Inhaltsverzeichnis
Automatisierung senkt Kosten und bringt ein neues Maß an Konsistenz, Geschwindigkeit und Skalierbarkeit in Geschäftsprozesse; Tatsächlich sehen einige Accenture-Kunden Zeiteinsparungen von 70 Prozent. Noch überzeugender ist jedoch die Fähigkeit der KI, das Wachstum voranzutreiben. Unternehmen, die erfolgreich skalieren, sehen eine dreifache Rendite ihrer KI-Investitionen im Vergleich zu Unternehmen, die in der Pilotphase feststecken.
Im Laufe der Zeit scheint es wahrscheinlich, dass die gleichen Verbesserungen der Intelligenz, die wir in anderen Bereichen der KI gesehen haben, in physische Roboter integriert werden. Expertensysteme, die auf Sammlungen von „Wenn-dann“-Regeln basierten, waren in den 1980er Jahren die vorherrschende Technologie für KI und wurden in dieser und späteren Perioden weithin kommerziell genutzt. Im Gesundheitswesen wurden sie in den letzten Jahrzehnten häufig für Zwecke der „klinischen Entscheidungsunterstützung“5 eingesetzt und sind auch heute noch weit verbreitet. Viele Anbieter elektronischer Patientenakten liefern heute mit ihren Systemen ein Regelwerk mit.
Zweitens glaubt er, dass diese Systeme offenlegen sollten, dass sie automatisierte Systeme und keine Menschen sind. Es ist sinnvoller, über die allgemeinen Ziele nachzudenken, die in der KI erwünscht sind, und Richtlinien zu erlassen, die sie voranbringen, im Gegensatz zu Regierungen, die versuchen, die „Black Boxes“ aufzubrechen und genau zu sehen, wie bestimmte Algorithmen funktionieren. Die Regulierung einzelner Algorithmen schränkt Innovationen ein und erschwert Unternehmen den Einsatz künstlicher Intelligenz.
- Dies, zusammen mit gleichzeitigen Entdeckungen in der Neurobiologie, Informationstheorie und Kybernetik, veranlasste die Forscher, die Möglichkeit des Baus eines elektronischen Gehirns in Betracht zu ziehen.
- Die zunehmende Durchdringung vieler Lebensbereiche durch KI und autonome Geräte verändert grundlegende Abläufe und Entscheidungsfindung in Unternehmen und verbessert Effizienz und Reaktionszeiten.
- Beispiele hierfür sind das automatische Auftauchen wichtiger Informationen in Business-Intelligence-Berichten oder das Hervorheben wichtiger Informationen in Rechtsakten.
- Es ist wichtig zu beachten, dass, obwohl alles maschinelle Lernen KI ist, nicht alles KI maschinelles Lernen ist.
- Bei selbstfahrenden Autos muss das Computersystem alle externen Daten berücksichtigen und berechnen, um so zu handeln, dass eine Kollision verhindert wird.
Städte könnten beispielsweise Informationen von Mitfahrdiensten mit ihrem eigenen Material zu Standorten sozialer Dienste, Buslinien, Nahverkehrsmitteln und Autobahnstaus integrieren, um den Transport zu verbessern. Das würde Metropolregionen helfen, Verkehrsstaus zu bewältigen und bei der Autobahn- und Nahverkehrsplanung helfen. In Nicht-Transportbereichen haften digitale Plattformen oft nur eingeschränkt für das, was auf ihren Seiten passiert.
Projekte
Stattdessen hat sich die KI dahingehend weiterentwickelt, dass sie in jeder Branche viele spezifische Vorteile bietet. Lesen Sie weiter für moderne Beispiele für künstliche Intelligenz im Gesundheitswesen, im Einzelhandel und mehr. KI ist zu einem Sammelbegriff für Anwendungen geworden, die komplexe Aufgaben ausführen, die früher menschliche Eingaben erforderten, wie z.
Andere Beispiele für Maschinen mit künstlicher Intelligenz sind Schach spielende Computer und selbstfahrende Autos. Jede dieser Maschinen muss die Konsequenzen jeder ihrer Maßnahmen abwägen, da sich jede Maßnahme auf das Endergebnis auswirkt. Bei selbstfahrenden Autos muss das Computersystem alle externen Daten berücksichtigen und berechnen, um so zu handeln, dass eine Kollision verhindert wird. Diese Modelle verwenden unbeaufsichtigtes maschinelles Lernen und werden mit riesigen Textmengen trainiert, um zu lernen, wie die menschliche Sprache funktioniert.
Die gleichen Gesetze können kodifiziert und auf Algorithmen der künstlichen Intelligenz angewendet werden. Das Problem bei diesem Ansatz ist, dass die Lösung eines Problems im Prinzip und die Lösung in der Praxis sehr unterschiedlich sein können und kontextuelle Nuancen erfordern. Außerdem gibt es einige Maßnahmen, die wir ergreifen, ohne uns eines Ergebnisses zu 100 % sicher zu sein, das ein Algorithmus möglicherweise nicht replizieren kann, wenn zu viele Parameter vorhanden sind. Wir haben diese Technologien als einzelne beschrieben, aber sie werden zunehmend kombiniert und integriert; Roboter bekommen KI-basierte „Gehirne“, Bilderkennung wird in RPA integriert.
Theory-of-Mind-KI ist vollständig anpassungsfähig und verfügt über eine umfassende Fähigkeit, vergangene Erfahrungen zu lernen und zu speichern. Zu diesen Arten von KI gehören fortgeschrittene Chat-Bots, die den Turing-Test bestehen und eine Person glauben machen könnten, die KI sei ein menschliches Wesen. Algorithmen spielen oft eine sehr wichtige Rolle in der Struktur der künstlichen Intelligenz, wo einfache Algorithmen in einfachen Anwendungen verwendet werden, während komplexere Algorithmen dabei helfen, eine starke künstliche Intelligenz zu gestalten. Künstliche Narrow Intelligence ist für Sprachassistenten wie Siri, Alexa und Google Assistant von entscheidender Bedeutung. Diese Kategorie umfasst intelligente Systeme, die entwickelt oder trainiert wurden, um bestimmte Aufgaben auszuführen oder bestimmte Probleme zu lösen, ohne ausdrücklich dafür konzipiert zu sein.
Was Ist Künstliche Intelligenz Im Jahr 2023? Arten, Trends Und Zukunft Davon?
Beispielaufgaben, in denen dies erfolgt, umfassen Spracherkennung, Computer Vision, Übersetzung zwischen Sprachen sowie andere Zuordnungen von Eingaben. Ebenso wichtig ist, dass Hardwareanbieter wie Nvidia den Mikrocode für die parallele Ausführung auf mehreren GPU-Kernen für die gängigsten Algorithmen optimieren. Nvidia behauptete, dass die Kombination aus schnellerer Hardware, effizienteren KI-Algorithmen, Feinabstimmung von GPU-Anweisungen und besserer Rechenzentrumsintegration zu einer millionenfachen Verbesserung der KI-Leistung führt. Keynote Speaker Künstliche Intelligenz Nvidia arbeitet auch mit allen Cloud-Center-Anbietern zusammen, um diese Funktion als AI-as-a-Service über IaaS-, SaaS- und PaaS-Modelle zugänglicher zu machen. Dieser Aspekt der KI verwendet neuronale Netze, regelbasierte Systeme, statistische Methoden und andere KI-Techniken, um neue Bilder, neuen Text, neue Musik und neue Ideen zu generieren.
Nach Kritik an diesen Bestimmungen ließ der ehemalige Stadtrat James Vacca die Anforderungen zugunsten einer Task Force fallen, die diese Fragen untersucht. Ein Beispiel für neue Möglichkeiten, Schüler auf eine digitale Zukunft vorzubereiten, ist das Teacher Advisor-Programm von IBM, das die kostenlosen Online-Tools von Watson nutzt, um Lehrern dabei zu helfen, das neueste Wissen in den Unterricht zu bringen. Sie ermöglichen Lehrern, neue Unterrichtspläne in MINT- und Nicht-MINT-Bereichen zu entwickeln, relevante Lehrvideos zu finden und Schülern zu helfen, das Beste aus dem Klassenzimmer herauszuholen.58 Als solche sind sie Vorläufer neuer Bildungsumgebungen, die geschaffen werden müssen. In einer KI-Welt sind nicht nur technische Fähigkeiten erforderlich, sondern unter anderem Fähigkeiten des kritischen Denkens, der Zusammenarbeit, des Designs, der visuellen Anzeige von Informationen und des unabhängigen Denkens.
Die Erwartungsmaximierung, einer der beliebtesten Algorithmen beim maschinellen Lernen, ermöglicht das Clustering bei Vorhandensein unbekannter latenter Variablen. Mehrere Arbeiten nutzen KI, um uns dazu zu zwingen, uns der grundlegenden Frage zu stellen, was uns zu Menschen macht, und zeigen uns künstliche Wesen, die die Fähigkeit haben, zu fühlen und damit zu leiden. Dies erscheint in Karel Čapeks R.U.R., den Filmen A.I. Künstliche Intelligenz und Ex Machina sowie der Roman Do Androids Dream of Electric Sheep? Dick zieht die Idee in Betracht, dass unser Verständnis der menschlichen Subjektivität durch Technologie verändert wird, die mit künstlicher Intelligenz geschaffen wurde. Isaac Asimov stellte die drei Gesetze der Robotik in vielen Büchern und Geschichten vor, insbesondere in der „Multivac“-Serie über einen superintelligenten Computer gleichen Namens.
Bundesbeamte müssen sich überlegen, wie sie mit künstlicher Intelligenz umgehen. Wie bereits erwähnt, gibt es viele Probleme, die von der Notwendigkeit eines verbesserten Datenzugriffs bis hin zur Behandlung von Voreingenommenheit und Diskriminierung reichen. Es ist von entscheidender Bedeutung, dass diese und andere Bedenken berücksichtigt werden, damit wir die Vorteile dieser neuen Technologie voll ausschöpfen können. Da sich KI-Anwendungen in vielen Bereichen beschleunigen, ist es von entscheidender Bedeutung, dass wir unsere Bildungseinrichtungen für eine Welt neu gestalten, in der KI allgegenwärtig sein wird und Schüler eine andere Art von Ausbildung benötigen, als sie derzeit erhalten. Derzeit erhalten viele Schüler keinen Unterricht in den Fähigkeiten, die in einer von KI dominierten Landschaft benötigt werden.
Logik wird zur Wissensrepräsentation und Problemlösung verwendet, kann aber auch auf andere Probleme angewendet werden. Beispielsweise verwendet der Satplan-Algorithmus Logik zur Planung, und die induktive Logikprogrammierung ist eine Methode zum Lernen. Die Erklärbarkeit ist ein potenzieller Stolperstein für den Einsatz von KI in Branchen, die strengen regulatorischen Anforderungen unterliegen. Beispielsweise unterliegen Finanzinstitute in den Vereinigten Staaten Vorschriften, die von ihnen verlangen, ihre Kreditvergabeentscheidungen zu erläutern. Wenn der Entscheidungsprozess nicht erklärt werden kann, kann das Programm als Black-Box-KI bezeichnet werden.
Das Erreichen künstlicher allgemeiner Intelligenz erwies sich als schwer fassbar, nicht unmittelbar bevorstehend, behindert durch Einschränkungen in der Computerverarbeitung und im Speicher sowie durch die Komplexität des Problems. Regierungen und Unternehmen zogen sich von ihrer Unterstützung der KI-Forschung zurück, was zu einer Brachezeit von 1974 bis 1980 führte, die als erster „KI-Winter“ bekannt ist. Trotz potenzieller Risiken gibt es derzeit nur wenige Vorschriften für den Einsatz von KI-Tools, und wo Gesetze existieren, beziehen sie sich in der Regel indirekt auf KI. Wie bereits erwähnt, verlangen beispielsweise die US-amerikanischen Fair-Lending-Vorschriften von Finanzinstituten, potenziellen Kunden Kreditentscheidungen zu erläutern.
Virtuelle KI-Assistenten werden eingesetzt, um die Einhaltung von Bankvorschriften zu verbessern und die Kosten zu senken. Bankorganisationen nutzen KI, um ihre Entscheidungsfindung für Kredite zu verbessern, Kreditlimits festzulegen und Investitionsmöglichkeiten zu identifizieren. Unser Ziel ist es, das Verständnis der Welt für den Klimawandel, seine Auswirkungen und was jetzt getan werden kann, zu verbessern. Bessere Daten und Technologien werden darüber informieren, wie wir globale Auswirkungen wie den Anstieg des Meeresspiegels, die Zerstörung von Gemeinschaften und den Verlust der biologischen Vielfalt mildern und uns an sie anpassen. Skylight trägt dazu bei, illegale, nicht gemeldete und unregulierte Fischerei durch Technologie zu reduzieren, die Transparenz und umsetzbare Informationen für die maritime Durchsetzung bietet.
Andere Argumente diskutieren die Ethik der künstlichen Intelligenz und ob intelligente Systeme wie Roboter mit den gleichen Rechten wie Menschen behandelt werden sollten. Die Technologie kann in vielen verschiedenen Sektoren und Industrien angewendet werden. KI wird in der Gesundheitsbranche getestet und eingesetzt, um Medikamente zu dosieren und verschiedene Behandlungen zu verteilen, die auf bestimmte Patienten zugeschnitten sind, und um chirurgische Eingriffe im Operationssaal zu unterstützen.
Die Global Partnership on Artificial Intelligence wurde im Juni 2020 ins Leben gerufen, um sicherzustellen, dass KI im Einklang mit Menschenrechten und demokratischen Werten entwickelt werden muss öffentliches Vertrauen und Vertrauen in die Technologie. Henry Kissinger, Eric Schmidt und Daniel Huttenlocher veröffentlichten im November 2021 eine gemeinsame Erklärung, in der sie eine Regierungskommission zur Regulierung von KI fordern. Ein Schlüsselbegriff aus der Wirtschaftswissenschaft ist „Nutzen“, ein Maß dafür, wie wertvoll etwas für einen intelligenten Agenten ist. Präzise mathematische Werkzeuge wurden entwickelt, die analysieren, wie ein Agent Entscheidungen treffen und planen kann, indem Entscheidungstheorie, Entscheidungsanalyse und Informationswerttheorie verwendet werden.