durch Rückmeldungen, Belohnungen und Strafen aus ihrer Umwelt lernt.
RNN (Recurrent Neural Network): Ein künstliches neuronales Netzwerk, das in der Lage ist, Informationen über die Zeit zu speichern.
Roboter: Eine KI-gesteuerte Maschine, die verschiedene Aufgaben ausführen kann.
Robotik: Die Konstruktion, Programmierung und Nutzung von Robotern, um bestimmte Aufgaben auszuführen.
Schwache KI (Weak AI): KI, die auf spezifische Aufgaben beschränkt ist und nicht über das menschliche Denken hinausgeht.
Spracherkennung: Die Fähigkeit der KI, menschliche Sprache zu verstehen und zu interpretieren.
Starke KI (Strong AI): Eine KI, die über die Intelligenz eines Menschen hinausgeht und komplexe Aufgaben bewältigen kann.
Texterkennung: Die Fähigkeit der KI, gedruckte oder handschriftliche Texte zu erkennen und zu interpretieren.
Textgenerierung: Die automatische Texterstellung mit Hilfe einer KI.
Token: Eine Einheit zur Messung einer Menge von Text, mit der die KI arbeitet.
Transfer Learning: Die Nutzung bereits gelernter Informationen aus einer Aufgabe, um eine neue verwandte Aufgabe zu lösen.
Überwachtes Lernen (Supervised Learning): Eine Art des Machine Learning, bei dem die KI mit gelabelten Daten trainiert wird, um Muster zu erkennen.
Unüberwachtes Lernen (Unsupervised Learning): Eine Art von Machine Learning, bei dem die KI unbekannte Muster in ungelabelten Daten erkennt.
Unteranpassung: Wenn ein KI-Modell nicht genug Informationen aus den Trainingsdaten gelernt hat und nicht gut auf neue Daten generalisiert.
Verarbeitung natürlicher Sprache (Natural Language Processing, NLP): Die Fähigkeit von Computern, menschliche Sprache zu verstehen und darauf zu reagieren.
Verstärkendes Lernen (Reinforcement Learning): Eine Methode des maschinellen Lernens, bei der ein Modell durch positive oder negative Rückmeldungen aus der Umgebung lernt.
Virtuelle Realität: Eine computergenerierte Umgebung, in die eine Person eintauchen kann.
Virtueller Assistent: Ein Computerprogramm, das Aufgaben wie Informationsbereitstellung, Terminvereinbarung oder Spracherkennung übernimmt.