Kachel: Grundlagen KI | Selbstlernmodul "Künstliche Intelligenz"

    
KACHEL 01) Einleitung von Konrad Indaschule, HEYGEN-Avatar (18.11.2024)

In diesem Abschnitt erfahren Sie in aller Kürze,

was unter Künstlicher Intelligenz (KI) verstanden wird,
wie sich KI in den letzten Jahrzehnten entwickelt hat,
was Maschinelles Lernen ist und was es leistet,
welche Arten von KI-Systemen für den Bildungsbereich relevant sind.

Zu jedem Thema werden vertiefende Informationen angeboten.

1. Künstliche Intelligenz (KI)

Künstliche Intelligenz lässt sich in einfachen Worten beschreiben als den Versuch, menschliches Lernen und Denken auf Computer zu übertragen. Anstatt für spezifische Aufgaben programmiert zu werden, kann ein KI-System in einem festgelegten Kontext oder Problemraum eigenständig Lösungen finden. Dabei sollte man sich bewusst machen, dass die KI-Systeme (bisher) über keinerlei Bewusstsein verfügen, sondern auf der Basis von Wahrscheinlichkeiten oder logischen Schlussfolgerungen zu Antworten und Lösungen kommen.

Bezeichnend ist, das bis heute keine Übereinstimmung darüber besteht, was menschliche Intelligenz ist. Der Begriff künstliche Intelligenz ist daher auch nicht klar umrissen.

Vertiefung zum KI-Begriff

Künstliche Intelligenz (KI) bzw. Artificial Intelligence (AI): KI bezeichnet Technologien, die menschliche kognitive Fähigkeiten wie strategisches Denken oder sprachliche Kommunikation nachahmen. KI-Systeme können dazu beitragen, sich wiederholende und zeitaufwändige Aufgaben zu automatisieren und Menschen zu entlasten. KIs, die heute in der Praxis eingesetzt werden, können spezifische Probleme in bestimmten Einsatzbereichen lösen. Einige Beispiele sind hierfür Spracherkennung, Navigation und Bildgenerierung. Unterschieden wird zwischen solchen "schwachen KIs" (weak AI), im Gegensatz zur "starken KI", die menschliche Intelligenz in ihrer Vielgestaltigkeit nachahmen kann. Es ist auch unter Wissenschaftlern umstritten, ob es jemals eine starke KI geben wird.

Die Funktionsweise eines KI-Systems hängt von seiner Programmierung ab. Ähnlich wie der Mensch nimmt es Informationen aus seiner Umgebung auf und trifft darauf basierend Entscheidungen. Der Unterschied besteht darin, dass KI-Systeme Daten aus verschiedenen Quellen wie Sensoren in Maschinen, Unternehmenssoftware und dem Internet beziehen. KI-Systeme verwenden mathematische und informatische Methoden, um Zusammenhänge herzustellen, Schlussfolgerungen zu ziehen, Handlungsempfehlungen zu geben oder Aktionen auszuführen.

VGL auch Quelle: [1] Leitfaden Künstliche Intelligenz – Potenziale und Umsetzungen im Mittelstand der Projektpartner VDMA Bayern, Fraunhofer IGCV und Technische Universität München (2020)

2. Geschichte der Künstlichen Intelligenz (KI)

Illustrierung zu deep blue Die Forschung im Bereich der KI begann bereits in den 1950er Jahren und spätestens seit der Konferenz von Dartmouth (1956) wird von Künstlicher Intelligenz gesprochen. Meilensteine der KI sind Weizenbaums erster Chatbot "Eliza" (1966), der Sieg von Deep Blue über den amtierenden Schach-Weltmeister Kasparov (1997), der Sieg von AlphaGo nach wenigen Monaten Training gegen den amtierenden Go-Weltmeister Lee Sedol (2016) und die Vorstellung von ChatGPT (November 2022).

Vertiefung zur Geschichte der Künstlichen Intelligenz

Auf einer Seite des Bildungsservers in Bayern finden Sie eine sehr anschauliche Zusammenstellung zur Geschichte der KI:
https://mebis.bycs.de/beitrag/ki-geschichte-der-ki
Schauen Sie sich vielleicht auch dieses sehr übersichtliche Video an:

3. Maschinelles Lernen

Maschinelles Lernen ist ein Bereich der Informatik, bei dem Computer lernen, Probleme zu lösen und Entscheidungen zu treffen, ohne dass sie genau darauf programmiert wurden. Stattdessen lernen sie aus Beispielen und Erfahrungen.

Unterschieden werden drei Hauptarten des maschinellen Lernens:

Überwachtes Lernen (Supervised Learning)
Unüberwachtes Lernen (Unsupervised Learning)
Bestärkendes Lernen (Reinforcement Learning)

Wenn Sie genauer wissen möchten, was damit gemeint ist, schauen Sie sich die Beispiele in der Vertiefung an. Sie veranschaulichen, wie maschinelles Lernen funktioniert und wie Computern aus Erfahrungen lernen, um sukzessive bessere Entscheidungen zu treffen.

Vertiefung Maschinelles Lernen

Dies sind die drei Hauptarten des maschinellen Lernens und einfache Beispiele dazu:
(Text generiert mit GPT-4o, Prompt: "Erkläre in einem kurzen Text in einfacher Sprache, was man unter maschinellem Lernen versteht. Nenne zu den drei Arten maschinellen Lernens je ein einfaches Beispiel.")

Überwachtes Lernen (Supervised Learning):
Beispiel: Stell dir vor, du hast viele Bilder von Hunden und Katzen, und jedes Bild ist beschriftet, ob es einen Hund oder eine Katze zeigt. Du kannst einem Computer diese Bilder zeigen und ihm beibringen, die Unterschiede zu erkennen. Nach einer Weile kann der Computer selbst entscheiden, ob ein neues Bild einen Hund oder eine Katze zeigt.
Unüberwachtes Lernen (Unsupervised Learning):
Beispiel: Angenommen, du hast eine große Kiste mit vielen verschiedenen Früchten, aber du weißt nicht, welche Frucht welche ist. Du kannst einem Computer die Aufgabe geben, die Früchte in Gruppen zu sortieren, ohne ihm zu sagen, welche Frucht welche ist. Der Computer kann dann Muster finden und die Früchte in ähnliche Gruppen sortieren, z.B. alle Äpfel zusammen, alle Bananen zusammen usw.
Bestärkendes Lernen (Reinforcement Learning):
Beispiel: Stell dir vor, du hast ein Computerspiel, bei dem eine Figur durch ein Labyrinth laufen muss, um einen Schatz zu finden. Der Computer lernt durch Ausprobieren, welche Wege gut sind und welche nicht, indem er Belohnungen bekommt, wenn er näher zum Schatz kommt, und Bestrafungen, wenn er in eine Sackgasse läuft. Mit der Zeit wird der Computer besser darin, den Schatz zu finden.

Diese einfachen Beispiele zeigen, wie maschinelles Lernen funktioniert und wie es Computern hilft, aus Erfahrungen zu lernen und bessere Entscheidungen zu treffen.

4. Arten von KI-Systemen für den Bildungsbereich

Generierende KIs sind in der Lage, neue Inhalte zu erstellen, auf der Grundlage der Daten, mit denen sie trainiert wurden. Zum Beispiel können generierende KI-Systeme neue Bilder, Texte oder Musik erstellen.
Im schulischen Kontext können sie dazu verwendet werden, Quiz-Fragen basierend auf der Analyse von bereitgestelltem Lehrmaterial zu generieren, die die Schlüsselkonzepte und Fakten abdecken.

Intelligente Tutorsysteme passen die Erarbeitung des Lernstoffes auf den jeweiligen Lernenden an und kommunizieren mit ihm. Dazu benötigen diese Systeme ein Wissensmodell aus Daten, Fakten, Regeln und Zusammenhängen und ein Lernmodell zur Diagnose der Kompetenzen des Lernenden. So lassen sich das Lernen von Rechenaufgaben für das Fach Mathematik ebenso unterstützen wie das Sprachenlernen mit Lückentexten und Grammatiktraining.

Eine symbolische KI verwendet logische oder mathematische Regeln und abstrakte Symbole wie Zahlen, Wörter und mathematische Operatoren, um Wissen zu repräsentieren. Aus Fakten und Zusammenhänge zu einem Themengebiet wird ein abstrahiertes, logisches Modell aufgebaut. Abgeleitete Schlussfolgerungen und Problemlösungen werden berechnet, die Lösungswege können offengelegt und überprüft werden. Aktuelle Mathematik-Lernsysteme greifen auf symbolische KI zurück, um den Lernenden korrekte und passende Hilfestellungen zu geben.

Erklärende KIs sind darauf ausgelegt, die Entscheidungen, die sie treffen, zu erklären und zu begründen. In der Medizin oder der Finanzwelt ist es für Anwender wichtig zu verstehen, warum ein KI-System ein bestimmtes Ergebnis oder eine Entscheidung vorschlägt. Ärzte benötigen neben einer Diagnose deren schlüssige Erläuterung basierend auf den medizinischen Daten des Patienten.

Vertiefung zu Arten von KI-Systemen

KI-Art	Beschreibung	Beispiel
Generierende KI	Erstellt neue Inhalte wie Texte und Bilder basierend auf Trainingsdaten	Generierung von Quizfragen basierend auf Lehrmaterial
Symbolische KI	Verwendet Symbole und Regeln zur Problemlösung	Mathematik-Lernsystem bettermarks
Tutorielle KI	Unterrichtet oder coacht Menschen bei bestimmten Aufgaben	Intelligentes Tutorsystem feedbook zum Sprachenlernen
Erklärende KI	Erklärt und begründet ihre Entscheidungen	KI-System zur Unterstützung von medizinischen Diagnosen

Symbolische KI:

Diese Art von KI repräsentiert thematisch abgegrenztes Wissen durch logische Regeln und abstrakte Symbole und Operatoren. Damit kann passende Fragen beantworten, Probleme lösen, Entscheidungen treffen oder Eingaben auf Korrektheit überprüfen.

Symbolische KI ist besonders gut in Aufgaben, die logisches Denken erfordern, wie Schach oder mathematische Beweise. Ein erstes Beispiel für symbolische KI ist ein Schachspielprogramm, das die Regeln des Schachs und die Positionen der Figuren auf dem Brett verwendet, um seinen nächsten Zug zu bestimmen.

Ein aktuelles Beispiel für symbolische KI ist das Mathematik-Lernsystem bettermarks. Es verwendet symbolische KI, um mathematische Probleme zu lösen und Schülern dabei zu helfen, mathematische Konzepte zu verstehen. Es bietet Schülern Schritt-für-Schritt-Anleitungen, um ihnen bei der Lösung von Aufgaben zu helfen. Der persönliche Lernprozess wird durch individuelles Feedback und personalisierte Übungen gefördert.

Und wenn Sie es noch genauer wissen wollen:

Telekom-Studie: Kompaktleitfaden
für Lehrkräfte und Schulleitungen
Homepage zur Studie