×

LingQをより快適にするためCookieを使用しています。サイトの訪問により同意したと見なされます cookie policy.


image

Youtube-Lektionen - April 2020, KÜNSTLICHE INTELLIGENZ erklärt 🧠 Deep Learning, NLP, Machine Learning | rabbit

KÜNSTLICHE INTELLIGENZ erklärt 🧠 Deep Learning, NLP, Machine Learning | rabbit

So, Hefte raus, Klassenarbeit!

Frage Nummer eins: Alexa, Was ist der Unterschied zwischen Künstlicher Intelligenz, Deep Learning,

Machine Learning und NLP?

(Alexa spricht Kauderwelsch)

Kapiert?

Ich glaube, wir sollten uns das noch mal etwas genauer anschauen, oder?

Hallo zusammen ich bin Tim Wiengarten von rabbit mobile und ich helfe Ihnen zusammen

mit meinem Team dabei, Ihr Unternehmen digital und mobil zu machen.

Wenn man sich über eine Sache wirklich nicht beklagen kann dann ist es ein Mangel an Buzzwords.

Und „Künstliche Intelligenz“ mit allem, was dazu gehört ist ganz sicher momentan

in den Top 10 der inflationärsten Begriffe.

Aber was steckt nun dahinter?

Und ist eigentlich immer Künstliche Intelligenz drin, wo künstliche Intelligenz draufsteht?

Das klären wir jetzt, und in weniger als 10 Minuten sind Sie schlauer als 90% Ihrer

Mitmenschen.

Also von vorne: Künstliche Intelligenz, oder manchmal auch KI abgekürzt ist exakt dasselbe

wie AI, was nämlich einfach nur die Abkürzung für den englischen Begriff Artificial Intelligence

ist.

Check, schon was gelernt.

KI fasst allgemein alles zusammen, was irgendeine Art von Intelligenzleistung von Maschinen

bezeichnet, die sich daran orientiert, was einen Menschen intelligent macht.

KI ist also der Oberbegriff für alles, was sich da an Spielarten so tummelt.

Manchmal werden Sie vielleicht von schwacher KI und starker KI hören.

Und obwohl sich natürlich alle, die sich damit beschäftigen, kräftig auf die Brust

trommeln und erzählen, wie mächtig die KI ist, die sie erschaffen haben, ist alles,

was heute im Jahr 2019 technisch möglich ist, schwache KI.

Damit will ich nicht sagen, dass die Fortschritte auf dem Gebiet nicht riesig wären, aber nach

wie vor ist keine Maschine bisher dazu in der Lage, auch nur in die Nähe menschlicher

Intelligenz zu kommen.

Und das wäre nämlich „starke KI“.

Wie gesagt: Bis heute, Stand Sommer 2019, bleibt das Science Fiction.

„Was?

Was?

War da nicht dieser Schachcomputer, gegen den es schon seit Jahren kein menschlicher

Gegner mehr aufnehmen kann?“

Laaangsam, zu dem komme ich noch.

Den gibt es tatsächlich, aber wenn wir mit dem Video durch sind, wissen Sie, warum auch

der nur schwach intelligent ist.

Schwache KI bedeutet aber nicht, dass das Ergebnis nicht extrem beeindruckend sein kann,

oder Alexa?

Alexa: „Hä?

Ich habe die Frage jetzt nicht ganz verstanden.

Kannst du mich nicht einfach nach dem Wetter fragen oder so?“

Mmmh, später vielleicht.

Nun haben wir ja noch ein paar Begriffe, die im Zusammenhang mit Künstlicher Intelligenz

immer wieder fallen, vor allem „Machine Learning”, „Natural Language Processing”

und „Deep Learning”.

Fangen wir also mit dem ersten Begriff an: „Machine Learning“.

Machine Learning bedeutet im Prinzip nichts anderes, als dass durch bestimmte mathematische

Prozesse ein Computer dazu in die Lage versetzt wird, selbstständig zu lernen.

Das klingt so wenig, wenn man das in einem Satz beschreibt, ist aber tatsächlich ein

ziemlicher Fortschritt, denn in der Vergangenheit war es bisher ja immer so, dass Computer erst

mal doof waren und auch für immer doof blieben, wenn ihnen nicht über Software bestimmte

Dinge beigebracht wurden, oder Alexa?

Alexa: „Was?

Ich habe mir gerade ein Sandwich gemacht, sorry.“

Ok, dann machen wir erst mal ohne dich weiter...

Als nächstes zum „Natural Language Processing“.

Aufgepasst!

Das wird manchmal mit „NLP“ abgekürzt, hat aber nichts mit esoterisch-kuscheligen

Kommunikationstechniken zu tun, sondern mit der Verarbeitung von geschriebener oder gesprochener

Sprache.

Das ist jetzt nichts neues.

Digitale Texterkennung, ob jetzt gesprochen oder geschrieben, existiert schon seit Jahrzehnten.

Allerdings konnten erst durch die Möglichkeiten selbst lernender Maschinen echte nennenswerte

Fortschritte gemacht werden.

Deshalb basiert NLP nach wie vor zwar auf festen Regeln und Mustern, aber vieles eben

auch auf den Möglichkeiten von Machine Learning.

Nun zum letzten Punkt und damit zu einem ganz besonderen Teilbereich des Machine Learning,

nämlich dem „Deep Learning“.

Deep Learning simuliert neuronale Netze und versucht so, besonders effizient und selbstständig

zu lernen.

Über diese neuronalen Netze kann der Computer, wenn er einmal ein Muster zu welcher Frage

auch immer erkannt hat, diese Muster dauernd an neuem Input ausprobieren und über Versuch

und Irrtum sein eigenes Muster immer weiter verfeinern und treffsicherer machen.

Im Prinzip ist das so, wie wenn Sie beginnen, sich mit Wein zu beschäftigen.

Am Anfang schmeckt das Zeug irgendwie immer gleich, irgendwo zwischen sauer und bitter.

Aber je häufiger Sie probieren und auf die einzelnen Details achten, desto besser fällt

es Ihnen, einzelne Rebsorten zu unterscheiden, Regionen, Jahrgänge und so weiter.

Und genau so, wie Sie beim Wein vielleicht einfach erst mal mit der gröbsten Frage anfangen,

ob es eigentlich ein weißer oder ein roter ist, und sich von dort immer weiter in die

Details vorabeiten, genau so funktionieren die einzelnen Schichten in den neuronalen

Netzen des Deep Learning.

Wenn ein Deep Learning Algorithmus erst einmal erfahren genug ist, kann er mit sehr großer

Treffsicherheit einen völlig neuen Input erkennen und deuten.

Genau wie ein Weinkenner dazu in der Lage ist, einen Wein zuzuordnen, den er noch nie

vorher getrunken hat.

Also, kommen wir noch mal kurz zurück zu unserem Schachcomputer, gegen den kein menschlicher

Gegner mehr eine Chance hat.

Dieser Computer hat es über eine große Anzahl von Zügen, die er gesehen und zum größten

Teil einfach mit sich selbst gespielt hat, und über neuronale Netze und Deep Learning

Mechanismen, einfach zu einem so viel größeren Erfahrungsschatz gebracht, als ihn ein Mensch

überhaupt jemals haben könnte.

Und während Sie vorm Bildschirm sitzen und dieses Video schauen, geht der Schachcomputer

gerade in Gedanken tausende von Partien durch und deutet die Zusammenhänge zwischen Zügen

und deren Ergebnissen.

Die beeindruckende Leistung, jeden menschlichen Gegner im Schach zu besiegen, ist also hauptsächlich

neuronalen Netzen und einer riesigen Rechnerleistung geschuldet.

Trotzdem ist das nach wie vor „schwache“ KI, denn für „starke“ KI müsste der

Computer zum Erkennen von allen Zwischentönen in der Lage sein, die bisher nur Menschen

erkennen.

Zum Beispiel zum Verstehen von Ironie oder Humor oder der Fähigkeit zur Empathie.

Und das müssen wir Menschen – vielleicht zum Glück – bisher immer noch selbst machen.

Oder Alexa?

„Also wenn ich Arme hätte, dann würde ich dich jetzt drücken.

Das war so ein tolles Video heute.“


KÜNSTLICHE INTELLIGENZ erklärt 🧠 Deep Learning, NLP, Machine Learning | rabbit ARTIFICIAL INTELLIGENCE explained 🧠 Deep Learning, NLP, Machine Learning | rabbit INTELIGÊNCIA ARTIFICIAL explicada 🧠 Aprendizagem profunda, PNL, aprendizagem automática | coelho

So, Hefte raus, Klassenarbeit! Alors, cahiers sortis, travail en classe!

Frage Nummer eins: Alexa, Was ist der Unterschied zwischen Künstlicher Intelligenz, Deep Learning,

Machine Learning und NLP?

(Alexa spricht Kauderwelsch)

Kapiert?

Ich glaube, wir sollten uns das noch mal etwas genauer anschauen, oder? Je pense que nous devrions regarder de plus près, non?

Hallo zusammen ich bin Tim Wiengarten von rabbit mobile und ich helfe Ihnen zusammen

mit meinem Team dabei, Ihr Unternehmen digital und mobil zu machen.

Wenn man sich über eine Sache wirklich nicht beklagen kann dann ist es ein Mangel an Buzzwords. S'il y a une chose dont on ne peut vraiment pas se plaindre, c'est le manque de mots à la mode.

Und „Künstliche Intelligenz“ mit allem, was dazu gehört ist ganz sicher momentan

in den Top 10 der inflationärsten Begriffe.

Aber was steckt nun dahinter? Mais qu'y a-t-il derrière maintenant?

Und ist eigentlich immer Künstliche Intelligenz drin, wo künstliche Intelligenz draufsteht?

Das klären wir jetzt, und in weniger als 10 Minuten sind Sie schlauer als 90% Ihrer

Mitmenschen. Semblables.

Also von vorne: Künstliche Intelligenz, oder manchmal auch KI abgekürzt ist exakt dasselbe

wie AI, was nämlich einfach nur die Abkürzung für den englischen Begriff Artificial Intelligence

ist.

Check, schon was gelernt.

KI fasst allgemein alles zusammen, was irgendeine Art von Intelligenzleistung von Maschinen L'IA résume généralement tout ce qui a n'importe quel type de performance d'intelligence des machines

bezeichnet, die sich daran orientiert, was einen Menschen intelligent macht.

KI ist also der Oberbegriff für alles, was sich da an Spielarten so tummelt. L'intelligence artificielle est le terme générique pour tout ce qui s'y mêle en termes de types de jeux.

Manchmal werden Sie vielleicht von schwacher KI und starker KI hören.

Und obwohl sich natürlich alle, die sich damit beschäftigen, kräftig auf die Brust Et bien que, bien sûr, tous ceux qui s'en occupent mettent beaucoup de pression sur leur poitrine

trommeln und erzählen, wie mächtig die KI ist, die sie erschaffen haben, ist alles,

was heute im Jahr 2019 technisch möglich ist, schwache KI.

Damit will ich nicht sagen, dass die Fortschritte auf dem Gebiet nicht riesig wären, aber nach

wie vor ist keine Maschine bisher dazu in der Lage, auch nur in die Nähe menschlicher Comme auparavant, aucune machine n'a encore pu faire cela, même à proximité des humains

Intelligenz zu kommen.

Und das wäre nämlich „starke KI“.

Wie gesagt: Bis heute, Stand Sommer 2019, bleibt das Science Fiction.

„Was?

Was?

War da nicht dieser Schachcomputer, gegen den es schon seit Jahren kein menschlicher

Gegner mehr aufnehmen kann?“ L'adversaire peut en prendre plus? "

Laaangsam, zu dem komme ich noch. Lentement, j'y reviendrai plus tard.

Den gibt es tatsächlich, aber wenn wir mit dem Video durch sind, wissen Sie, warum auch Il y en a en fait, mais une fois la vidéo terminée, vous saurez pourquoi

der nur schwach intelligent ist.

Schwache KI bedeutet aber nicht, dass das Ergebnis nicht extrem beeindruckend sein kann,

oder Alexa?

Alexa: „Hä?

Ich habe die Frage jetzt nicht ganz verstanden.

Kannst du mich nicht einfach nach dem Wetter fragen oder so?“

Mmmh, später vielleicht.

Nun haben wir ja noch ein paar Begriffe, die im Zusammenhang mit Künstlicher Intelligenz

immer wieder fallen, vor allem „Machine Learning”, „Natural Language Processing”

und „Deep Learning”.

Fangen wir also mit dem ersten Begriff an: „Machine Learning“.

Machine Learning bedeutet im Prinzip nichts anderes, als dass durch bestimmte mathematische

Prozesse ein Computer dazu in die Lage versetzt wird, selbstständig zu lernen.

Das klingt so wenig, wenn man das in einem Satz beschreibt, ist aber tatsächlich ein

ziemlicher Fortschritt, denn in der Vergangenheit war es bisher ja immer so, dass Computer erst

mal doof waren und auch für immer doof blieben, wenn ihnen nicht über Software bestimmte

Dinge beigebracht wurden, oder Alexa?

Alexa: „Was?

Ich habe mir gerade ein Sandwich gemacht, sorry.“

Ok, dann machen wir erst mal ohne dich weiter...

Als nächstes zum „Natural Language Processing“.

Aufgepasst! Attention!

Das wird manchmal mit „NLP“ abgekürzt, hat aber nichts mit esoterisch-kuscheligen

Kommunikationstechniken zu tun, sondern mit der Verarbeitung von geschriebener oder gesprochener

Sprache.

Das ist jetzt nichts neues.

Digitale Texterkennung, ob jetzt gesprochen oder geschrieben, existiert schon seit Jahrzehnten.

Allerdings konnten erst durch die Möglichkeiten selbst lernender Maschinen echte nennenswerte

Fortschritte gemacht werden.

Deshalb basiert NLP nach wie vor zwar auf festen Regeln und Mustern, aber vieles eben

auch auf den Möglichkeiten von Machine Learning.

Nun zum letzten Punkt und damit zu einem ganz besonderen Teilbereich des Machine Learning,

nämlich dem „Deep Learning“.

Deep Learning simuliert neuronale Netze und versucht so, besonders effizient und selbstständig

zu lernen.

Über diese neuronalen Netze kann der Computer, wenn er einmal ein Muster zu welcher Frage

auch immer erkannt hat, diese Muster dauernd an neuem Input ausprobieren und über Versuch

und Irrtum sein eigenes Muster immer weiter verfeinern und treffsicherer machen.

Im Prinzip ist das so, wie wenn Sie beginnen, sich mit Wein zu beschäftigen.

Am Anfang schmeckt das Zeug irgendwie immer gleich, irgendwo zwischen sauer und bitter.

Aber je häufiger Sie probieren und auf die einzelnen Details achten, desto besser fällt

es Ihnen, einzelne Rebsorten zu unterscheiden, Regionen, Jahrgänge und so weiter.

Und genau so, wie Sie beim Wein vielleicht einfach erst mal mit der gröbsten Frage anfangen,

ob es eigentlich ein weißer oder ein roter ist, und sich von dort immer weiter in die

Details vorabeiten, genau so funktionieren die einzelnen Schichten in den neuronalen

Netzen des Deep Learning.

Wenn ein Deep Learning Algorithmus erst einmal erfahren genug ist, kann er mit sehr großer

Treffsicherheit einen völlig neuen Input erkennen und deuten.

Genau wie ein Weinkenner dazu in der Lage ist, einen Wein zuzuordnen, den er noch nie

vorher getrunken hat.

Also, kommen wir noch mal kurz zurück zu unserem Schachcomputer, gegen den kein menschlicher

Gegner mehr eine Chance hat.

Dieser Computer hat es über eine große Anzahl von Zügen, die er gesehen und zum größten

Teil einfach mit sich selbst gespielt hat, und über neuronale Netze und Deep Learning

Mechanismen, einfach zu einem so viel größeren Erfahrungsschatz gebracht, als ihn ein Mensch

überhaupt jemals haben könnte.

Und während Sie vorm Bildschirm sitzen und dieses Video schauen, geht der Schachcomputer

gerade in Gedanken tausende von Partien durch und deutet die Zusammenhänge zwischen Zügen

und deren Ergebnissen.

Die beeindruckende Leistung, jeden menschlichen Gegner im Schach zu besiegen, ist also hauptsächlich

neuronalen Netzen und einer riesigen Rechnerleistung geschuldet.

Trotzdem ist das nach wie vor „schwache“ KI, denn für „starke“ KI müsste der

Computer zum Erkennen von allen Zwischentönen in der Lage sein, die bisher nur Menschen

erkennen.

Zum Beispiel zum Verstehen von Ironie oder Humor oder der Fähigkeit zur Empathie.

Und das müssen wir Menschen – vielleicht zum Glück – bisher immer noch selbst machen.

Oder Alexa?

„Also wenn ich Arme hätte, dann würde ich dich jetzt drücken.

Das war so ein tolles Video heute.“