Unser Gehirn besitzt etwa 86 Milliarden Nervenzellen, die enorme Datenmengen verarbeiten. Das neuronale Netzwerk ist ein Vorbild für die Forschung an künstlicher Intelligenz (KI) und maschinellem Lernen. Die Kategorisierung der KI gestaltet sich jedoch schwierig, denn in den letzten Jahrzehnten gab es eine große Vielfalt unterschiedlicher Ansätze, Methoden und Begrifflichkeiten.
Wie lässt sich künstliche Intelligenz klassifizieren? Welche Hardware ist nötig, um KI umzusetzen? Wie funktionieren künstliche neuronale Netze und maschinelles Lernen? Wo wird KI bereits erfolgreich angewendet und wo wird sie zukünftig zum Einsatz kommen?
Alessio Dal Cero gibt einen umfassenden Überblick über den aktuellen Forschungsstand zur künstlichen Intelligenz. Er stellt Anwendungsbereiche in der Wirtschaft vor und unterlegt diese mit Praxisbeispielen. Außerdem betrachtet er gesellschaftliche und ethische Aspekte der Thematik.
Aus dem Inhalt:
- maschinelles Lernen;
- starke und schwache KI;
- Natural Language Processing;
- Deep-Learning;
- Automatisierung
Inhaltsverzeichnis
- Abstract (Deutsch)
- Abstract (English)
- Vorwort
- Abbildungsverzeichnis
- Abkürzungsverzeichnis
- 1 Einleitung
- 1.1 Relevanz des Themas
- 1.1 Zielsetzung & Anwendung
- 2 Menschliche & Künstliche Intelligenz
- 2.1 Begriffliche Einordnung und Definition
- 2.2 Unterteilung Menschliche Intelligenz
- 2.3 Ansätze möglicher Klassifizierung und Gruppierung der KI
- 2.4 Entwicklung der künstlichen Intelligenz
- 2.5 Technische Möglichkeiten
- 3 Neuronale Netze
- 3.1 Aufbau eins Neurons
- 3.2 Funktionsweise eines Neurons
- 4 Künstliche Neuronale Netze
- 4.1 Künstliche Neuronen
- 4.2 Schichten von Neuronalen Netzen
- 4.3 Mathematische Simulation des biologischen Vorbilds
- 4.4 Netztopologie
- 4.5 Regression und Klassifikation durch Neuronale Netze
- 4.6 Optimierung und Fehlerminimierung von Neuronalen Netzen
- 4.7 Probleme Neuronaler Netze
- 5 Maschinelles Lernen
- 5.1 Überwachtes Lernen – Supervised Learning
- 5.2 Unüberwachtes Lernen – Unsupervised Learning
- 5.3 Verstärkendes Lernen – Reinforcement Learning
- 6 Anwendung der KI
- 6.1 Anwendung in der Wirtschaft
- 7 Gesellschaftliche Aspekte
- 7.1 Ökonomischer Blickwinkel
- 7.2 Ethischer und Sozialer Blickwinkel
- 8 Ausblick und Fazit
- Literaturempfehlung
- Literaturverzeichnis
Zielsetzung und Themenschwerpunkte
Diese Bachelorarbeit beleuchtet die Entwicklung und den aktuellen Stand der Künstlichen Intelligenz (KI). Sie zielt darauf ab, KI zu verstehen, abzugrenzen und ihre verschiedenen Facetten zu kategorisieren. Die Arbeit untersucht auch heutige Anwendungsbereiche anhand von Beispielen und versucht, ein umfassendes und verständliches Bild der KI zu schaffen.
- Begriffliche Einordnung und Definition von menschlicher und künstlicher Intelligenz
- Funktionsweise neuronaler Netze und deren mathematische Modellierung
- Methoden des maschinellen Lernens (überwachtes, unüberwachtes und verstärkendes Lernen)
- Anwendungsbereiche von KI in der Wirtschaft
- Gesellschaftliche Aspekte der KI (ökonomische, ethische und soziale Implikationen)
Zusammenfassung der Kapitel
1 Einleitung: Dieses einführende Kapitel legt die Relevanz des Themas Künstliche Intelligenz dar, betont die rasant wachsende Datenmenge und die Notwendigkeit, neurobiologische Ansätze zur Datenverarbeitung zu nutzen. Es skizziert die Zielsetzung der Arbeit, nämlich KI zu verstehen, abzugrenzen und zu kategorisieren, sowie deren Anwendungsbereiche aufzuzeigen.
2 Menschliche & Künstliche Intelligenz: Dieses Kapitel beginnt mit einer Auseinandersetzung mit dem schwer fassbaren Begriff "Intelligenz". Es werden verschiedene Arten menschlicher Intelligenz (kognitiv, sensomotorisch, emotional, sozial) vorgestellt und im Hinblick auf deren Übertragbarkeit auf Maschinen diskutiert. Anschließend werden unterschiedliche Ansätze zur Klassifizierung und Gruppierung von KI (schwache vs. starke KI, symbolische vs. subsymbolische KI, methodische Unterteilungen) erläutert und deren jeweilige Vor- und Nachteile beleuchtet. Schließlich wird die historische Entwicklung der KI von den Anfängen bis zum aktuellen Stand beschrieben und die Rolle des technischen Fortschritts hervorgehoben.
3 Neuronale Netze: Das Kapitel beschreibt den Aufbau und die Funktionsweise biologischer neuronaler Netze im Detail. Es erläutert die Struktur eines Neurons (Soma, Dendriten, Axon, Synapsen), den Prozess der neuronalen Kommunikation mittels Neurotransmittern und die adaptive Natur der Synapsen.
4 Künstliche Neuronale Netze: Dieses Kapitel befasst sich mit der künstlichen Nachbildung biologischer neuronaler Netze. Es erklärt den Aufbau künstlicher Neuronen, verschiedene Netztopologien (Feedforward-Netze, rückgekoppelte Netze, Self-Organizing Maps), die mathematische Simulation des Lernprozesses (Hebb-Regel, Backpropagation), die Anwendung von neuronalen Netzen in Regression und Klassifikation, sowie die Herausforderungen wie Overfitting und das Finden des globalen Optimums.
5 Maschinelles Lernen: Dieses Kapitel behandelt das Maschinelle Lernen als eigenständigen Teilbereich der KI. Es unterscheidet zwischen überwachtem Lernen (mit bekanntem Output), unüberwachtem Lernen (ohne bekannten Output) und verstärkendem Lernen (mit Belohnungs- und Bestrafungsmechanismen). Es werden verschiedene Verfahren innerhalb dieser Kategorien vorgestellt und deren jeweilige Eigenschaften und Anwendungsgebiete beschrieben.
6 Anwendung der KI: Hier werden verschiedene Anwendungsbereiche von KI in der Wirtschaft vorgestellt, unter Verwendung des KI Business Frameworks von Gentsch. Das Kapitel beschreibt die einzelnen Ebenen des Frameworks (Enabler, Big Data, KI-Methods/Technologie, KI-Use Cases, Business) und gibt konkrete Praxisbeispiele aus verschiedenen Branchen (Amazon, Otto Group, Bosch Siemens Haushaltsgeräte, Netflix, Uber, EyeQuant).
7 Gesellschaftliche Aspekte: Dieses Kapitel diskutiert die gesellschaftlichen Auswirkungen der KI. Der ökonomische Blickwinkel beleuchtet den Wandel der Wirtschaft, den Arbeitsmarkt und die Investitionen in KI. Der ethische und soziale Blickwinkel befasst sich mit den Herausforderungen im Umgang mit KI, wie Datenschutz, Datensicherheit und der ethischen Verantwortung im Umgang mit der Technologie.
Schlüsselwörter
Künstliche Intelligenz, Neuronale Netze, Maschinelles Lernen, Deep Learning, Big Data, Anwendungsbereiche, Wirtschaft, Gesellschaft, Ethik, ökonomische Aspekte, soziale Implikationen, Backpropagation, Hebb-Regel, Natural Language Processing (NLP), Überwachtes Lernen, Unüberwachtes Lernen, Verstärkendes Lernen, Algorithmen.
Häufig gestellte Fragen (FAQ) zur Bachelorarbeit: Künstliche Intelligenz
Was ist der Inhalt dieser Bachelorarbeit?
Diese Bachelorarbeit bietet einen umfassenden Überblick über Künstliche Intelligenz (KI). Sie behandelt die Definition und Einordnung von menschlicher und künstlicher Intelligenz, die Funktionsweise neuronaler Netze, Methoden des maschinellen Lernens (überwachtes, unüberwachtes und verstärkendes Lernen), Anwendungsbereiche von KI in der Wirtschaft sowie gesellschaftliche Aspekte wie ökonomische, ethische und soziale Implikationen.
Welche Themen werden im Detail behandelt?
Die Arbeit deckt folgende Schwerpunkte ab: Begriffliche Einordnung und Definition von KI, Funktionsweise biologischer und künstlicher neuronaler Netze (inkl. mathematischer Modellierung), verschiedene Arten des maschinellen Lernens, Anwendungsbeispiele aus der Wirtschaft (unter Verwendung des KI Business Frameworks von Gentsch), und eine Diskussion der gesellschaftlichen Auswirkungen von KI.
Wie ist die Arbeit strukturiert?
Die Arbeit ist in Kapitel gegliedert, beginnend mit einer Einleitung, die die Relevanz des Themas und die Zielsetzung der Arbeit darlegt. Es folgen Kapitel zu menschlicher und künstlicher Intelligenz, neuronalen Netzen, künstlichen neuronalen Netzen, maschinellem Lernen, Anwendungsbeispielen in der Wirtschaft, gesellschaftlichen Aspekten und einem Ausblick/Fazit. Zusätzlich enthält die Arbeit ein Abstract (Deutsch und Englisch), ein Vorwort, ein Abbildungsverzeichnis, ein Abkürzungsverzeichnis und ein Literaturverzeichnis.
Welche Arten von KI werden unterschieden?
Die Arbeit unterscheidet verschiedene Arten von KI, einschließlich schwacher und starker KI, symbolischer und subsymbolischer KI, sowie methodische Unterteilungen. Es werden auch verschiedene Arten menschlicher Intelligenz (kognitiv, sensomotorisch, emotional, sozial) vorgestellt und im Hinblick auf deren Übertragbarkeit auf Maschinen diskutiert.
Welche Methoden des Maschinellen Lernens werden behandelt?
Die Arbeit behandelt überwachtes Lernen (Supervised Learning), unüberwachtes Lernen (Unsupervised Learning) und verstärkendes Lernen (Reinforcement Learning) und beschreibt verschiedene Verfahren innerhalb dieser Kategorien.
Welche Anwendungsbeispiele aus der Wirtschaft werden vorgestellt?
Die Arbeit präsentiert verschiedene Anwendungsbeispiele von KI in der Wirtschaft, basierend auf dem KI Business Framework von Gentsch. Es werden konkrete Praxisbeispiele aus Branchen wie E-Commerce (Amazon, Otto Group), Haushaltsgeräte (Bosch Siemens), Streaming (Netflix), Transport (Uber) und Marketing (EyeQuant) genannt.
Welche gesellschaftlichen Aspekte werden diskutiert?
Die Arbeit beleuchtet die gesellschaftlichen Auswirkungen von KI aus ökonomischer, ethischer und sozialer Perspektive. Dies beinhaltet die Diskussion von Themen wie ökonomischer Wandel, Arbeitsmarkt, Investitionen in KI, Datenschutz, Datensicherheit und ethische Verantwortung im Umgang mit der Technologie.
Welche Schlüsselwörter sind relevant für diese Arbeit?
Wichtige Schlüsselwörter sind: Künstliche Intelligenz, Neuronale Netze, Maschinelles Lernen, Deep Learning, Big Data, Anwendungsbereiche, Wirtschaft, Gesellschaft, Ethik, ökonomische Aspekte, soziale Implikationen, Backpropagation, Hebb-Regel, Natural Language Processing (NLP), Überwachtes Lernen, Unüberwachtes Lernen, Verstärkendes Lernen, Algorithmen.
- Quote paper
- Alessio Dal Cero (Author), 2020, Wie funktionieren künstliche neuronale Netze? Kategorisierung und Anwendungsbereiche künstlicher Intelligenz, Munich, GRIN Verlag, https://www.grin.com/document/516818
