Was ist künstliche Intelligenz?

Alexandra Klepper
Alexandra Klepper

Künstliche Intelligenz (KI) umfasst viele komplexe, neue Technologien, für die früher menschliche Eingaben erforderlich waren und die jetzt von einem Computer ausgeführt werden können. Computer können erweiterte Funktionen ausführen, die früher dazu verwendet wurden, Informationen zu verstehen und zu empfehlen. Mithilfe von KI können Computer jetzt sogar neue Inhalte generieren.

Das Akronym KI wird oft synonym für verschiedene Arten von Technologien verwendet, die zum Bereich KI gehören.

Gängige KI-Konzepte

Es gibt eine Reihe von Begriffen und Konzepten, die künstliche Intelligenz und maschinelles Lernen definieren und die für Sie nützlich sein könnten. Hier sind einige Beispiele, wie Sie im Web mit KI arbeiten können

Allgemeine KI

Allgemein gesprochen ist allgemeine KI ein nicht menschliches Programm oder Modell, das eine breite Palette von Problemlösungen und Kreativität demonstriert. Ein Modell ist eine sehr große mathematische Gleichung, die eine Reihe von Parametern und eine Struktur enthält, die ein Gerät benötigt, um eine Ausgabe zurückzugeben.

Mit allgemeiner KI können Sie verschiedene Arten von Aufgaben ausführen, z. B. Daten analysieren, Text übersetzen, Musik komponieren, Krankheiten erkennen und vieles mehr.

Schmale KI

Schmale KI ist ein System, das eine einzelne oder eine bestimmte Teilmenge von Aufgaben ausführen kann. Beispiel: Ein Computer, der Schach gegen einen menschlichen Gegner spielt (nicht zu verwechseln mit dem Mechanical Turk). Die eingeschränkte KI hat eine vordefinierte Reihe von Parametern, Einschränkungen und Kontexten, die zwar wie Verständnis erscheinen, aber in Wirklichkeit nur Antworten auf eine Gleichung sind.

Beispiele dafür sind Gesichtserkennungssysteme, Sprachassistenten und Wettervorhersagen. Sie können hochspezifische Modelle verwenden, um bestimmte Funktionen auf Ihren Websites und in Ihren Apps zu verbessern.

Angenommen, Sie haben eine Website zu Filmen erstellt, auf der sich Nutzer anmelden, ihre Lieblingsfilme bewerten und neue Filme entdecken können. Sie können eine vorab ausgefüllte Datenbank verwenden, um Filme basierend auf der aktuellen Seite zu empfehlen, die der Nutzer besucht. Sie können auch ein eingeschränktes KI-Modell verwenden, das das Nutzerverhalten und die Nutzerpräferenzen analysiert, um die relevantesten Informationen für diesen Leser anzuzeigen.

Generative KI

Ein Large Language Model (LLM) ist ein KI-Modell mit vielen Parametern, mit dem Sie eine Vielzahl von Aufgaben ausführen können, z. B. Text oder Bilder generieren, klassifizieren oder zusammenfassen.

Generative KI reagiert auf Eingaben und erstellt Inhalte, die auf dem Kontext und dem Gedächtnis eines LLM basieren. Das geht über Musterabgleich und Vorhersagen hinaus. Zu den gängigsten Tools für generative KI gehören:

Mit diesen Tools können Sie geschriebene Prosa, Codebeispiele und Bilder erstellen. Sie können Ihnen helfen, einen Urlaub zu planen, den Ton einer E-Mail zu mildern oder zu professionalisieren oder verschiedene Informationen in Kategorien zu klassifizieren.

Es gibt unzählige Anwendungsfälle, sowohl für Entwickler als auch für Nicht-Entwickler.

Client-, server- und hybride KI

Während die meisten KI-Funktionen im Web auf Servern basieren, wird clientseitige KI direkt im Browser des Nutzers ausgeführt. Das bietet Vorteile wie eine geringe Latenz, reduzierte serverseitige Kosten, keine API-Schlüsselanforderungen, mehr Datenschutz für Nutzer und Offlinezugriff. Sie können clientseitige KI mit JavaScript-Bibliotheken implementieren, die plattformübergreifend funktionieren, z. B. Transformers.js, TensorFlow.js und MediaPipe.

Serverseitige KI umfasst cloudbasierte KI-Dienste. Stellen Sie sich Gemini 1.5 Pro in der Cloud vor. Diese Modelle sind in der Regel viel größer und leistungsfähiger. Das gilt insbesondere für Large Language Models.

Hybrid-KI bezieht sich auf jede Lösung, die sowohl eine Client- als auch eine Serverkomponente enthält. Sie können beispielsweise ein clientseitiges Modell verwenden, um eine Aufgabe auszuführen, und auf ein serverseitiges Modell zurückgreifen, wenn die Aufgabe auf dem Gerät nicht abgeschlossen werden kann.

Ein kleines, optimiertes clientseitiges Modell kann ein größeres serverseitiges Modell übertreffen, insbesondere wenn es für die Leistung optimiert wurde. Bewerten Sie Ihren Anwendungsfall, um zu ermitteln, welche Lösung für Sie geeignet ist.

Maschinelles Lernen (ML)

Maschinelles Lernen (ML) ist eine Form der KI, bei der ein Computer ohne explizite Programmierung lernt. Während KI versucht, Intelligenz zu generieren, ermöglicht ML Computern, aus Erfahrung zu lernen. ML besteht aus Algorithmen, mit denen Vorhersagen für Datensätze getroffen werden.

Beim maschinellen Lernen wird ein Modell trainiert, um nützliche Vorhersagen zu treffen oder Inhalte aus Daten zu generieren.

Angenommen, wir möchten eine Website erstellen, auf der das Wetter an einem bestimmten Tag bewertet wird. Traditionell kann dies von einem oder mehreren Meteorologen durchgeführt werden, die eine Darstellung der Atmosphäre und Oberfläche der Erde erstellen, die Wettermuster berechnen und vorhersagen und eine Bewertung vornehmen, indem sie die aktuellen Daten mit dem historischen Kontext vergleichen.

Stattdessen könnten wir einem ML-Modell eine enorme Menge an Wetterdaten zur Verfügung stellen, bis das Modell die mathematische Beziehung zwischen Wettermustern, historischen Daten und Richtlinien dazu lernt, was das Wetter an einem bestimmten Tag gut oder schlecht macht. Wir haben dies im Web entwickelt.

Deep Learning

Deep Learning (DL) ist eine Klasse von ML-Algorithmen. Ein Beispiel sind Deep Neural Networks (DNNs), mit denen versucht wird, die Informationsverarbeitung des menschlichen Gehirns zu modellieren.

Herausforderungen bei der KI

Beim Entwickeln und Verwenden von KI gibt es mehrere Herausforderungen. Im Folgenden finden Sie nur einige Beispiele für Aspekte, die Sie berücksichtigen sollten.

Datenqualität und Aktualität

Große Datasets, die zum Trainieren verschiedener KI-Modelle verwendet werden, sind oft schon bald nach der Verwendung veraltet. Wenn Sie also aktuelle Informationen benötigen, können Sie mithilfe von Prompt Engineering die Leistung eines KI-Modells für bestimmte Aufgaben verbessern und bessere Ergebnisse erzielen.

Datasets können unvollständig oder zu klein sein, um einige Anwendungsfälle effektiv zu unterstützen. Es kann hilfreich sein, mit mehreren Tools zu arbeiten oder das Modell an Ihre Anforderungen anzupassen.

Bedenken hinsichtlich Ethik und Voreingenommenheit

KI-Technologie ist spannend und hat viel Potenzial. Letztendlich werden Computer und Algorithmen jedoch von Menschen entwickelt und mit Daten trainiert, die von Menschen erhoben werden können. Daher sind sie verschiedenen Herausforderungen ausgesetzt. So können Modelle beispielsweise menschliche Voreingenommenheit und schädliche Stereotype lernen und verstärken, was sich direkt auf die Ausgabe auswirkt. Bei der Entwicklung von KI-Technologien sollte die Beseitigung von Voreingenommenheit an erster Stelle stehen.

Beim Urheberrecht an KI-generierten Inhalten gibt es zahlreiche ethische Überlegungen: Wem gehört die Ausgabe, insbesondere wenn sie stark von urheberrechtlich geschütztem Material beeinflusst oder direkt daraus kopiert wurde?

Bevor du neue Inhalte und Ideen entwickelst, solltest du dir die bestehenden Richtlinien zur Verwendung der von dir erstellten Inhalte ansehen.

Sicherheit und Datenschutz

Viele Webentwickler haben angegeben, dass Datenschutz und Sicherheit ihre größten Bedenken bei der Verwendung von KI-Tools sind. Das gilt vor allem in Geschäftskontexten mit strengen Datenanforderungen, z. B. bei Behörden und Gesundheitsunternehmen. Die Weitergabe von Nutzerdaten an mehr Drittanbieter über Cloud APIs ist ein Problem. Es ist wichtig, dass jede Datenübertragung sicher ist und kontinuierlich überwacht wird.

Clientseitige KI kann der Schlüssel sein, um diese Anwendungsfälle zu lösen. Es gibt noch viel Forschungs- und Entwicklungsarbeit zu tun.

Erste Schritte mit KI im Web

Nachdem Sie sich mit den vielen Arten von künstlicher Intelligenz vertraut gemacht haben, können Sie überlegen, wie Sie vorhandene Modelle nutzen können, um produktiver zu arbeiten und bessere Websites und Webanwendungen zu erstellen.

Mit KI können Sie Folgendes tun:

Vortrainierte KI-Modelle können eine gute Möglichkeit sein, Websites, Webanwendungen und Produktivität zu verbessern, ohne dass Sie genau wissen müssen, wie Sie die mathematischen Modelle erstellen und komplexe Datensätze erfassen, die die gängigsten KI-Tools unterstützen.

Möglicherweise erfüllen die meisten Modelle Ihre Anforderungen sofort, ohne dass Sie sie anpassen müssen. Bei der Abstimmung wird ein Modell, das bereits mit einem großen Dataset trainiert wurde, weiter trainiert, um Ihre spezifischen Nutzungsanforderungen zu erfüllen. Es gibt verschiedene Verfahren, ein Modell zu optimieren:

  • Reinforcement Learning from Human Feedback (RLHF) ist eine Methode, bei der menschliches Feedback verwendet wird, um die Übereinstimmung eines Modells mit den Präferenzen und Absichten von Menschen zu verbessern.
  • Low-Rank Adaptation (LoRA) ist eine parametereffiziente Methode für LLMs, mit der die Anzahl der trainierbaren Parameter reduziert wird, während die Modellleistung beibehalten wird.