Modul 1: Einführung

Grundlagen der Künstlichen Intelligenz: Definitionen, Entwicklung und wichtige Konzepte

In diesem Einführungsmodul wird ein Überblick über das Thema Künstliche Intelligenz (KI) gegeben, was KI ist und wie sie grob funktioniert. Verschiedene Anwendungsbereiche veranschaulichen die Funktionsweise.

Lernziele

Die Lernziele des Kurses orientieren sich am Prinzip des "Deeper Learning". Der Fokus liegt auf den drei Kernbereichen: Wissen, Handeln und Engagieren. Durch die sorgfältige Integration aller drei Kernbereiche wird eine ganzheitliche, interaktive und inspirierende Lernumgebung ermöglicht, die das Lernen vertieft und ins Handeln bringt.

Ziel des Moduls ist es, ein erstes grundlegendes Verständnis von KI aufzubauen und die Bandbreite und Bedeutung des Themas zu erfahren.
In diesem Modul lernen wir die Grundlagen von KI sowie die Unterschiede zwischen menschlicher und künstlicher Intelligenz. Darüber hinaus lernen wir Anwendungsgebiete in Alltag und Beruf kennen.
Wir zeigen Ihnen Anwendungsmöglichkeiten, mit denen Sie starten können und unterstützen mit Einstiegsmöglichkeiten, um schnell ins praktische, gezielte Anwenden von KI zu gelangen.
Wir ermutigen Sie, Ihr Wissen zu teilen und mit anderen in den Austausch zu gehen. Diskutieren Sie Zweifelsfälle und ständige Neuerungen in der Technologie. Im gegenseitigen Austausch lernen wir, unsere eigene Meinung zu bilden und uns zu positionieren.

Lernvideo

In diesem Video sehen wir uns die Grundlagen von KI an. Die Experten Thomas Schmidt und Benjamin Beuster zeigen aktuelle Anwendungsgebiete von KI wie Sprachassistenten, medizinische Diagnose oder Optimierung in der Landwirtschaft auf. Entdecken Sie die Bandbreite an vielfältigen Anwendungsgebieten von KI in Alltag und Beruf.

Aktivierung erforderlich

Durch das Klicken auf dieses Video werden in Zukunft Youtube-Videos auf www.it-fitness.de eingeblendet. Wir möchten Sie darauf hinweisen, dass nach der Aktivierung Daten an Youtube übermittelt werden.

Grundlagen über KI

Es gibt nicht die eine Definition, was KI ist, sondern sehr viele. Es kommt darauf an, wen man fragt.

Fragen wir die KI einmal selbst, was eine allgemeine Definition für KI ist:
"Künstliche Intelligenz (KI) bezeichnet die Fähigkeit von Computern und Maschinen, menschenähnliche Aufgaben zu übernehmen. Dazu gehören Lernen, Problemlösung, Entscheidungsfindung und Mustererkennung in Daten. KI-Systeme nutzen Algorithmen und Modelle, um Informationen zu verarbeiten, zu lernen und sich anzupassen. Ziel ist es, Maschinen intelligente Handlungen ausführen zu lassen und komplexe Probleme zu lösen." ChatGPT

KI ist also eine Art Computerprogramm, das in der Lage ist, intelligente Handlungen durchzuführen, wie es typischerweise auch Menschen können. Mehr dazu wie KI lernt, erfahren wir im nächsten Modul.

Ziel von KI ist es, die intelligenten Handlungen von Menschen nicht nur nachahmen zu können, sondern sie auch übertreffen zu können.

Wichtige Konzepte von KI

Wenn Computer lernen, dann nennt man dies maschinelles Lernen (ML). Der Unterschied zu programmieren besteht darin, dass Computer in die Lage versetzt werden, selbst Daten auszuwerten und daraus Schlussfolgerungen abzuleiten. Man spricht dabei auch von Mustererkennung. Das beschreibt die Fähigkeit, Regelmäßigkeiten und Strukturen in Daten zu erkennen.

Ein weiterer wichtiger Begriff ist das KI-Modell. Es ist das Ergebnis des KI-Trainings und speichert gewissermaßen die Erinnerungen der KI. Bekannte Modelle sind GPT-3, GPT-3.5 turbo und GPT-4. Diese Sprach-KI-Modelle dienen dem Zweck, Dialoge mit Menschen zu führen und unterscheiden sich in Fähigkeiten, Aktualität und Geschwindigkeit. Jede KI hat ein trainiertes Modell.

Grundlage solcher Modelle sind bis auf wenige Ausnahmen künstliche Neuronale Netze. Neuron ist ein anderes Wort für Nervenzelle. Ein neuronales Netz ist also ein großes Netzwerk von Nervenzellen, ähnlich wie bei uns im Gehirn. In Computern finden wir keine echten Nervenzellen. Deshalb gibt es Computerprogramme, die die Funktion von Neuronen vereinfacht simulieren können. Das sind die künstlichen Neuronen.

Die wichtigsten Begriffe

Lernen Sie die wichtigsten Begriffe auf dem Gebiet der KI. Klappen Sie dazu den Text auf, der sich hinter dem jeweiligen Begriff befindet.
Bei den meisten bisherigen KIs treffen wir auf Beispiele für schwache KI (narrow AI). Dabei handelt es sich um KI, die in bestimmten Anwendungsgebieten sehr gut ist, aber nichts anderes kann. Beispielsweise kann eine Schach-KI gut Schach spielen, aber mir keine Gedichte schreiben. Eine KI, die mir Gedichte schreiben kann, malt mir keine Bilder und eine Bild-KI kann meine Daten nicht auswerten, damit ich beispielsweise Krankheiten schneller erkennen kann oder Geschäftsentscheidungen schneller treffen kann.
Die KI, die alle diese Fähigkeiten vereint, nennt man starke KI (general AI). Ein Beispiel für eine solche starke KI ist der Mensch, der mehrere intelligente Fähigkeiten in sich vereint. Mit dem passenden Training sind wir zu all diesen Handlungen in der Lage. Wenn wir an dem Punkt sind, wirklich starke KI zu entwickeln, werden wir wie auch bei der schwachen KI schnell an den Punkt kommen, dass die KI schnell schlauer wird als der Mensch. Den Zeitpunkt, an dem starke KI so schlau ist wie ein Mensch nennt man die technische Singularität.
Ein Algorithmus beschreibt eine bestimmte festgelegte Handlungsabfolge, die ein gewünschtes Ergebnis zur Folge haben soll. Bei dem Neuron geht es um Signalverarbeitung. Auf der einen Seite kommt im natürlichen wie auch künstlichen Neuron ein Signal an, das wird innerhalb des Neurons verarbeitet. Das Signal kann ignoriert werden, verstärkt werden, mit einem oder mehreren anderen Signalen kombiniert werden oder in etwas übersetzt werden. Ein Nervenimpuls im Menschen kann zum Beispiel in die Aktivierung eines Muskels übersetzt werden. In einem künstlichen Neuron gibt es auch diese festgelegten Abläufe. Das ist ein Algorithmus.
Das Überwachte Lernen (Supervised Learing) ist eine von drei Formen des maschinellen Lernens. Dabei werden Daten mit passender Beschriftung zum Training der KI verwendet. Die Beschriftung der Daten nennt man auch Label. Ich möchte beispielsweise einer KI beibringen unterschiedliche Früchte zu erkennen. Dazu zeige ich viele Bilder von Äpfeln und Bananen. Jedes Mal, wenn ich der KI ein Bild zeige, gebe ich ihr zusätzlich das passende Label dazu. Die KI stellt eine Beziehung zwischen dem Label und dem Bild her. Nach einigen weiteren Schritten (in Modul 2 dazu etwas mehr) kann ich der KI ein Bild einer der Früchte zeigen und ich bekomme die Antwort zurück, was darauf zu sehen ist.
Bei dem Unüberwachten Lernen (Unsupervised Learning) mache ich das ganz ähnlich wie bei dem Überwachten Lernen. Der Unterschied ist, dass ich keine Label dazu gebe. Die KI soll also selbstständig erkennen, dass es sich bei den Bildern um Darstellungen unterschiedlicher Dinge handeln. Die KI kann sie natürlich dann nicht benennen. Sie kann die Bilder aber verschiedenen Klassen zuweisen (Klassifizierung). Wenn ich (viele) Bilder von 10 unterschiedlichen Früchten zeige, dann kann die KI am Ende meines Trainings 10 verschiedene Klassen unterscheiden.
Bei dem Verstärkenden Lernen (Reinforced Learning) interagieren Menschen oder andere KIs mit der zu trainierenden KI. Ein Beispiel dafür ist chatGPT. Die KI kann durch Wahrscheinlichkeitsberechnung vorhersagen, welche Worte in Lückentexte passen oder die wahrscheinlichste Antwort auf eine Frage geben. Besonders am Anfang lag die KI noch häufig daneben. Damit sie immer besser mit ihren Antworten wird, trainieren Menschen sie weiter, indem die Qualität der Antwort bewertet wird.
Künstliche Neuronale Netzwerke sind häufig in Schichten von künstlichen Neuronen organisiert. Jede Schicht (Layer) steht dabei für einen bestimmten Verarbeitungsschritt der Daten. Je mehr Schichten ein solches Netzwerk hat, desto größer ist das Potential Dinge zu lernen. Leider steigen mit zunehmender Anzahl von Schichten auch die Anforderungen an die Computer, die diese Netzwerke betreiben. Auch der Energiebedarf steigt und die Zeit, die es dauert, bis das Netzwerk richtig trainiert ist. Die großen Neuronalen Netze mit besonders vielen Schichten nennt man dann Deep Learning.
Bei Natural Language Processing (NLP) - auf deutsch "natürliche Sprache verstehen" - spricht man von KIs, die in der Lage sind, normale menschliche Sprache zu verstehen und entsprechend darauf reagieren zu können. Es ist nicht mehr notwendig, spezielle Codewörter zu sagen, damit die KI eine Handlung ausführt.

Was ist künstliche und was menschliche Intelligenz?

Was unterscheidet künstliche von natürlicher Intelligenz? Welche intelligente Leistung eines Menschen lässt sich nicht mit KI nachbauen? Gibt es eine grundsätzliche Unterscheidung, in der wir Menschen uns immer von einer KI unterscheiden, man sie also nicht nachbauen kann und in einer künstlichen Intelligenz wiederfinden kann? Wir möchten an der Stelle keine abschließende Antwort geben, aber einen Anstoß liefern, sich selbst mit der Frage auseinanderzusetzen.
Wir haben mit vielen Menschen über das Thema gesprochen. Ein klassisches Beispiel für Dinge, die ein Mensch kann, aber keine KI, ist es Emotionen/ Gefühle zu haben. Wie kann ich Emotionen bei anderen Menschen messen? Wie kann ich sicher sein, dass jemand so empfindet wie ich? Ich kann eine andere Person fragen, was sie gerade fühlt. Aber es ist leicht zu sagen, dass ich fröhlich bin, obwohl ich traurig bin. Das kann eine KI auch. Ich kann mir anschauen, wie sich eine Person verhält. Aber das können Schauspieler auch und wenn KI einen Körper hat, wie bei Robotern, dann kann mir die KI auch vorspielen eine bestimmte Emotion zu haben. Es wurde gesagt, dass man nur mit Emotionen wahre Kunst machen kann, also Musik komponieren oder Bilder malen. Wir haben diesen Personen Bilder gezeigt, die entweder von KI oder von Menschen gemalt wurden. Die Gruppen waren nicht in der Lage ein Bild, das durch einen Menschen gemalt wurde sicher zu erkennen.
Eine Idee bei Kunst ist, dass sie immer im Kontext zum Menschen stehen muss, der diese Kunst macht. Ein Kunstwerk allein für sich hat manchmal nur eine relativ geringe Aussagekraft und wird erst durch eine Hintergrundgeschichte oder das Leben des Künstlers bedeutsam. Hier kann KI erste Erfolge zeigen, dass auch das möglich ist.

Sicher, es ist keine große Kunst, zeigt aber sehr gut, dass es möglich ist, eine KI generierte Figur zu erschaffen, die das Leben eines Menschen hinter dem Kunstwerk erzählt.
Wir möchten damit nicht sagen, dass KI Emotionen haben kann. Es gibt nur keine gute Methode dies festzustellen. Wir können die Fragen, zumindest bis jetzt, nicht beantworten.
Es gibt ohne Frage Dinge, die bisher nur wir Menschen können. Wir Menschen haben alle eine starke Intelligenz (Vergleich starke KI), sind also in der Lage auf vielen Gebieten unsere Intelligenz zu zeigen. Es ist nur eine Frage der Zeit, bis auch die vielfältigen KIs ihre Fähigkeiten kombinieren. Schwache KI (narrow AI) reichen heute schon an die Experten auf den jeweiligen Gebieten heran.
Die Frage, was die KI kann, was der Mensch niemals können wird, ist auch spannend und lässt sich einfacher beantworten. Denn dazu sehen wir schon heute viele Beispiele. Eine KI kann schneller lernen als ein Mensch. Sie kann Millionen von Fotos innerhalb kurzer Zeit auswerten. Je mehr Rechenleistung, desto schneller. Im Projekt Gutenberg wurden 100.000 Bücher digitalisiert. Es gibt 60 Millionen Wikipedia-Artikel in 300 verschiedenen Sprachen. Viele KIs haben diese Texte gelesen. Wer kann das schon von sich behaupten? Sie ist ausdauernder als jeder Mensch. Eine KI ist rund um die Uhr 24/7 einsatzbereit. Sie kann deutlich reaktionsschneller als Menschen sein, später sehen wir viele Beispiele dafür.
Eine Sache ist fraglich, ob eine KI das kann: Kann eine KI intelligenter werden als ein Mensch? Sicher, als ein Mensch scheint möglich zu sein. Aber intelligenter als alle Menschen vielleicht nicht. Denn die Grundlage für das Wissen der künstlichen Intelligenz ist immer das Wissen der Menschen. Wir entscheiden, ob das, was uns die KI sagt richtig oder falsch ist. Was außerhalb unseres Wissens liegt, werden wir als falsch bewerten, auch wenn die KI da eventuell etwas Großem auf der Spur ist. Der Mensch ist und wird der Bewertungsmaßstab bleiben.
Die KI übernimmt alle Denkweisen von uns Menschen, wir sind also die Vorlage für das Ergebnis. Kann eine Kopie besser als die Vorlage werden?

KI-Anwendungen

Genug Theorie, jetzt sind Sie dran! Hier sehen Sie eine Auswahl an Bild- und Text-generierenden Künstlichen Intelligenzen. Die Beispiele zeigen ein breites Spektrum an Möglichkeiten.

Stöbern Sie durch die KI-Tools. Wie viele der Anwendungen kennen Sie bereits?

Wie schätzen Sie die KI-generierten Ergebnisse ein? Viel Spaß beim Ausprobieren!
Die Seite whichfaceisreal wurde von der University of Washington entwickelt, um ein Bewusstsein darüber zu schaffen, wie weit fortgeschritten KI mittlerweile ist, um Gesichter künstlich zu erzeugen. Die Demo ist aus dem Jahr 2019 und verwendet immer ein künstlich erzeugtes Bild und stellt es einem Foto gegenüber. Wer sich moderne Beispiele einer Bild KI anschauen möchte, kann die Seite von Midjourney anschauen.
Ein anderes eindrückliches Beispiel wie weit KI ist, zeigt die Seite HeyGen. Mit diesem Dienst ist es möglich einen synthetischen Sprecher oder eine Sprecherin zu nutzen, um zum Beispiel eine Produktvorstellung zu machen, einen Vortrag oder eine Motivationsrede zu halten. Ein vergleichbarer Dienst ist D-ID
Um einen Eindruck davon zu bekommen, wie es ist, selbst KI Bilder zu erzeugen, kann die Seite Clipdrop.co verwendet werden. Mit der hier gezeigten KI ist es möglich Bilder sofort nach Eingabe von einem Text zu bekommen. Versuchen Sie doch einmal den Text "Cat in space with a pink helmet". Sehen Sie dabei zu, wie das Bild nach jedem eingegebenen Wort verändert wird und sich weiter ausformt. Auf der Webseite lassen sich noch viele weitere Beispiele für bildgenerierende KI finden.
Natürliche Sprache verstehen und antworten. Wahrscheinlich hat fast jeder einmal von ChatGPT gehört. Eine KI, die uns Fragen zu allen möglichen Themen beantworten kann. Seit einiger Zeit versteht sie sogar gesprochene Sprache. Dazu braucht man die App für Mobiltelefone. Der Audio-Chat ist dann für alle kostenlos über das Audio Symbol im Chat Eingabefeld verfügbar.
Wer schon einmal eine zündende Geschäftsidee hatte, aber leider keine Ressourcen, um eine Webseite dafür zu entwerfen, kann jetzt mit dieser KI kostenlos in weniger als 5 Minuten eine eigene Webseite zu einem beliebigen Thema entwerfen. Hier haben wir mal schnell ein Comic Geschäft gegründet.

Fallstudien

Diese Fallstudien zeigen realistische Kontexte, in denen Künstliche Intelligenz zum Einsatz kommt. Sie repräsentieren verschiedene Anwendungsbereiche, in denen Künstliche Intelligenz eine bedeutende Rolle spielt. Nutzen Sie diese vielfältigen Beispiele, um Ihr Verständnis für die Anwendungsbereiche von KI zu vertiefen.

Die folgenden Fallstudien konzentrieren sich auf vier Bereiche: Erfahren Sie, wie Künstliche Intelligenz in der Medizin, der Landwirtschaft, der Forschung sowie der Mobilität eingesetzt wird. Haben Sie vielleicht selbst schon von einem der Bereiche gehört? Lassen Sie sich inspirieren.
KI kann uns in der Medizin helfen, indem sie CT- oder Röntgenbilder analysieren kann, sie kann die gesamte Krankheitsgeschichte anschauen, um asymptomatische Krankheiten zu finden, kann geeignete Medikamente oder Behandlungen vorschlagen oder dabei helfen perfekt passende Implantate oder Hörgeräte zu entwerfen.
In der Landwirtschaft gibt es einen großen Arbeitskräftemangel bei der Ernte, autonome Erntemaschinen sollen dieses Problem lösen.

In der Landwirtschaft werden meist im großen Umfang Herbizide, also Unkrautvernichtungsmittel, eingesetzt. Diese vernichten nicht nur die Unkräuter, sondern wandern mit dem Wind und dem Regenwasser auch an andere Orte und landen nicht selten auch auf unserem Teller. Eine Lösung mit Hilfe von KI ist die Entfernung unerwünschter Pflanzen mittels Laser oder elektrischen Stroms, wie dieses Projekt zeigt. Ähnliche Lösungen werden in Zukunft auch bei der Schädlingsbekämpfung möglich sein. Mittels KI werden zugleich die Wachstumsbedingungen auf Feldern überwacht, wodurch perfekt abgestimmte Dünge- und Wasserabgabe möglich ist.

Auch die Sortierung der Ernte ist mit KI schneller, als mit menschlichen Augen möglich.
KI kommt ursprünglich aus der Forschung und daher ist es keine Überraschung, wenn sie dort auch in vielen Bereichen eingesetzt wird. Die Anfänge reichen bis in die 1960er Jahre zurück, als der erste Chatbot namens ELIZA, ein Urahn von chatGPT, als eines der ersten Beispiele von funktionierender Künstlicher Intelligenz entwickelt wurde. Heute gibt es fast keinen Fachbereich, in dem keine KI eingesetzt wird.

So wird KI im Bereich Geographie zur Erdbebenforschung, in der Astronomie bei der Entdeckung von neuen Himmelskörpern, in der Biologie bei der Entdeckung neuer Arten und Entschlüsselung des genetischen Codes, in der Mathematik und Informatik zum Lösen von bisher ungelösten Problemen und in der Sprachwissenschaft zur Evolution der Sprache eingesetzt.

Eine übersichtliche Themenseite der Max-Plank-Gesellschaft gibt einen Einblick in die aktuelle Forschung mit dem Hilfsmittel KI.
Mobilität und künstliche Intelligenz sind zwei Themen, die sehr gut zusammenpassen. Das erklärte Ziel der Automatisierung in der Mobilität ist es, die Sicherheit zu erhöhen und die Kosten zu senken. Eine KI wird niemals übermüdet, emotional oder unter Alkoholeinfluss hinter dem Steuer sitzen. Sie kann in alle Richtungen schauen und deutlich schnellere Reaktionszeiten als ein Mensch haben. Alle größeren Autohersteller arbeiten an einer Lösung, autonomes Fahren in naher Zukunft zur Realität werden zu lassen.

Diskussionsfragen

Um sich über dieses Lernmodul hinaus mit dem Thema auseinander zu setzen, können Sie anhand der folgenden Fragen ein paar Inspirationen für Recherchen oder Gespräche finden:

  1. Ethik und KI: Inwiefern sollten ethische Überlegungen in der Entwicklung und Anwendung von KI berücksichtigt werden? Welche ethischen Grenzen gibt es und wie könnten diese in Zukunft aussehen? Die KI übernimmt alle Denkweisen von uns Menschen, wir sind also die Vorlage für das Ergebnis. Kann eine Kopie besser als die Vorlage werden?

  2. Mensch vs. Maschine: Gibt es bestimmte Fähigkeiten oder Aufgaben, die ausschließlich dem Menschen vorbehalten bleiben sollten? Warum oder warum nicht?

  3. KI in der Gesellschaft: Wie könnte KI dazu beitragen, gesellschaftliche Probleme zu lösen? Gibt es Risiken, dass KI gesellschaftliche Ungleichheiten verstärken könnte?

  4. Zukunft der KI: Wie stellen Sie sich die Entwicklung der KI in den nächsten 10 bis 20 Jahren vor? Welche Fortschritte erhoffen Sie sich und welche Bedenken haben Sie?

  5. Datenschutz und KI: Wie kann der Datenschutz in einer Welt, die zunehmend von KI-Systemen beeinflusst wird, gewährleistet werden? Wer sollte die Kontrolle über die durch KI gesammelten Daten haben?

  6. Menschliche Kontrolle über KI: Sollte es Grenzen für die Autonomie von KI-Systemen geben? Wie kann sichergestellt werden, dass KI-Systeme unter menschlicher Kontrolle bleiben?

  7. KI und Bildung: Wie sollte das Bildungssystem angepasst werden, um auf eine von KI geprägte Zukunft vorzubereiten? Welche Fähigkeiten und Kenntnisse werden zunehmend wichtig?
Startbild_2021

Quiz

Sie haben das Modul absolviert? Perfekt. Dann am besten gleich den kurzen Wissens-Check machen und das digitale Badge als Nachweis für dieses Training abholen.
1_Einführung-in-KI

Weiterführende Schritte

Nach Abschluss dieses Lernmoduls haben Sie einen ersten Eindruck von KI gewonnen. Um das Gelernte in die Praxis umzusetzen, können Sie die folgenden Schritte unternehmen:

  1. Überlegen Sie, wo KI in Ihrem eigenen Umfeld bereits zum Einsatz kommt, sei es bei der Recherche in Suchmaschinen, in Ihren Social Media Kanälen oder im Straßenverkehr.

  2. Probieren Sie selbst die Apps und Plattformen aus.

  3. Recherchieren Sie weitere Fallstudien für die Bereiche, die Ihr Interesse wecken.
Zur Übersicht aller Module

Ihre Expert:innen und Ansprechpartner:innen

Benjamin Beuster
Bildungsinitiativen
Helliwood media & education
Thomas Schmidt
Geschäftsführer
Helliwood media & education
@wapoid