Glossar zur künstlichen Intelligenz

Eine Schritt-für-Schritt-Anleitung, nach der ein Programm aus Daten lernt oder eine Aufgabe löst.

Sammelbegriff für Programme, die aus Beispielen lernen und Aufgaben übernehmen, die früher menschliches Denken brauchten.

Das fertige, trainierte Programm, das aus neuen Daten eine Einschätzung ableitet.

Der Vorgang, bei dem ein Modell aus vielen Beispielen lernt, indem es sich Schritt für Schritt anpasst.

Eine Sammlung von Beispielen – etwa Bilder oder Texte –, mit denen ein Modell trainiert oder geprüft wird.

Eine einzelne messbare Eigenschaft eines Beispiels, zum Beispiel die Grösse, Farbe oder ein Wort.

Eine vom Gehirn inspirierte Rechenstruktur, die Daten durch viele Schichten leitet, um Muster zu erkennen.

KI mit besonders vielen Schichten in neuronalen Netzen, stark bei Bildern, Sprache und Tönen.

Lernverfahren mit Beispielen, deren richtige Antwort bekannt ist.

Lernverfahren, das selbst Gruppen und Muster in Daten ohne vorgegebene Antworten findet.

Lernen durch Ausprobieren, gesteuert von Belohnung und Misserfolg.

Die Einschätzung, die ein Modell zu neuen Daten abgibt – immer eine Wahrscheinlichkeit, keine Gewissheit.

Eine systematische Schieflage in Daten oder Modell, die zu unfairen oder falschen Ergebnissen führen kann.

Wenn ein Modell die Trainingsbeispiele auswendig lernt, aber bei neuen Daten versagt.

Die Beispiele, aus denen ein Modell lernt. Ihre Qualität bestimmt massgeblich das Ergebnis.

Ungesehene Beispiele, mit denen geprüft wird, ob das Gelernte auch verallgemeinert.

Die Eingabe oder Anweisung, mit der man einem Sprachmodell sagt, was es tun soll.

Ein Modell, das Texte versteht und erzeugt, indem es das wahrscheinlich nächste Wort vorhersagt.

Wiederkehrende Aufgaben von Software erledigen lassen, oft unterstützt durch KI.

Wenn ein Sprachmodell überzeugend klingende, aber falsche Angaben erzeugt.