Zusammenfassung
Artificial Intelligence ist in aller Munde und doch verstehen bisher die wenigsten Menschen ihre Funktionsweise, welche Technologien ihr zugrunde liegen und welche Fähigkeiten AI heute bereits besitzt – und, vor allem, welche nicht. In diesem Kapitel werden Machine Learning und Deep Learning als die für die Praxis entscheidenden Teildisziplinen der Artificial Intelligence erklärt, große AI-Mythen aufgelöst und ein grundlegendes begriffliches wie technisches Verständnis für die weitere Auseinandersetzung mit Artificial Intelligence und Data Science geschaffen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Beschäftigt man sich mit der praktischen Anwendung und Evaluation von Forecasts, kommt man eigentlich nicht an Rob J. Hyndman und George Athanasopoulos vorbei. Für eine ausführliche Einführung können wir das Buch „Forecasting: principles and practice“ (Hyndman und Athanasopoulos 2018) empfehlen.
- 2.
Das weiterführende Paper „Process considerations: A reliable AI data labeling process“ zum Thema der Qualität des Labelings von Daten für Machine Learning kann unter folgendem Link abgerufen werden: https://wiki.eclipse.org/images/0/0e/WhitePaper_Process_considerations-A_reliable_AI_data_labeling_process.pdf/. Zugegriffen: 30. März 2022.
- 3.
Einen ersten Überblick zu Metriken, die im Kontext von KI häufig genutzt werden, gibt der Wikipedia-Artikel „Beurteilung eines binären Klassifikators“, der unter folgendem Link gefunden werden kann: https://de.wikipedia.org/wiki/Beurteilung_eines_binären_Klassifikators. Zugegriffen: 02. April 2022.
Literatur
Breiman, L. (2001). Random Forests. Machine Learning, 45, S. 5–32. https://doi.org/10.1023/A:1010933404324
Geuter, J. (20. November 2018). Nein, Ethik kann man nicht programmieren. Gastbeitrag in DIE ZEIT. https://www.zeit.de/digital/internet/2018-11/digitalisierung-mythen-kuenstliche-intelligenz-ethik-juergen-geuter?utm_referrer=https%3A%2F%2Fwww.google.com%2F. Zugegriffen: 03. Dezember 2021.
Graff, B. (03. April 2016). Rassistischer Chat-Roboter: Mit falschen Werten bombardiert. Süddeutsche Zeitung. https://www.sueddeutsche.de/digital/microsoft-programm-tay-rassistischer-chat-roboter-mit-falschen-werten-bombardiert-1.2928421. Zugegriffen: 24. April 2022.
Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: principles and practice. Melbourne: OTexts. https://otexts.com/fpp2/. Zugegriffen: 24. April 2022.
Maxime. (2019). What is a Transformer?. Medium. https://medium.com/inside-machine-learning/what-is-a-transformer-d07dd1fbec04. Zugegriffen: 04. April 2022.
mbö. (17. März 2022). Meta löscht Fakevideo, das Selenskyj falsche Worte in den Mund legt. Spiegel Online. https://www.spiegel.de/netzwelt/web/meta-loescht-fake-video-das-wolodymyr-selenskyj-falsche-worte-in-den-mund-legt-a-5600045c-8057-4359-bd31-ee02c6e585d5. Zugegriffen: 23. März 2022.
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (1955). A proposal for the Dartmouth Summer Research Project on Artificial Intelligence. Stanford University. http://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html. Zugegriffen: 02. März 2021.
MLOps. (o. J.). MLOps Principles. MLOps. https://ml-ops.org/content/mlops-principles. Zugegriffen: 25. April 2022.
Newell, A., & Simon, H. A. (1976). Computer Science as Empirical Inquiry: Symbols and Search. Communications of the ACM, 19(3), S. 113–126. https://doi.org/10.1145/360018.360022
Nida-Rümelin, J., & Weidenfeld, N. (2018). Digitaler Humanismus. Eine Ethik für das Zeitalter der Künstlichen Intelligenz. München: Piper.
Peirce, C. S. (1932). The Collected Papers of Charles Sanders Peirce, Vol. II: Elements of Logic. Cambridge: Harvard University Press.
Smith, G. N. (2020). AI: Still Just Curve Fitting, Not Finding a Theory of Everything. Mind Matters News. https://mindmatters.ai/2020/12/ai-still-just-curve-fitting-not-finding-a-theory-of-everything. Zugegriffen: 24. April 2022.
Synced. (2019). AI Hasn’t Found Its Isaac Newton: Gary Marcus on Deep Learning Defects & ‘Frenemy’ Yann LeCun. Medium. https://medium.com/syncedreview/ai-hasnt-found-its-isaac-newton-gary-marcus-on-deep-learning-defects-frenemy-yann-lecun-ca71c9106574. Zugegriffen: 24. April 2022.
Turing, A. M. (1950). Computing Machinery and Intelligence. Mind, 59(236), S. 433–460. https://doi.org/10.1093/mind/LIX.236.433
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A., Kaiser, L., & Polosukhin, I. (2017). Attention is all you need. arXiv. https://arxiv.org/pdf/1706.03762.pdf. Zugegriffen: 24. April 2022.
Yao, M. (2017). Chihuahua or muffin? My search for the best computer vision API. freeCodeCamp. https://www.freecodecamp.org/news/chihuahua-or-muffin-my-search-for-the-best-computer-vision-api-cbda4d6b425d/. Zugegriffen: 02. April 2022.
Zakharov, E., Shysheya, A., Burkov, E., & Lempitsky, V. (2019). Few-Shot Adversarial Learning of Realistic Neural Talking Head Models. arXiv. https://arxiv.org/abs/1905.08233. Zugegriffen: 10. Mai 2022.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Greiner, R., Berger, D., Böck, M. (2022). Artificial Intelligence. In: Analytics und Artificial Intelligence. Springer Gabler, Wiesbaden. https://doi.org/10.1007/978-3-658-38159-2_3
Download citation
DOI: https://doi.org/10.1007/978-3-658-38159-2_3
Published:
Publisher Name: Springer Gabler, Wiesbaden
Print ISBN: 978-3-658-38158-5
Online ISBN: 978-3-658-38159-2
eBook Packages: Business and Economics (German Language)