Was ist künstliche Intelligenz?
KI ist ein Werkzeugkasten an Methoden, die Computern bei der Lösung von Aufgaben helfen.
Was Sie lernen werden
- Erklären Sie: KI ist keine bestimmte Art von Modell
- Wenden Sie die Idee an einem Beispiel an: Was ist künstliche Intelligenz?
- Erkennen Sie Einschränkungen und überprüfen Sie das Übungsergebnis
KI ist ein Werkzeugkasten an Methoden, die Computern bei der Lösung von Aufgaben helfen. Bei Luna Workshop möchten wir das richtige Werkzeug auswählen, bevor wir uns für ein Modell entscheiden.
Sie können diesen Kurs ohne Konto oder Programmierung absolvieren. Beispiele verwenden synthetische Daten und KI-Ergebnisse müssen überprüft werden.
Wie es funktioniert, Schritt für Schritt
KI ist keine bestimmte Art von Modell
Künstliche Intelligenz ist eine Familie von Methoden zur Erkennung, Vorhersage, Planung und Generierung. Ein regelbasiertes System folgt den von Menschen geschriebenen Anweisungen. Maschinelles Lernen lernt Zusammenhänge anhand von Beispielen; Deep Learning nutzt Netzwerke mit vielen Schichten. Generative KI produziert neue Inhalte. Ein LLM arbeitet mit Sprache, Produktempfehlungen oder Fehlererkennung können jedoch andere Modelle verwenden. Stellen Sie sich einen Werkzeugkasten vor: Wählen Sie ein Werkzeug für das Problem aus. Für eine feste Regel kann ein einfacher Algorithmus besser geeignet sein als ein Agent.
Wie Lernen ein Modell verändert
Trainingsdaten sind die Beispiele, die zum Anpassen von Modellparametern verwendet werden. Überwachtes Lernen beinhaltet ein Ziel, beispielsweise „Spam“. Unüberwachtes Lernen findet Strukturen, beispielsweise Kundengruppen. Selbstüberwachtes Lernen erstellt Ziele aus Daten, beispielsweise die Vorhersage folgender Texte. Die Validierung hilft bei der Auswahl der Einstellungen. Der Testsatz bleibt bis zur endgültigen Auswertung getrennt. Ein Modell, das sich Beispiele merkt und bei neuen Daten versagt, ist überangepasst. Eine ordnungsgemäße Aufteilung verhindert, dass Informationen aus dem Testsatz in das Training gelangen.
Von Tokens zur Antwort
Ein Token ist eine Texteinheit: manchmal ein Wort, manchmal ein Wortfragment oder ein Satzzeichen. Das Modell verarbeitet Kontexttokens und schätzt eine Verteilung über das nächste Token. Die Auswahl wird bis zum Stoppen wiederholt. Transformer Attention kombiniert Informationen über Beziehungen zwischen Token; es ist keine menschliche Aufmerksamkeit. Beim Training werden Parameter geändert, während die Inferenz das trainierte Modell verwendet. Eine Antwort kann kohärent klingen, ohne wahr zu sein: Durch die Generierung von Text werden Fakten nicht unabhängig überprüft.
Das erklärende Schaubild
Folgen Sie den durchgezogenen Pfeilen für den Hauptfluss. Gestrichelte blaue Pfeile liefern Daten oder Kontext; Gestrichelte rosa Pfeile zeigen Feedback oder zurückgegebene Ergebnisse an. Farben und Formen unterscheiden Modelle, Geschäfte, Entscheidungen und Ergebnisse. Scrollen Sie auf kleinen Bildschirmen horizontal, um das gesamte Schaubild zu verfolgen.
Ein vollständiges Beispiel
Ein Rechner addiert Preise anhand von Regeln. Ein Spamfilter lernt aus Beispielen. Ein LLM schreibt Beschreibungen. Das Sehen erkennt Mängel; Ein Empfehlungsgeber bewertet Produkte. Ein Roboter vereint Wahrnehmung und Aktion.
Probieren Sie es selbst aus
- Gruppieren Sie diese Beispiele: Rechner, Spamfilter, Chatbot, OCR, Empfehlungen, Roboter, Prognose und Übersetzung.
- Notieren Sie die Eingabe, die Quelle und das erwartete Ergebnis, bevor Sie das Experiment durchführen. Verwenden Sie im Beispiel nur die fiktiven Daten.
- Folgen Sie den Diagrammschritten. Notieren Sie bei jedem Schritt, welche Informationen empfangen und produziert werden. Verwechseln Sie Zwischenergebnisse nicht mit Endergebnissen.
- Wiederholen Sie den Vorgang, nachdem Sie erforderliche Informationen entfernt oder die Eingabe mehrdeutig gemacht haben. Prüfen Sie, ob das System eine Antwort klärt, stoppt oder erfindet.
- Vergleichen Sie mit der erklärten Lösung. Bewahren Sie die Konfiguration, das Datum, das Ergebnis und eine Erklärung für Unterschiede auf. Ändern Sie eine Sache und testen Sie es erneut.
Eine erklärte Lösung
Feste Arithmetik verwendet Regeln; Klassifizierung lernt; Schreiben erzeugt. Nicht alle benötigen einen LLM oder einen Agenten. Mit einer erfolgreichen Übung können Sie den Zusammenhang zwischen Input, Phasen und Ergebnis aufzeigen. Bei fehlenden Informationen ist eine vorsichtige Antwort sinnvoller als erfundene Details. Vergleichen Sie mehr als nur Stil: Überprüfen Sie auch Bedingungen, Quellen und Vorgänge.
Wann dieser Ansatz hilft und wo seine Grenzen liegen
Eine Chat-Oberfläche gibt keinen Aufschluss über die Technologie, die dahinter steckt. Wählen Sie diesen Ansatz, wenn er einen gemessenen Bedarf verbessert. Behalten Sie eine einfache Ausgangsbasis bei und vergleichen Sie die Ergebnisse mit identischen Eingaben. Ein erfolgreiches Beispiel stellt nicht in jeder Situation Verlässlichkeit dar.
Überprüfen Sie Ihr Wissen
Ist jede Automatisierung KI?
Nein. Eine feste Regel kann etwas automatisieren, ohne dass Lernen oder flexibles Denken erforderlich sind.
Warum nicht nur Trainingsdaten auswerten?
Wir wollen Leistung in neuen Situationen, keinen Beweis für das Auswendiglernen.
Zu welchem Ergebnis soll diese Übung führen?
Feste Arithmetik verwendet Regeln; Klassifizierung lernt; Schreiben erzeugt. Nicht alle benötigen einen LLM oder einen Agenten.
Wichtige Begriffe
- AI: Eine Familie von Methoden, kein Synonym für Chatbot.
- Überanpassung: Das Modell passt zu gut zu den Beispielen, die es gesehen hat.
- Token: Eine vom Modell verwendete Einheit für Text- und Kontextgrenzen.
Quellen und Ihr nächster Schritt
Zur Vorbereitung: keine Vorkenntnisse erforderlich.
Weiter mit: F02 – Wie lernt eine Maschine? · F06 – Chatbot, Assistent, Agent und Agentensystem