Join getAbstract to access the summary!

Künstliche Intelligenz

Join getAbstract to access the summary!

Künstliche Intelligenz

Mit Algorithmen zum wirtschaftlichen Erfolg

Springer Gabler,

15 min read
10 take-aways
Audio & text

What's inside?

Deep Blue, Watson & Co. – was KI heute schon kann und was sie in Zukunft können wird.

auto-generated audio
  • 0.5×
  • 0.75×
  • 1×
  • 1.25×
  • 1.5×
  • 1.75×
1×
auto-generated audio

Bewertung der Redaktion

7

Qualitäten

  • Überblick
  • Praktische Beispiele

Rezension

Um das Thema künstliche Intelligenz ranken sich zahlreiche Mythen. Nicht selten wird die Technologie regelrecht verteufelt. Doch die Realität sieht anders aus als in Science-Fiction-Filmen. Die Autoren dieses Sammelbandes – unter ihnen Vertreter namhafter Unternehmen – zeigen, wie KI heute bereits in der Praxis angewandt wird und welche Bedeutung sie für die Wirtschaft hat. Dabei kommen aber auch kritische Aspekte nicht zu kurz. Ein unterhaltsames und informatives Buch über eine der spannendsten Technologien unserer Zeit.

Zusammenfassung

Im Zentrum des Themas künstliche Intelligenz stehen die verschiedenen Formen von maschinellem Lernen.

Die Geschichte der künstlichen Intelligenz geht bis ins Jahr 1956 zurück. Nach anfänglichen Erfolgen und einem anschließenden Abschwung der KI-Forschung sorgte 1997 die Niederlage des damaligen Schachweltmeisters Garri Kasparov gegen den IBM-Computer Deep Blue für Schlagzeilen – auch wenn Kritiker zu bedenken gaben, dass es sich bei Deep Blue nicht um ein „intelligentes System“ handele. Eine einheitliche Definition von künstlicher Intelligenz gibt es bis heute nicht. Grob wird zwischen „starker“  und „schwacher“ KI unterschieden. Während die starke Form der künstlichen Intelligenz die Funktionen des menschlichen Gehirns nachzuahmen versucht, beschäftigt sich die schwache Form mit sich selbst weiterentwickelnden Algorithmen für bestimmte Problemstellungen.

In jüngster Zeit steht vor allem das maschinelle Lernen (ML) im Mittelpunkt der KI-Forschung. Dabei wird ein iterativer Lernprozess in Gang gesetzt, bei dem ein Algorithmus Zusammenhänge in Daten erkennt und daraus Vorhersagen ableitet. Es gibt drei ML-Formen:

  1. Überwachtes Lernen...

Über die Autoren

Peter Buxmann ist Professor für Wirtschaftsinformatik an der Technischen Universität Darmstadt. Holger Schmidt ist an derselben Hochschule Dozent für das Fach Digitale Transformation.

Kommentar abgeben