[ad_1]
chatgpt war wahrscheinlich Ihr erster Einstieg in die KI. Der KI-Chatbot des Startups OpenAI betrat die Bühne mit einer unheimlichen Fähigkeit, jede Frage zu beantworten und Ihnen beim Schreiben von Gedichten, Lebensläufen und Fusionsrezepten zu helfen. Die Leistungsfähigkeit von ChatGPT wurde mit verglichen Autovervollständigung bei Steroiden.
Dieser Aspekt von KI-Chatbots ist jedoch nur ein Teil der KI-Landschaft. Klar, mit ChatGPT hilft Ihnen, Ihre Hausaufgaben zu machen oder midjourney erstellen lassen faszinierende Bilder von Mechs basierend auf dem Herkunftsland ist cool, aber das Potenzial der generativen KI könnte die Wirtschaft völlig umgestalten. Dieses Potenzial könnte sich lohnen Jährlich kommen der Weltwirtschaft 4,4 Billionen US-Dollar zuguteso das McKinsey Global Institute, weshalb Sie damit rechnen sollten, immer mehr über künstliche Intelligenz zu hören.
![Chatgpt-Glossar: 44 Ki-Begriffe, Die Jeder Kennen Sollte 2 Ai-Atlas-Tag.png](https://www.cnet.com/a/img/resize/3e88987c3229263911a8545090d4212fea70064b/hub/2024/04/16/c00e4bbc-a63a-4d2f-8b25-4c2f3569b939/ai-atlas-tag.png?auto=webp&width=768)
Es taucht in einer schwindelerregenden Auswahl an Produkten auf – eine sehr kurze Liste umfasst Gemini von google, Copilot von Microsoft, Claude von Anthropic, das KI-Suchtool Perplexity und Gadgets von Humane und Rabbit. In unserem neuen AI Atlas-Hub können Sie unsere Rezensionen und praktischen Bewertungen dieser und anderer Produkte sowie Neuigkeiten, Erklärungen und Anleitungsbeiträge lesen.
Da sich die Menschen immer mehr an eine mit KI verflochtene Welt gewöhnen, tauchen überall neue Begriffe auf. Egal, ob Sie bei einem Drink schlau wirken oder in einem Vorstellungsgespräch beeindrucken möchten, hier sind einige wichtige KI-Begriffe, die Sie kennen sollten.
Dieses Glossar wird regelmäßig aktualisiert.
—
Künstliche allgemeine Intelligenz oder AGI: Ein Konzept, das eine fortgeschrittenere Version der KI vorschlägt, als wir sie heute kennen, eine, die Aufgaben viel besser als Menschen erledigen kann und gleichzeitig ihre eigenen Fähigkeiten lehrt und weiterentwickelt.
KI-Ethik: Grundsätze, die darauf abzielen, zu verhindern, dass KI Menschen Schaden zufügt. Dies wird beispielsweise dadurch erreicht, dass festgelegt wird, wie KI-Systeme Daten sammeln oder mit Voreingenommenheit umgehen sollen.
KI-Sicherheit: Ein interdisziplinäres Fachgebiet, das sich mit den langfristigen Auswirkungen von KI befasst und wie sie sich plötzlich zu einer Superintelligenz entwickeln könnte, die menschenfeindlich sein könnte.
Algorithmus: Eine Reihe von Anweisungen, die es einem Computerprogramm ermöglichen, Daten auf eine bestimmte Weise zu lernen und zu analysieren, beispielsweise Muster zu erkennen, um dann daraus zu lernen und Aufgaben selbstständig auszuführen.
Ausrichtung: Eine KI optimieren, um das gewünschte Ergebnis besser zu erzielen. Dies kann sich auf alles beziehen, von der Moderation von Inhalten bis hin zur Aufrechterhaltung positiver Interaktionen mit Menschen.
Anthropomorphismus: Wenn Menschen dazu neigen, nichtmenschlichen Objekten menschenähnliche Eigenschaften zu verleihen. In der KI kann dies beinhalten, dass man glaubt, dass ein Chatbot menschlicher und bewusster ist, als er tatsächlich ist, etwa, dass man glaubt, dass er glücklich, traurig oder sogar empfindungsfähig ist.
Künstliche Intelligenz oder KI: Der Einsatz von Technologie zur Simulation menschlicher Intelligenz, entweder in Computerprogrammen oder in der Robotik. Ein Bereich der Informatik, dessen Ziel es ist, Systeme zu entwickeln, die menschliche Aufgaben ausführen können.
Voreingenommenheit: Bei großen Sprachmodellen können sich Fehler aus den Trainingsdaten ergeben. Dies kann dazu führen, dass bestimmte Merkmale aufgrund von Stereotypen fälschlicherweise bestimmten Rassen oder Gruppen zugeordnet werden.
Chatbot: Ein Programm, das mit Menschen über Text kommuniziert, der die menschliche Sprache simuliert.
ChatGPT: Ein von OpenAI entwickelter KI-Chatbot, der die Technologie großer Sprachmodelle nutzt.
kognitives Rechnen: Ein anderer Begriff für künstliche Intelligenz.
Datenerweiterung: Vorhandene Daten neu mischen oder einen vielfältigeren Datensatz hinzufügen, um eine KI zu trainieren.
tiefes Lernen: Eine Methode der KI und ein Teilgebiet des maschinellen Lernens, die mehrere Parameter verwendet, um komplexe Muster in Bildern, Ton und Text zu erkennen. Der Prozess ist vom menschlichen Gehirn inspiriert und nutzt künstliche neuronale Netze, um Muster zu erzeugen.
Diffusion: Eine Methode des maschinellen Lernens, die ein vorhandenes Datenelement, beispielsweise ein Foto, aufnimmt und zufälliges Rauschen hinzufügt. Diffusionsmodelle trainieren ihre Netzwerke, um dieses Foto neu zu konstruieren oder wiederherzustellen.
Emergentes Verhalten: Wenn ein KI-Modell unbeabsichtigte Fähigkeiten zeigt.
End-to-End-Lernen oder E2E: Ein Deep-Learning-Prozess, bei dem ein Modell angewiesen wird, eine Aufgabe von Anfang bis Ende auszuführen. Es ist nicht darauf trainiert, eine Aufgabe nacheinander zu erledigen, sondern lernt aus den Eingaben und löst alles auf einmal.
ethische Überlegungen: Ein Bewusstsein für die ethischen Auswirkungen von KI und Fragen im Zusammenhang mit Datenschutz, Datennutzung, Fairness, Missbrauch und anderen Sicherheitsfragen.
Fluch: Auch als schneller Start oder harter Start bekannt. Das Konzept, dass es bereits zu spät sein könnte, die Menschheit zu retten, wenn jemand eine AGI baut.
Generative Adversarial Networks oder GANs: Ein generatives KI-Modell, das aus zwei neuronalen Netzen besteht, um neue Daten zu generieren: einem Generator und einem Diskriminator. Der Generator erstellt neue Inhalte und der Diskriminator prüft, ob diese authentisch sind.
generative KI: Eine inhaltsgenerierende Technologie, die KI nutzt, um Text, Videos, Computercode oder Bilder zu erstellen. Die KI wird mit großen Mengen an Trainingsdaten gefüttert und findet Muster, um eigene, neuartige Antworten zu generieren, die manchmal dem Quellmaterial ähneln können.
Google Gemini: Ein KI-Chatbot von Google, der ähnlich wie ChatGPT funktioniert, aber Informationen aus dem aktuellen Web abruft, während ChatGPT bis 2021 auf Daten beschränkt ist und nicht mit dem Internet verbunden ist.
Leitplanken: Richtlinien und Einschränkungen für KI-Modelle, um sicherzustellen, dass mit Daten verantwortungsvoll umgegangen wird und dass das Modell keine störenden Inhalte erstellt.
Halluzination: Eine falsche Antwort von AI. Kann generative KI einschließen, die Antworten erzeugt, die zwar falsch sind, aber mit Sicherheit als richtig angegeben werden. Die Gründe hierfür sind nicht vollständig bekannt. Wenn Sie beispielsweise einen KI-Chatbot fragen: „Wann hat Leonardo da Vinci die Mona Lisa gemalt?“ Es kann mit einer falschen Aussage antworten „Leonardo da Vinci malte die Mona Lisa im Jahr 1815“, also 300 Jahre nachdem sie tatsächlich gemalt wurde.
großes Sprachmodell oder LLM: Ein KI-Modell, das auf großen Textdatenmengen trainiert wird, um Sprache zu verstehen und neuartige Inhalte in menschenähnlicher Sprache zu generieren.
maschinelles Lernen oder ML: Eine Komponente der KI, die es Computern ermöglicht, ohne explizite Programmierung zu lernen und bessere Vorhersageergebnisse zu erzielen. Kann mit Trainingssets gekoppelt werden, um neue Inhalte zu generieren.
Microsoft Bing: Eine Suchmaschine von Microsoft, die jetzt die Technologie von ChatGPT nutzen kann, um KI-gestützte Suchergebnisse bereitzustellen. Es ist mit Google Gemini vergleichbar, da es mit dem Internet verbunden ist.
multimodale KI: Eine Art KI, die mehrere Arten von Eingaben verarbeiten kann, darunter Text, Bilder, Videos und Sprache.
Verarbeitung natürlicher Sprache: Ein Zweig der KI, der maschinelles Lernen und Deep Learning nutzt, um Computern die Fähigkeit zu geben, menschliche Sprache zu verstehen, oft unter Verwendung von Lernalgorithmen, statistischen Modellen und Sprachregeln.
neurales Netzwerk: Ein Rechenmodell, das der Struktur des menschlichen Gehirns ähnelt und Muster in Daten erkennen soll. Besteht aus miteinander verbundenen Knoten oder Neuronen, die Muster erkennen und im Laufe der Zeit lernen können.
Überanpassung: Fehler beim maschinellen Lernen, bei dem es zu nah an den Trainingsdaten arbeitet und möglicherweise nur bestimmte Beispiele in diesen Daten, aber keine neuen Daten identifizieren kann.
Büroklammern: Die von einem Philosophen geprägte Paperclip-Maximizer-Theorie Nick Boström der Universität Oxford ist ein hypothetisches Szenario, in dem ein KI-System so viele Büroklammern wie möglich im wahrsten Sinne des Wortes erstellt. Bei seinem Ziel, die größtmögliche Menge an Büroklammern zu produzieren, würde ein KI-System hypothetisch alle Materialien verbrauchen oder umwandeln, um sein Ziel zu erreichen. Dazu könnte die Demontage anderer Maschinen gehören, um mehr Büroklammern zu produzieren, Maschinen, die für den Menschen von Nutzen sein könnten. Die unbeabsichtigte Konsequenz dieses KI-Systems besteht darin, dass es die Menschheit bei seinem Ziel, Büroklammern herzustellen, zerstören könnte.
Parameter: Numerische Werte, die LLMs Struktur und Verhalten verleihen und es ihnen ermöglichen, Vorhersagen zu treffen.
prompt: Der Vorschlag oder die Frage, die Sie in einen KI-Chatbot eingeben, um eine Antwort zu erhalten.
schnelle Verkettung: Die Fähigkeit der KI, Informationen aus früheren Interaktionen zu nutzen, um zukünftige Reaktionen einzufärben.
stochastischer Papagei: Eine Analogie zu LLMs, die zeigt, dass die Software kein umfassenderes Verständnis der Bedeutung der Sprache oder der sie umgebenden Welt hat, unabhängig davon, wie überzeugend die Ausgabe klingt. Der Ausdruck bezieht sich darauf, wie ein Papagei menschliche Wörter nachahmen kann, ohne die Bedeutung dahinter zu verstehen.
Stiltransfer: Die Fähigkeit, den Stil eines Bildes an den Inhalt eines anderen anzupassen, sodass eine KI die visuellen Eigenschaften eines Bildes interpretieren und für ein anderes verwenden kann. Nehmen Sie zum Beispiel das Selbstporträt von Rembrandt und erstellen Sie es im Stil von Picasso nach.
Temperatur: Parameter, die steuern, wie zufällig die Ausgabe eines Sprachmodells ist. Eine höhere Temperatur bedeutet, dass das Modell mehr Risiken eingeht.
Text-zu-Bild-Generierung: Bilder basierend auf Textbeschreibungen erstellen.
Token: Kleine Teile geschriebenen Textes, die KI-Sprachmodelle verarbeiten, um ihre Antworten auf Ihre Eingabeaufforderungen zu formulieren. Ein Token entspricht im Englischen vier Zeichen oder etwa drei Vierteln eines Wortes.
Trainingsdaten: Die Datensätze, die KI-Modellen beim Lernen helfen, einschließlich Text, Bildern, Code oder Daten.
Transformatormodell: Eine neuronale Netzwerkarchitektur und ein Deep-Learning-Modell, das den Kontext lernt, indem es Beziehungen in Daten verfolgt, beispielsweise in Sätzen oder Teilen von Bildern. Anstatt also einen Satz Wort für Wort zu analysieren, kann es sich den gesamten Satz ansehen und den Kontext verstehen.
Turing-Test: Benannt nach dem berühmten Mathematiker und Informatiker Alan Turing, testet es die Fähigkeit einer Maschine, sich wie ein Mensch zu verhalten. Die Maschine besteht den Test, wenn ein Mensch die Reaktion der Maschine nicht von der eines anderen Menschen unterscheiden kann.
schwache KI, auch schmale KI genannt: KI, die sich auf eine bestimmte Aufgabe konzentriert und nicht über ihre Fähigkeiten hinaus lernen kann. Der Großteil der heutigen KI ist schwache KI.
Zero-Shot-Lernen: Ein Test, bei dem ein Modell eine Aufgabe erledigen muss, ohne dass ihm die erforderlichen Trainingsdaten gegeben werden. Ein Beispiel wäre das Erkennen eines Löwen, während man nur auf Tiger trainiert.
Anmerkung des Herausgebers: CNET verwendet eine KI-Engine, um bei der Erstellung einiger Geschichten zu helfen. Rezensionen zu KI-Produkten wie diesem werden, genau wie die anderen praktischen Rezensionen von CNET, von unserem Team aus internen Experten verfasst. Weitere Informationen finden Sie in der KI-Richtlinie von CNET und wie wir KI testen.
[ad_2]