Diese Arbeit ist eine Aufarbeitung der informatischen Prinzipien hinter Künstlicher Intelligenz. Im Vordergrund stehen der Aufbau Künstlicher Neuronaler Netzwerke, das Lernen und Anwenden der dadurch entstehenden Systeme, um Probleme zu lösen, die vorher nicht lösbar waren.
Neben einer detaillierten Erklärung und Umsetzung von "supervised learning" mithilfe der Keras-Bibliothek in der Jupyter-Lab-Programmierumgebung wird auch auf andere Formen, wie das "unsupervised-" und "reinforcement learning" eingegangen. Schlussendlich wird ein kritischer Blick auf aktuelle KI-Projekte geworfen und mögliche Folgen weiterentwickelter, einflussreicherer Systeme beurteilt.
Inhaltsverzeichnis
- Einleitung
- Vorstellung meiner Arbeit
- Begriffsklärung und kurze Geschichte der Künstlichen Intelligenz
- Die Informatik hinter der Künstlichen Intelligenz
- Aufbau eines künstlichen, neuronalen Netzwerkes (KNN)
- Überblick über Künstliche Intelligenz
- Einteilung von KI-Algorithmen
- Überwachtes Lernen
- Unüberwachtes Lernen
- Verstärkendes Lernen
- Flaches, neuronales Netzwerk zum identifizieren handgeschriebener Ziffern
- Die Probleme beim Kreieren eines Neuronalen Netzwerks
- Convolutional Neural Networks CNN
- Was sind CNNs
- Wie funktionieren CNNs
- Padding
- Pooling Schichten
- Potentielle Gefahren Künstlicher Intelligenz
- Fazit
Zielsetzung und Themenschwerpunkte
Diese Facharbeit befasst sich mit dem Thema der Künstlichen Intelligenz und beleuchtet deren Bedeutung in der heutigen Gesellschaft. Ziel ist es, das komplexe Thema der Künstlichen Intelligenz zu erklären, die informatischen Grundlagen anhand von Beispielen anschaulich zu erläutern und kritisch auf die potentiellen Gefahren dieser Technologie einzugehen.
- Begriffsklärung und Entwicklung der Künstlichen Intelligenz
- Aufbau und Funktionsweise von neuronalen Netzen
- Verschiedene Ansätze des maschinellen Lernens
- Anwendungen und Möglichkeiten von Künstlicher Intelligenz
- Potentielle Risiken und ethische Herausforderungen
Zusammenfassung der Kapitel
- Einleitung: Die Einleitung stellt die Relevanz von Künstlicher Intelligenz in der heutigen Zeit heraus und gibt einen Überblick über die Themen und Ziele der Facharbeit.
- Die Informatik hinter der Künstlichen Intelligenz: Dieses Kapitel befasst sich mit dem Aufbau und der Funktionsweise von neuronalen Netzen, den Kernelementen des maschinellen Lernens. Es werden verschiedene Arten von KI-Algorithmen, wie überwachtes, unüberwachtes und verstärkendes Lernen, erläutert.
- Potentielle Gefahren Künstlicher Intelligenz: Dieses Kapitel analysiert die potenziellen Risiken und ethischen Herausforderungen, die mit dem Einsatz von Künstlicher Intelligenz verbunden sind.
Schlüsselwörter
Künstliche Intelligenz, neuronale Netze, maschinelles Lernen, überwachtes Lernen, unüberwachtes Lernen, verstärkendes Lernen, Algorithmen, Daten, Mustererkennung, Anwendungen, Risiken, ethische Herausforderungen, Zukunft.
Häufig gestellte Fragen
Wie funktioniert ein Künstliches Neuronales Netzwerk (KNN)?
Ein KNN ist der biologischen Struktur des Gehirns nachempfunden und lernt durch die Gewichtung von Verbindungen zwischen künstlichen Neuronen.
Was ist der Unterschied zwischen Supervised und Unsupervised Learning?
Beim überwachten Lernen (Supervised) lernt die KI mit gelabelten Daten, während sie beim unüberwachten Lernen eigenständig Muster in Daten erkennt.
Was sind Convolutional Neural Networks (CNN)?
CNNs sind spezialisierte Netzwerke für die Bilderkennung, die durch Schichten wie Padding und Pooling Merkmale aus Bildern extrahieren.
Welche Gefahren gehen von Künstlicher Intelligenz aus?
Die Arbeit diskutiert ethische Herausforderungen sowie die Folgen einflussreicher Systeme auf die Gesellschaft und Arbeitswelt.
Was ist "Reinforcement Learning"?
Verstärkendes Lernen ist ein Ansatz, bei dem ein Algorithmus durch Belohnung und Bestrafung lernt, optimale Entscheidungen zu treffen.
- Quote paper
- Anonym (Author), 2021, Künstliche Intelligenz. Fluch oder Segen?, Munich, GRIN Verlag, https://www.grin.com/document/1263370
