Nein ShowmeCAST 143 Ab dieser Woche Matthias e Dakisch sprich darüber künstliche Intelligenz. Noch nie in der Geschichte der Menschheit wurde so viel über dieses Thema gesagt und vielleicht gab es auch noch nie so viele Veränderungen in der Gesellschaft, die zu diesem Thema führten. Die große Anhäufung datengenerierender Quellen und die Fortschritte bei Analyse- und maschinellen Lerntechnologien führen dazu, dass nicht nur unser Interneterlebnis von KI geprägt wird, sondern unser Leben derzeit durch die Auswirkungen dieser Neuheit personalisiert wird. Entweder durch Algorithmen, die Sie dazu bringen, ein Produkt zu kaufen Amazon oder von ChatGPT, Künstliche Intelligenz ist in unserem Leben präsent und wir werden diskutieren, welche Auswirkungen und Zukunft diese neue Realität hat.
Was ist künstliche Intelligenz?
Der Begriff der Intelligenz – obwohl es mehrere unterschiedliche Definitionen gibt – , so die Oxford Sprachenist die Fähigkeit zu wissen, zu verstehen und zu lernen und sich an neue Situationen anzupassen. Intelligenz wird fast immer mit der Fähigkeit zum Lernen in Verbindung gebracht. Wenn man diese Idee im Kontext von Computern überlagert, wird künstliche Intelligenz durch die Fähigkeit einer Maschine definiert, Muster zu erkennen und daraus zu lernen, um die gewünschte Lösung möglichst effizient und präzise zu generieren Weg möglich. .
Wir sprachen bei ShowmeCAST 143 darüber, wie sich die Realität der KI von dem unterscheidet, was uns durch Science-Fiction-Filme vermittelt wurde, als der Roboter den Wunsch hatte, die Welt zu beherrschen oder den Planeten von der Menschheit zu befreien. Computerintelligenz ist mit einer Reihe von Fähigkeiten verbunden, die aus einer statistischen Datenbank und dem Konzept von programmiert werden Maschinelles lernen Dabei nutzt der Algorithmus diese Basis, um probabilistisch vorherzusagen, was passieren könnte.
Wie lernt eine Maschine?
Mit dem Erfolg von ChatGPT und der Intensivierung der Personalisierung des Benutzererlebnisses im Internet beginnen Maschinen zu einem intensiven Teil unseres Lebens zu werden. Aber haben wir darüber nachgedacht, wie das Erlernen eines Computers abläuft? Die vier grundlegendsten Formen des maschinellen Lernens, die verwendet werden, verwenden historische Daten als Eingabe, um die Ausgabedaten vorherzusagen, und können zur Betrugserkennung in Systemen, zur Prozessautomatisierung und, was in letzter Zeit populär geworden ist, zur Verarbeitung natürlicher Sprache angewendet werden.
- überwachtes Lernen
Bei dieser Art des Lernens wird dem Algorithmus ein Satz Trainingsdaten bereitgestellt, der entsprechende Eingaben (Merkmale) und Ausgaben (Bezeichnungen) enthält. Das Ziel besteht darin, dass das Modell lernt, die Eingaben den richtigen Ausgaben zuzuordnen, damit es dieses Wissen verallgemeinern kann, um die Bezeichnungen neuer Beispiele vorherzusagen, die zuvor nicht gesehen wurden.
Während des Trainings analysiert der Algorithmus die Muster und Beziehungen in den Trainingsdaten und passt seine internen Parameter an, um die Differenz zwischen den vorhergesagten Ausgaben und den tatsächlich bereitgestellten Bezeichnungen zu minimieren.
- unbeaufsichtigtes Lernen
In diesem Fall handelt es sich um Lernen mit dem gleichen Zweck, jedoch mit dem Versuch, natürliche Gruppierungen von Ähnlichkeiten zwischen Individuen oder Objekten ohne die zuvor zur Identifizierung bereitgestellte Bezeichnung zu identifizieren. Unüberwachte Lernalgorithmen können Techniken wie verwenden Clustering (Clustering), bei dem Daten basierend auf ihrer Ähnlichkeit in Clustern gruppiert werden, oder Hauptkomponentenanalyse, die die Dimensionalität der Daten reduziert und gleichzeitig einen Großteil ihrer Variabilität beibehält. Diese Techniken helfen dabei, die Daten auf explorative Weise zu untersuchen und nützliches Wissen zu extrahieren, ohne dass zuvor vorhandene Etiketten erforderlich sind.
- halbüberwachtes Lernen
Halbüberwachtes Lernen ist ein hybrider Ansatz, der Elemente des überwachten und unüberwachten Lernens kombiniert. Bei dieser Art des Lernens hat das Modell während des Trainings Zugriff auf sowohl gekennzeichnete als auch unbeschriftete Daten.
Die Hauptmotivation des halbüberwachten Lernens besteht darin, die Verfügbarkeit großer unbeschrifteter Datensätze zu nutzen, die möglicherweise einfacher zu erhalten oder häufiger vorhanden sind als gekennzeichnete Datensätze. Die Idee besteht darin, dass beschriftete Daten genaue und zuverlässige Informationen über die gewünschten Klassen oder Kategorien liefern, während unbeschriftete Daten dazu beitragen, die Struktur und Variabilität der Daten umfassender zu erfassen.
- Verstärkungslernen
Schließlich handelt es sich beim Reinforcement Learning um eine Art, bei der ein Agent mit einer dynamischen Umgebung interagiert und lernt, Maßnahmen zu ergreifen, um im Laufe der Zeit eine kumulative Belohnung zu maximieren. Es ist inspiriert von dem Lernprozess, der bei Menschen und Tieren stattfindet, wenn sie Entscheidungen treffen und durch Belohnungen und Bestrafungen Feedback erhalten.
Bei dieser Art des Lernens erhält der Agent keine beschrifteten Beispiele oder explizite Anweisungen, welche Maßnahmen er ergreifen soll. Vielmehr erforscht es die Umgebung durch Versuch und Irrtum, indem es Maßnahmen ergreift und als Reaktion auf diese Maßnahmen Belohnungen oder Strafen von der Umgebung erhält. Das Ziel des Agenten besteht darin, eine Entscheidungsstrategie zu erlernen, die die kumulative Belohnung im Laufe der Zeit maximiert.
Die Zukunft der Maschinen und der Menschheit
Schließlich diskutierten wir bei ShowmeCAST 143 über die Zukunft von Maschinen und darüber, wie die Personalisierung unserer Erfahrung positiv oder schädlich sein kann. Es gibt verschiedene Fälle, in denen künstliche Intelligenz zum Wohle der Menschheit eingesetzt werden kann, gleichzeitig aber bei schlechter Absicht oder schlechter Anleitung zu falschen Schlussfolgerungen gelangen kann. Richtige Daten können zu falschen Vorhersagen führen. Wir haben in der Folge darüber gesprochen, dass Kausalität und Korrelation unterschiedliche Begriffe sind und selbst von Fachleuten auf diesem Gebiet verwechselt werden können.
Tatsächlich gibt es Lösungen, die durch künstliche Intelligenz entstehen werden, sowie neue Probleme, die in dieser neuen technologischen Revolution, die in den kommenden Jahren kommen wird, auftauchen werden. Es wird unsere Aufgabe sein, zu debattieren und zu diskutieren, wie wir diese neue Ressource nutzen können, um ein besseres Leben für alle zu ermöglichen.
Wenn Ihnen unsere Arbeit gefällt und Sie ihr folgen, ziehen Sie in Betracht, Benachrichtigungen von zu folgen und zu aktivieren ShowmeCAST, Ihr Podcast über Technik, Games, Wissenschaft, Kultur und viele Kuriositäten rund um das Weltgeschehen. Das Programm ist auf Diensten wie verfügbar Spotify, Apple Podcasts und andere Aggregatoren.
Siehe auch
Wenn Sie es hierher geschafft haben und unsere neueste Folge noch nicht gehört haben, spulen Sie Ihren Feed zurück und holen Sie ihn nach. Folge #142 von ShowmeCAST. Bei der Gelegenheit haben wir darüber gesprochen, was wir in den letzten Wochen in Serien, Filmen und Spielen verfolgt haben. Verlier nicht!
Rezensiert von Glaukon Vital in 24 / 5 / 23.
