Glossar der Begriffe in der künstlichen Intelligenz

Unter Wissenschaftlern und Experten gibt es viele Meinungsverschiedenheiten über die Zukunft von Künstliche Intelligenz. Während die einen von den Aussichten selbstlernender Computer und Roboter begeistert sind, haben andere wie Stephen Hawkings Vorbehalte dagegen. Laut Stephen Hawkings könnten Roboter den Planeten übernehmen, wenn die Forschung im Bereich der künstlichen Intelligenz nicht richtig durchgeführt wird.

Vor einigen Wochen war ein Roboter in den Nachrichten, der Menschen zu seinem Haustier machen wollte. Es könnte so programmiert worden sein, dass es das sagt. Eine andere Nachricht hat einen „frustrierten“ Roboter, der einen Menschen an einem Auto-Fließband in Japan tötet. Wir wissen nicht genau, was der Fortschritt auf dem Gebiet der künstlichen Intelligenz ist. Wir wissen auch nicht, ob es gut wird oder ob sich die Befürchtungen von Stephen Hawkings bewahrheiten. Unabhängig davon müssen wir die Schlagworte kennen, die in der Welt der künstlichen Intelligenz verwendet werden, um Facharbeiten studieren zu können und uns nicht im Begriffswirrwarr zu verlieren. Ich habe eine kleine, aber wichtige Liste von Begriffen zusammengestellt, die in der künstlichen Intelligenz verwendet werden, damit Sie beim nächsten Mal, wenn Sie eine Arbeit zu diesem Thema lesen, nicht nach den in der Arbeit verwendeten Wörtern googeln müssen.

Begriffe in der künstlichen Intelligenz

Vorwärtsverkettung: Ein Prozess, bei dem die Maschinen von einem bestimmten Punkt aus weiterforschen – indem sie eine Folge von Wenn-Dann-Teilprozessen verwenden, um das gewünschte Ziel zu erreichen. Ziel ist es, ein System zu finden, das für eine bestimmte Reihe von Problemen funktioniert.

Induktives Denken: Ein Prozess, bei dem Beweise und Datensätze verwendet werden, um bestimmte Ziele zu erreichen. Dies sollte sich nicht wesentlich von der normalen Programmierung unterscheiden, da es mit bereits vorhandenen Datensätzen arbeitet, anstatt sie zu konstruieren. Der Prozess des Sammelns von Daten und deren Aggregation basierend auf ihrer Art wird als bezeichnet Data-Mining und Induktives Denken verwendet die Datensätze, die als Ergebnis von Data Mining erstellt wurden.

Maschinelles Lernen: Maschinelles Lernen, ein weiterer beängstigender Begriff, der in der künstlichen Intelligenz verwendet wird, bezieht sich auf Maschinen, die agieren, ohne mit Programmen zur Ausführung von Aufgaben gefüttert zu werden. Das maschinelle Lernen kommt hinzu und verbessert sich mit zunehmender Lebensdauer des Systems. Es verwendet die in der Vergangenheit erzielten Ergebnismuster, um für aktuelle Ziele zu handeln.

NLP – Verarbeitung natürlicher Sprache: Ein weiterer beliebter Begriff in der künstlichen Intelligenz, die Verarbeitung natürlicher Sprache, basiert auf Spracherkennung oder gestenbasierten Eingaben. Hier geht es darum, die menschliche Sprache so zu verstehen, wie sie sie als Befehle aufnimmt. Je mehr Sie mithilfe von NLP mit der Maschine interagieren, desto besser versteht und verarbeitet sie Ihre Befehle.

Beschneidung: Der Prozess der Codebereinigung, damit unerwünschte Lösungen eliminiert werden können. Aber mit dem Kürzen von Code (Pruning) wird die Anzahl der Entscheidungen, die von Maschinen getroffen werden können, eingeschränkt.

Starke KI: Strong bezieht sich auf das Gebiet der künstlichen Intelligenz, das darauf hinarbeitet, KI-Maschinen gehirnähnliche Kräfte zu verleihen; Tatsächlich arbeitet es daran, Maschinen so intelligent wie Menschen zu machen

Schwache KI: Die meisten der heute auf dem Markt befindlichen KI-Systeme sind schwache KI (künstliche Intelligenz). Schwache KI-Maschinen können immer noch ihre eigenen Entscheidungen auf der Grundlage von Argumenten und früheren Datensätzen treffen.

Das sind nach meinem Verständnis die wichtigsten Begriffe, die in der künstlichen Intelligenz verwendet werden.

Lesen: Fakten und Mythen über künstliche Intelligenz: Schwache KI, starke KI und Super-KI.