Was ist KI – und warum sollte das jede und jeder verstehen?

Künstliche Intelligenz steht für Veränderungen, die uns alle betreffen werden. In der ersten Folge unserer KI-Tutorial-Reihe beginnt movingimage-CEO Dr. Ingo Hofacker ganz am Anfang: Was ist KI eigentlich? Die Antwort vorweg – die eine Definition gibt es nicht. KI ist ein Sammelbegriff für die verschiedenen Wege, auf denen Computer Aspekte menschlichen Denkens simulieren. Vorwissen brauchen Sie dafür nicht, denn diese Reihe richtet sich wirklich an alle.

Ein Begriff, zwei Arten zu lernen

Vereinfacht lässt sich KI in zwei Kategorien einteilen: Systeme, die symbolisch lernen, und Systeme, die subsymbolisch lernen. Der Unterschied ist alles andere als akademisch – er entscheidet darüber, wie ein System zu einer Antwort kommt und wie gut Menschen diese Antwort nachvollziehen können.

Symbolische KI: Wenn-dann-Regeln von Menschen

Beim symbolischen Lernen werden die Informationen, die für intelligentes Schlussfolgern nötig sind, in einer Sprache dargestellt, die Mensch und Maschine gleichermaßen verstehen. Am einfachsten stellen Sie sich Wenn-dann-Regeln vor, die Menschen in das System einspeisen: Wenn der Himmel blau ist und kaum Wolken zu sehen sind, ist die Regenwahrscheinlichkeit gering. Der Denkweg bleibt lesbar.

Subsymbolische KI: Wahrscheinlichkeiten aus Daten lernen

Der zweite Ansatz funktioniert anders. Statt Regeln erhält die KI Tausende vergangener Himmelsaufnahmen – zusammen mit dem, was tatsächlich passiert ist, etwa wie stark es 30 Minuten später geregnet hat. Diese Zuordnung nennt man Labeling. Je mehr Daten das System bekommt, desto besser erkennt es Muster. Es erklärt nie, warum es regnet, sondern erkennt ausschließlich, wie wahrscheinlich Regen ist. Das gespeicherte Wissen ist am Ende eine lange Zahlenreihe, aus der kein Mensch den Inhalt ableiten könnte – genau deshalb heißt diese Form der Darstellung subsymbolisch. Der Vorteil: Sie berücksichtigt Abweichungen, an denen starre Regeln scheitern, und liefert dadurch treffsichere Prognosen.

Diese Art des Lernens findet in künstlichen neuronalen Netzen (KNN) statt – einer Abstraktion des menschlichen Gehirns und der Informationsverarbeitung seiner Neuronen. Die ausführliche Erklärung sehen Sie in Folge 1. In Folge 2 zeigt Dr. Hofacker dann, wie diese Netze tatsächlich arbeiten und welche Rolle Gewichtungen dabei spielen.