KI-Einführung-komprimiert PDF

HANTIN ER www.hantinger.at Begleitendes Arbeitsskriptum für Studierende der LV Künstliche Intelligenz in der Organisationskommunikation [KÜNSTLICHE INTELLIGENZ]...

HANTIN ER www.hantinger.at Begleitendes Arbeitsskriptum für Studierende der LV Künstliche Intelligenz in der Organisationskommunikation [KÜNSTLICHE INTELLIGENZ] // Einführung und Überblick //  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick Inhalt 1 Vorwort.............................................................................................................. 2 2 Eine kurze Einführung........................................................................................ 3 3 Anfänge und Entwicklung.................................................................................. 5 3.1 Alan Turing und der Turing-Test........................................................................................ 7 3.2 Frühe Entwicklungen in der Automatisierung und Logik....................................................... 8 3.3 Die erste Welle der KI..................................................................................................... 10 3.4 Der „KI Winter“............................................................................................................... 12 3.5 Die zweite Welle der KI................................................................................................... 14 4 Moderne KI und Deep Learning....................................................................... 16 4.1 Deep Learning und neuronale Netze................................................................................. 17 4.2 Große Datenmengen und Rechenleistung......................................................................... 18 4.3 Selbstfahrende Autos...................................................................................................... 18 4.4 Natural Language Processing (NLP).................................................................................. 19 4.5 Computer Vision............................................................................................................. 19 5 Herausforderungen und ethische Fragen......................................................... 21 5.1 Datenschutz und Sicherheit............................................................................................. 21 5.2 Bias und Diskriminierung in KI-Systemen.......................................................................... 22 5.3 KI „denkt“ nicht, sondern rechnet.................................................................................... 23 5.4 KI ohne eigene Moral und Ethik....................................................................................... 24 5.5 Fehlende menschliche Eigenschaften der KI...................................................................... 26 6 Persönliche Fragen zur KI................................................................................ 27 Hinweis: Wir legen besonderen Wert auf den Schutz des geistigen Eigentums und der Arbeit anderer Menschen und Institutionen. Es ist uns wichtig Inhalte anderer, die wir in unsere Unterlagen übernehmen, zu respektieren und daher korrekt zu zitieren. Gleiches erwarten wir für von uns ausgegebene Skripten und Unterlagen. Das Urheberrecht der vorliegenden Unterlagen liegt bei den jeweiligen Autorinnen und Autoren. Verwendung außerhalb der engen Grenzen des Urheberrechtsgesetzes nur mit schriftlicher Genehmigung der Autorinnen / Autoren bzw. von Mag. Werner C. Hantinger, Suppanstraße 69 / Top 1, 9020 Klagenfurt am Wörthersee und unter Verwendung korrekter Zitierweise. Themenbezogen wurden die Inhalte dieses Skriptums mit der Unterstützung von unterschiedlichen KI-Modellen (u.a. Midjourney und ChatGPT) erstellt und entsprechend weiter überarbeitet. Urheberrechtliche Fragen zu diesem Themenbereich sind derzeit noch überwiegend unklar. Mag. Werner C. Hantinger, LSB STUDIO, Schloss Ehrenhausen, Suppanstraße 69 / Top 1, 9020 Klagenfurt Telefon: +43 (0)664 92 11 499, E-Mail: [email protected] Fachtrainer n. ISO 17024, Lehrtrainer für LSB nach dem BGBl, Supervisor im Experten-Pool der WKO, Dipl.-Lebensberater, Mandatar für die LSB in der Fachgruppe der Wirtschaftskammer Kärnten. 1  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 1 Vorwort Dieser Reader entstand als Einführungs- und Begleitwerk für die Studierenden meiner Lehr- veranstaltung „KI in der Organisationskommunikation“ an der Universität Klagenfurt, an der ich seit 2004 als Lehrbeauftragter tätig bin. Diese spezielle Lehrveranstaltung fand im Win- tersemester 2023 erstmals statt. Die Grundidee war, das aktuell erst in Zweifellos wird die breite Implementie- letzter Zeit so stark boomende Thema rung von KI-Systemen eine Revolution. der sogenannten „Künstlichen Intelli- Richard David Precht vergleicht die Di- genz“ kreativ aufzugreifen. Dazu wur- mension der Entwicklung gerne mit der den selbstverständlich verschiedenste Erfindung der Dampfmaschine. Wir er- KI-Tools, wie ChatGPT oder Midjour- leben gerade einen Wendepunkt in ney in der jeweils aktuellen Version der Geschichte der Menschheit, der (September 2023) unterstützend einge- gravierende Auswirkungen auf alle Le- setzt. Auch, um zu erkunden, was wie bensbereiche hat. Das Smartphone und gut funktioniert und wo Grenzen aus- das Internet werden im Vergleich dazu - gelotet werden können. in der historischen Nachbetrachtung - vermutlich recht „klein“ wirken. Kurz: Ein Selbstversuch, ein Experi- ment gemeinsam mit den interes- Das aber nur vorweg als Gedanke. sierten Studierenden. Die Verlinkungen und Aufgabenstellungen in Autor: diesem Reader sind für Studierende eine Mag. Werner C. Hantinger Pflichtübung, für alle anderen interessierten Baujahr 1979, Studium der Medien- und Leser:innen wämstens empfohlen. Kommunikationswissenschaften, Dipl.- Lebensberater, Supervisor, Fachtrainer und Prüfer der SystemCert nach ISO Kreatives Ausprobieren, lernen und Umsetzen 17024. Entwickler unzähliger Aus- und wünscht euch Weiterbildungen, Lehraufträge u.a. an der Alpen-Adria Universität Klagenfurt und für REWE International. Mitbegründer des LSB STUDIO. Mandatar für die LSB in der Fachgruppe der Wirtschaftskammer Kärnten. www.hantinger.at Werner C. Hantinger Tel. 0664 92 11 499 2  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 2 Eine kurze Einführung Künstliche Intelligenz (KI) bezieht sich auf die Fähigkeit von Computern und Maschinen, Auf- gaben auszuführen, die normalerweise menschliche Intelligenz erfordern würden. Dies um- fasst Problemlösung, Lernen, Entscheidungsfindung, Sprachverarbeitung und vieles mehr. Der Hauptunterschied zwischen KI und menschlicher Intelligenz liegt in der Art und Weise, wie sie funktionieren: Datenbasiertes Lernen: Emotionen und Empathie: KI-Systeme verwenden große Menschliche Intelligenz ist eng Mengen an Daten und Algorith- mit Emotionen, Empathie und men, um Muster zu erkennen und sozialer Intelligenz verbunden. von ihnen zu lernen. Menschliche Künstliche Intelligenz hat keine Intelligenz basiert auf einem kom- eigenen Emotionen oder Empa- plexen Zusammenspiel von Sin- thie, kann aber in begrenztem neswahrnehmungen, Erfahrung & Umfang emotionale Signale er- kognitiven Fähigkeiten. kennen und darauf reagieren. Verarbeitungsgeschwindigkeit: Kreativität und Intuition: Künstliche Intelligenz kann Infor- Kreatives Denken und Intuition mationen in Sekundenschnelle ver- sind typische Eigenschaften arbeiten und große Datenmengen menschlicher Intelligenz, die analysieren, während menschliche schwer in algorithmische Pro- Intelligenz zwar mächtig ist, aber zesse umzusetzen sind. KI kann wesentlich langsamer und be- zwar generative Modelle nutzen, grenzter in der Verarbeitung großer um kreative Inhalte zu erstellen, Datenmengen ist. Dieser Unter- aber dies geschieht auf der schied ist nicht marginal, sondern Grundlage von Trainingsdaten beträchtlich, zudem ist die KI ge- und ist oft vorhersehbarer als neauer in der Verarbeitung. menschliche Kreativität. 3  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick Insgesamt kann KI spezialisierte Aufgaben auf beeindruckende Weise automa- tisieren und optimieren, aber ihr fehlt die breiten, vielseitigen und emotionalen Fähigkeiten der menschlichen Intelligenz. Menschliche Intelligenz ist stark durch Erfahrung, emotionales Verständnis und kreatives Denken geprägt, wäh- rend KI auf Daten und Algorithmen basiert. Beide Formen der „Intelligenz“ haben ihre eigenen einzigartigen Stärken und Anwendungs- bereiche. Die sinnvolle zukünftige Nutzung muss also mit der Frage einhergehen: „In wel- cher Welt wollen wir leben?“. Und die Vielseitigkeit der Möglichkeiten nimmt täglich zu. Wichtig: Computer können „einfach nur“ rechnen. Abstrakt, komplex und in immer größeren Datenmengen, die logisch ver- knüpft werden. Bereits der Begriff „Künstli- che Intelligenz“ ist daher zeitweise irrefüh- rend, weil er die Annahme unterstellen würde, wir sprächen von „Menschlicher In- telligenz“, die nun auch künstlich produziert werden könne. Wir sprechen jedoch immer von einem Intelligenzbegriff, den wir als „maschinelle Logik“ bezeichnen könnten. Wir sollten insgesamt erst klären, was der Begriff „Intelligenz“ überhaupt meint. Zur Einstimmung: Richard David Precht und Mercedes Bunz: https://www.youtube.com/watch?v=MDlOjV1naPM 4  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 3 Anfänge und Entwicklung ENIAC erstellt von Midjourney Hier ist ein zeitlicher Überblick über wichtige Meilensteine in der Digitalisierung: 1. Erster Computer (1940er Jahre): Der erste voll funktionsfähige elektronische Com- puter, der ENIAC (Electronic Numerical Integrator and Computer), wurde in den 1940er Jahren entwickelt. Er war riesig und wurde für komplexe wissenschaftliche Berechnungen und militärische Zwecke eingesetzt. 2. Erstes Handy (1973): Das erste Mobiltelefon, das Motorola DynaTAC 8000X, wurde 1973 vorgestellt. Es war groß und teuer, aber es markierte den Beginn der Mobil- funkrevolution. 3. Internet (1960er bis 1970er Jahre): Das ARPANET, ein Vorläufer des modernen In- ternets, wurde in den späten 1960er Jahren entwickelt. Das World Wide Web (WWW) wurde 1989 von Tim Berners-Lee erfunden, und der erste Webbrowser wurde 1990 erstellt. Dies ebnete den Weg für die weltweite Vernetzung von Computern und Infor- mationen. 5  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 4. Künstliche Intelligenz (1950er Jahre bis heute): Die Forschung und Entwicklung von Künstlicher Intelligenz begann in den 1950er Jahren, wobei Alan Turing und an- dere Pioniere grundlegende Beiträge leisteten. In den 1980er und 1990er Jahren gab es einen KI-Winter, gefolgt von einer Renaissance in den 2000er Jahren. Moderne KI-Technologien, einschließlich maschinellem Lernen und Deep Learning, haben in den letzten Jahren enorme Fortschritte gemacht. 5. Smartphones und Mobile Internet (2000er Jahre): Die Veröffentlichung des iPho- nes im Jahr 2007 durch Apple markierte den Beginn der Ära der Smartphones. Diese Geräte ermöglichten den Zugriff auf das Internet und eine Vielzahl von Anwendungen von unterwegs aus. 6. Cloud-Computing (2000er Jahre): Die Entwicklung von Cloud-Computing-Techno- logien, die es ermöglichen, Daten und Anwendungen über das Internet zu speichern und abzurufen, hat die Art und Weise verändert, wie Unternehmen und Einzelperso- nen IT-Ressourcen nutzen. 7. IoT (Internet der Dinge) (2010er Jahre): Das Internet der Dinge bezieht sich auf die Vernetzung von Alltagsgegenständen und Geräten mit dem Internet. Dies hat zu ei- ner Fülle von vernetzten Haushaltsgeräten, Smart-Cities-Lösungen und anderen An- wendungen geführt. Auf einem ungefähren Zeitstrahl hier für euch ergänzend die wesentlichen Entwicklungen zum heutigen Stand: Grafik: https://www.armandoschaer.ch/2017/08/entwicklungschancen-durch-steigende-komplexitaet/ Dies sind einige wichtige Meilensteine in der Geschichte der Digitalisierung. Die Entwicklung in diesen Bereichen schreitet rasant voran. Schneller als jemals zuvor! 6  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 3.1 Alan Turing und der Turing-Test Alan Turing war ein britischer Mathematiker, Logiker und Informatiker, der im 20. Jahrhundert lebte. Er ist vor allem für seine bahnbrechenden Beiträge zur Berech- nungstheorie und zur Entwicklung des ersten digitalen Computers, des Turing-Mo- dells, bekannt. Einer seiner bekanntesten Beiträge zur Informatik und Philosophie ist der sogenannte "Turing-Test." Der Turing-Test ist ein Gedankenexperiment, das Alan Turing in seinem 1950 veröffentlich- ten Aufsatz "Computing Machinery and Intelligence" vorgeschlagen hat. Das Ziel des Tests war es, die Frage zu beantworten, ob Maschinen jemals in der Lage sein könnten, menschenähnliche Intelligenz zu erreichen. Der Turing-Test regte Diskussionen Der Turing-Test funktioniert so: darüber an, ob Maschinen jemals Ein Mensch (der Prüfer) befindet sich in einem Raum menschenähnliche Intelligenz und und kommuniziert über Textnachrichten mit zwei Teilneh- Verständnis erreichen könnten. Er menden, von denen einer ein Mensch ist und der andere war ein wegweisendes Konzept in eine Maschine (Computer). Der Prüfer weiß nicht, welcher der Entwicklung der Künstlichen In- der Teilnehmer die Maschine ist. Wenn der Prüfer nach ei- telligenz (KI) und regte die Forschung ner gewissen Zeit nicht in der Lage ist, zuverlässig zu un- und Entwicklung auf diesem Gebiet terscheiden, welcher der Teilnehmer die Maschine ist und an. Obwohl der Turing-Test heutzu- welcher der Mensch, gilt die Maschine als "intelligent" und tage oft als zu einfach angesehen der Turing-Test als bestanden. wird, um KI-Intelligenz vollständig zu 7  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick bewerten, bleibt er ein wichtiger Meilenstein in Ein Selbstversuch: Bitte führt zu der Geschichte der KI und ein Thema, das die zweit einen eigenen „Turing-Test“ KI-Forschung und -Entwicklung stark beeinflusst durch. Dazu stellt bitte eurem Gegen- hat. Alan Turing selbst leistete auch grundle- über eine Reihe von einfachen Fra- gende Beiträge zur Entschlüsselung von Codes gen, wie beispielsweise: „Was ist während des Zweiten Weltkriegs und wird allge- wichtig in der Gartengestaltung“? mein als einer der Pioniere der modernen Infor- Euer Gegenüber antwortet nun ent- matik angesehen. weder selbst in 3 Sätzen oder bittet ChatGPT um 3 Sätze als Antwort auf Der Begriff „Künstliche Intelligenz“ wurde aller- die Frage. Die erhaltenen Antworten dings – glaubt man den Quellen – nicht von Alan schätzt ihr nun ein: Wurden sie von Turing geprägt, sondern vom britischen Mathe- einem Menschen oder der KI ge- matiker und Informatiker John McCarthy. Dazu schrieben? aber später noch mehr. 3.2 Frühe Entwicklungen in der Automatisierung und Logik Die Anfänge der Künstlichen Intelligenz (KI) waren geprägt von frühen Entwicklungen in der Automatisierung und Logik. In dieser Zeit, die sich vor allem auf das 20. Jahr- hundert erstreckte, begannen Forscher damit, Maschinen und Computer so zu pro- grammieren, dass sie menschliche Denkprozesse und Problemlösungsfähigkeiten imi- tieren konnten. Frühzeitig spielte wiederum Alan Turing eine entscheidende Rolle, indem er den Begriff "Be- rechenbarkeit" formulierte. Frühe Entwicklungen in der Automatisierung und Logik legten somit die Grundlagen für die KI-For- schung und ebneten den Weg für die Zu dieser Zeit wurden auch frühe Computer Entwicklung von Algorithmen und entwickelt, die in der Lage waren, logische Technologien, die es Maschinen er- Operationen durchzuführen. Zum Beispiel ent- möglichen, menschenähnliche Denk- prozesse zu simulieren und Aufga- warf George Boole das boolesche Algebra- ben zu lösen. Konzept, das später in der Entwicklung von logischen Schaltkreisen und Algorithmen für Diese Anfänge bildeten den Aus- Computer verwendet wurde. gangspunkt für die rasante Entwick- lung der KI im Laufe des 20. und 21. Jahrhunderts. 8  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick Die Dartmouth-Konferenz von 1956 Der Begriff "Künstliche Intelligenz" (KI) wurde erstmals von dem britischen Mathematiker und Informatiker John McCarthy geprägt. McCarthy gilt als einer der Pioniere auf dem Ge- biet der KI und formulierte den Begriff in den späten 1950er Jahren. Der Ursprung des Begriffs kann auf eine Konferenz zurückgeführt werden, die im Jahr 1956 am Dartmouth College in Hanover, New Hampshire, USA, stattfand. Diese Konferenz, be- kannt als die "Dartmouth-Konferenz von 1956", war ein bedeutender Meilenstein in der Ent- wicklung der KI. John McCarthy, zusammen mit anderen führenden Köpfen aus den Berei- chen Mathematik, Informatik und Psychologie, organisierte die Konferenz, um die Idee zu erforschen, ob Maschinen so programmiert werden könnten, dass sie menschenähnliche Intelligenz aufweisen könnten. KI generiertes Bild der Dartmouth-Konferenz von 1956 Von ihm kommt der Begriff „Künstliche Intelligenz“ Während der Dartmouth-Konferenz prägte John McCarthy den Begriff "Künstliche Intelligenz", um die Vision zu beschreiben, Maschinen mit der Fä- higkeit auszustatten, menschliche Denkprozesse zu simulieren und komplexe Aufgaben zu lösen. Dieser Begriff wurde schnell zum Sammelbegriff für alle Bemühungen und Technologien, die darauf abzielten, Maschinen menschen- ähnliche kognitive Fähigkeiten zu verleihen. 9  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick Seit seiner Prägung hat sich der Begriff "Künstliche Intelligenz" in der Infor- matik und im technologischen Bereich fest etabliert und ist zu einem zentra- len Thema der Forschung und Entwicklung geworden. Die KI hat in den letzten Jahrzehnten erhebliche Fortschritte gemacht und spielt heute eine wichtige Rolle in verschiedenen Anwendungen und Industrien. Damit ihr euch die Dartmouth-Konferenz von 1956 leichter merken könnt, habe ich Midjourney um ein Bild gebeten aus den Begriffen „Dart“ und „Maus“. Rechts seht ihr das – durchaus ausbaufähige - Ergebnis ;) 3.3 Die erste Welle der KI Die erste Welle der Künstlichen Intelligenz (KI) war geprägt von Expertensystemen und symbolischer KI. Diese Ära erstreckte sich von den späten 1950er bis in die 1980er Jahre und bildete den frühen Höhepunkt der KI-Forschung und -entwicklung. Expertensysteme und symbolische KI Ein Schlüsselmerkmal der ersten Welle der KI war die Entwicklung von Expertensyste- men. Diese Computerprogramme wurden so konzipiert, dass sie menschenähnliche Problemlösungsfähigkeiten in spezifischen Wissensbereichen aufwiesen. Expertensys- teme extrahierten das Wissen von menschli- chen Experten und repräsentierten es in ei- ner formalen, symbolischen Form, die von Computern verarbeitet werden konnte. Diese Systeme verwendeten bereits Re- geln und Inferenzmechanismen, um kom- plexe Probleme zu analysieren und Lö- sungen vorzuschlagen. Sie wurden in ver- schiedenen Domänen eingesetzt, ein- schließlich Medizin, Ingenieurwesen und Finanzberatung. 10  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick Probleme und Herausforderungen dieser Ära Trotz der vielversprechenden Fortschritte gab es auch Herausforderungen und Probleme in dieser ersten Welle der KI, hier die Wichtigsten: Begrenztes Expertenwissen: Wartung und Aktualisierung: Expertensysteme waren stark auf Die Wartung und Aktualisierung das verfügbare menschliche Wis- war zeitaufwändig und kostspie- sen angewiesen. Wenn das Wissen lig, da Expertenwissen noch vor unvollständig bzw. alt war, konnten Ort manuell in das System einge- die Systeme nicht effektiv arbeiten. geben werden musste. Mangelnde Skalierbarkeit: Fehlende Lernfähigkeit: Die meisten Expertensysteme wa- Diese frühen Systeme waren ren auf spezifische Aufgaben oder nicht in der Lage, aus Erfahrung Domänen beschränkt und konnten zu lernen oder sich an Verände- nicht leicht auf andere Bereiche er- rungen anzupassen. Änderungen weitert werden. mussten programmiert werden. Hohe Erwartungen und Enttäuschungen: Die Erwartungen an die KI waren in dieser Ära oft sehr hoch, und als einige der frühen Systeme die Erwartungen nicht erfüllten, kam es zu einem "AI-Winter", in dem die Forschung und Finan- zierung von KI-Projekten zurückging. Trotz dieser Herausforderungen legte die erste Welle der KI den Grundstein für spätere Entwicklungen. Experten- systeme und symbolische KI brachten das Konzept des Wissensmanagements in der KI-Forschung voran und eb- neten den Weg für die Integration von KI in verschiedene Anwendungsgebiete in den Jahrzehnten danach. 11  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 3.4 Der „KI Winter“ Der KI-Winter war eine Phase in der Geschichte KI, in der die Forschung und Entwick- lung auf diesem Gebiet stagnierten oder rückläufig waren. Original promt zu diesem Bild: /imagine a surreal digital artwork that symbolizes the 'AI Winter.' old, vintage computers should be floating aimlessly in the air, partially covered in snow. These and disruptions faced during the AI Winter. The overall ambiance should evoke a sense of un- search during that era. Dramatic, tangled cables should burst from the ground, extending up- computers should appear outdated and non-functional, representing the stagnation of AI re- Picture a wintry landscape with a desolate feel, featuring a dark, icy backdrop. In this scene, wards into the sky, but they should be frayed and disconnected, symbolizing the challenges real stillness and isolation, capturing the essence of a 'winter' in the world of ai. Der KI-Winter hatte erhebliche Auswirkungen auf die KI-Gemeinschaft und erstreckte sich über mehrere Jahre, insbesondere in den 1970er und 1980er Jahren. Er hatte zur Folge, dass viele KI-Forscher ihre Arbeit aufgaben oder in andere Bereiche der Informatik wechselten. Trotz dieser Herausforderungen waren die Grundlagen, die in der ersten Welle der KI gelegt wurden, von entscheidender Bedeutung für die spätere Entwick- lung der KI. Nach dem KI-Winter erlebte die KI-Forschung in den 1990er Jahren eine Re- naissance, die von den Fortschritten im maschinellen Lernen und der Verfügbarkeit leis- tungsfähigerer EDV angetrieben wurde. 12  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick Der Zusammenbruch der ersten KI-Welle, der in den 1970er Jahren begann und in den 1980er Jahren an Intensität gewann, hatte verschiedene Gründe, darunter: 1. Übertriebene Erwartungen: 4. Finanzielle Einschränkungen: Bereits seit den 1950er Jahren wurden Als die überhöhten Erwartungen nicht ein Allheilmittel für nahezu alle Prob- erfüllt wurden und die Fortschritte lang- leme prognostiziert. Die Erwartungen samer voranschritten als erhofft, verrin- an KI waren oft unrealistisch hoch, und gerten viele Investoren und Regierun- als die Technologie diese Erwartungen gen ihre finanzielle Unterstützung für nicht erfüllen konnte, führte dies zu KI-Forschungsprojekte und die dazu Enttäuschung und Skepsis. notwendigen Ausstattungen. 2. Begrenzte Rechenleistung: 5. Unzureichende Symbolverarbeitung: Die Rechenleistung von Computern in Die Symbolverarbeitung, die in KI-Sys- den frühen Jahren der KI war begrenzt, temen verwendet wurde, stieß an ihre was die Entwicklung komplexer KI- Grenzen. Es war schwierig, menschli- Systeme erschwerte. Dies führte zu che Intelligenz und Wissensrepräsenta- Frustrationen, da Projekte nicht die ge- tion angemessen technisch zu imitieren wünschten Ergebnisse lieferten. bzw. zu modellieren. 3. Mangel an ausreichenden Daten: 6. Kritik & negative Berichterstattung: KI-Systeme benötigen Daten, um zu Kritiker warfen der KI-Forschung vor, lernen und bessere Entscheidungen zu unrealistische Versprechungen ge- treffen. In der ersten KI-Welle gab es macht zu haben, und negative Bericht- oft nicht genügend Daten oder die Da- erstattung in den Medien verstärkte die tenqualität war unzureichend. Skepsis gegenüber KI. Diese Faktoren führten zu einem Mangel an Vertrauen und finanzieller Unterstützung für damalige KI-Projekte und einer Abnahme des Interesses an der ersten KI-Welle. Bitte überlege: Welche der oben genannten Schwie- rigkeiten haben eng mit der Kommuni- kationswissen- schaft zu tun. UND: Wie bewertest du die Situation dies- bezüglich heute? 13  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 3.5 Die zweite Welle der KI Die zweite Welle der Künstlichen Intelligenz (KI) war eine Phase erheblicher Fort- schritte und Innovationen, die in den letzten Jahrzehnten des 20. Jahrhunderts und darüber hinaus stattfand. Sie markierte einen Wendepunkt in der KI-Forschung und ihrer Anwendung, der von 2 wesentlichen Faktoren geprägt war: dem Aufkommen des maschinellen Lernens & der Entwicklung neuer Technologien und Algorithmen. Aufkommen des maschinellen Lernens Eine der herausragenden Entwicklungen der zweiten Welle der KI war zweifellos das Auf- kommen des maschinellen Lernens. Maschinelles Lernen ist ein Ansatz, bei dem Computer darauf trainiert werden, aus Daten zu lernen und Muster zu erkennen, ohne explizit program- miert zu sein. Dieser Ansatz ermöglichte es KI-Systemen, sich selbst zu verbessern und sich an veränderte Umgebungen anzupassen. Hier sind 3 wichtige Merkmale des maschinellen Lernens in dieser Ära: 1. Neuronale Netzwerke 2. Big Data 3. Algorithmen für das maschinelle Lernen Or ig inal pr omt zum Bild unten: / ima gine Genera te an illustrative a rtwo rk r epresenting the second wa ve of A rt ifi ci al Int el li gen ce (A I). P or tra y th i s era a s a t ra ns form at ive peri od i n A I resea rch a nd ap- pli ca ti on. In th e i m age, em ph asi ze t h e si gn if ica nce of tw o key el em ent s: t h e ri se of m ach i ne le arn - ing and the ev olutio n of new technolo gies a nd algor ithms. D epic t a dy na mic s cene tha t show cases t he con verg en ce of dat a- dri ven m ach in e lea rn in g tec hn i qu es an d t h e t ech no lo gic al adv an ceme nt s tha t fueled AI pr ogres s. Use vis ua ls tha t sym bolize innova tion, such as futuristic com puter inter- fac es, neura l netw ork structur es, and techno lo gica l landscapes. H ig hlig ht the tra ns itio n from rule- bas ed AI to data -driven A I as a pivo ta l tur ning point. T he over all com position should evo ke a sense of adva ncement, tra nsform ati on, and the potenti al o f AI dur ing thi s era. --ar 16:9 14  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick Neuronale Netzwerke: Die Weiterentwicklung von neuronalen Netzwerken, insbe- sondere tiefe neuronale Netzwerke, ermöglichte die Verarbeitung und Analyse großer Datenmengen. Dies führte zu Durchbrüchen in der Bilderkennung, Sprachverarbei- tung und anderen Bereichen. Big Data: Das Aufkommen großer Datenmengen aus verschiedenen Quellen trug dazu bei, die Leistungsfähigkeit des maschinellen Lernens zu steigern. Algorithmen konnten auf umfangreiche Datensätze zugreifen und Muster und Zusammenhänge erkennen, die zuvor schwer zu identifizieren waren. Algorithmen für das maschinelle Lernen: In dieser Zeit wurden eine Vielzahl von Algorithmen für das maschinelle Lernen entwickelt und verfeinert. Dazu gehören Ent- scheidungsbäume, Support-Vektor-Maschinen, Random Forests und viele andere. Neue Technologien und Algorithmen Die zweite Welle der KI war auch von bedeutenden Fortschritten in der Entwicklung neuer Technologien und Algorithmen geprägt: Computerleistung: Die Verfügbarkeit von leistungsfähigeren und kostengünstigeren Computern trug dazu bei, komplexe Berechnungen und Analysen durchzuführen, die für KI-Anwendungen erforderlich waren. Deep Learning: Deep-Learning-Techniken, die auf tiefen neuronalen Netzwerken basieren, revolutionierten die Bilderkennung, Sprachverarbeitung und andere An- wendungen. Sie ermöglichten es KI-Systemen, komplexe hierarchische Muster zu erkennen. Kombination von Technologien: Die Integration von maschinellem Lernen, Big Data und Cloud-Computing ermöglichte die Entwicklung von KI-Anwendungen in ei- ner Vielzahl von Bereichen, darunter autonomes Fahren, Gesichtserkennung, medizi- nische Diagnose und mehr. Die zweite Welle der KI war geprägt von einem Paradigmenwechsel, der die KI von regelba- sierten Expertensystemen hin zu datengetriebenen maschinellen Lernansätzen führte. Diese Ära legte den Grundstein für die heutigen Fortschritte in der KI und ebnete den Weg für eine breite Palette von Anwendungen, die unser tägliches Leben beeinflussen. 15  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 4 Moderne KI und Deep Learning In der Welt der künstlichen Intelligenz (KI) hat sich in den letzten Jahren eine bemer- kenswerte Entwicklung vollzogen, die von zwei entscheidenden Faktoren geprägt ist: Deep Learning und die Verfügbarkeit großer Datenmengen in Kombination mit erhebli- cher Rechenleistung. Original promt für diese Bild bei midjourney: Generate an image that embodies the fusion of traditional wisdom and mod- ern technology. Depict an ancient, majestic library hall filled with antique books and manuscripts resting on shelves. The room is bathed in muted light streaming through tall windows. In the center of the room, there is a futuristic holographic projector projecting complex neural networks and data visualizations into the air. Standing in front of this projector is a person dressed in timeless attire, symbolizing the bridge between the past and the future. The person gazes in fascination at the floating data patterns while simultaneously displaying reverence for the heritage of knowledge within the library. 16  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick Das 21. Jahrhundert hat eine beispiellose Expansion und Integra- tion von Künstlicher Intelligenz (KI) in unser tägliches Leben erlebt. Diese Technologie hat in verschiedenen Bereichen transformative Anwendungen gefunden, die unser Verständnis von Effizienz, Kom- munikation und Automatisierung grundlegend verändern. 4.1 Deep Learning und neuronale Netze Deep Learning* hat die Art und Weise, wie KI-Systeme Aufgaben bewältigen, revolutioniert. Im Zentrum dieser Innovation stehen *neuronale Netze*. Diese computergestützten Modelle sind von der Funktionsweise des menschlichen Gehirns inspiriert und bestehen aus Schich- ten von künstlichen Neuronen, die miteinander verbunden sind. Hier 2 Schlüsselaspekte: Tiefe neuronale Netzwerke: Deep Bilderkennung und Sprachverarbeitung: Learning bezieht sich auf neuronale Deep Learning hat in Anwendungen wie Netzwerke mit vielen Schichten, die Bilderkennung und Sprachverarbeitung er- komplexe Muster und Hierarchien in hebliche Fortschritte ermöglicht. Systeme Daten erkennen können. Diese tieferen können jetzt Gesichter erkennen, natürliche Netzwerke ermöglichen eine präzisere Sprache verstehen und sogar menschen- und tiefgreifendere Analyse. ähnliche Übersetzungen durchführen. 17  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 4.2 Große Datenmengen und Rechenleistung Der Erfolg des Deep Learning ist eng mit der Verfügbarkeit großer Datenmengen und erheb- licher Rechenleistung verknüpft: Big Data: Die moderne Welt generiert und speichert riesige Mengen an Daten. Diese Daten dienen als Treibstoff für KI-Systeme, da sie es den Algorithmen ermöglichen, aus Erfahrung zu lernen und Muster zu identifizieren. Parallel Computing und GPUs: Um diese Datenmengen zu verarbeiten, sind leis- tungsstarke Hardwarekomponenten erforderlich. Grafikkarten (GPUs) und paralleles Computing haben die Rechenleistung erheblich gesteigert, was komplexe Deep Learning-Berechnungen in akzeptabler Zeit ermöglicht. Die Kombination von Deep Learning und der Verfügbarkeit großer Datenmengen mit leistungs- starker Hardware hat dazu geführt, dass KI-Systeme in Bereichen wie autonomen Fahrzeugen, medizinischer Diagnose, Finanzanalyse und vielen anderen Anwendungen außergewöhnliche Fortschritte erzielen. Diese Entwicklungen werden weiterhin die Zukunft der Künstlichen Intel- ligenz formen und neue Möglichkeiten für Innovationen eröffnen. 4.3 Selbstfahrende Autos Eine der faszinierendsten Anwendungen von KI im 21. Jahrhundert sind selbstfahrende Au- tos. Hier sind zwei der wesentlichen Schlüsselelemente: Autonome Navigation: Verkehrsfluss und Effizienz: Selbstfahrende Fahrzeuge nutzen Sen- KI-Systeme können den Verkehrsfluss soren, Kameras und maschinelles Ler- optimieren und Staus minimieren, in- nen, um die Straße vorherzusagen und dem sie Daten in Echtzeit analysieren Hindernisse zu erkennen. Dies ermög- und Routenempfehlungen geben. licht es ihnen, sicher zu navigieren und Unfälle zu verhindern. Die Entwicklung selbstfahrender Autos verspricht nicht nur mehr Sicherheit im Straßenver- kehr, sondern auch eine radikale Umgestaltung des Transportwesens und der urbanen Mo- bilität. Noch sind allerdings viele Herausforderungen in der Praxis zu meistern, vor allem im Recht und in der Ethik. 18  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 4.4 Natural Language Processing (NLP) 4.5 Computer Vision Natural Language Processing (NLP) ermög- Computer Vision ermöglicht es Maschinen, licht es Computern, menschliche Sprache Bilder und Videos zu interpretieren und zu verstehen und darauf zu reagieren. Hier Muster zu erkennen. Hier sind einige rele- sind einige wichtige Anwendungen: vante Anwendungen: Chatbots und virtuelle Assistenten: Gesichtserkennung: Computer Vi- Chatbots und virtuelle Assistenten nut- sion-Systeme können Gesichter identi- zen NLP, um menschenähnliche Inter- fizieren und haben Anwendungen in aktionen und Unterstützung in Berei- der Sicherheit, beim Entsperren von chen wie Kundenservice, Gesundheits- Geräten und bei der Verwaltung von wesen und E-Commerce anzubieten. Fotos. Übersetzungsdienste: KI-gesteuerte Medizinische Bildgebung: In der Me- Übersetzungsdienste können Texte dizin unterstützt Computer Vision die und gesprochene Worte in Echtzeit Diagnose, indem es Ärzten hilft, kom- zwischen verschiedenen Sprachen plexe Bilder wie Röntgenaufnahmen übersetzen, was die globale Kommuni- und MRT-Scans zu analysieren. kation erleichtert. Autonome Drohnen und Roboter: Sentimentanalyse: Unternehmen nut- Computer Vision ist entscheidend für zen NLP, um die Meinungen und Stim- autonome Systeme wie Drohnen und mungen der Kunden aus sozialen Me- Roboter, die Hindernisse erkennen und dien und Kundenbewertungen zu ana- selbstständig navigieren können. lysieren und Produktverbesserungen vorzunehmen. Die in diesem Kapitel genannten Anwendungen sind nur einige Bei- spiele für die transformative Kraft der Künstlichen Intelligenz im 21. Jahrhundert. Mit kontinuierlichen Fortschritten in der KI-For- schung und -technologie werden die Möglichkeiten für Innovatio- nen und Anwendungen in den kommenden Jahren zweifellos weiter wachsen und unser tägliches Leben weiter beeinflussen. Und das in nie dagewesener Entwicklungsgeschwindigkeit. 19 /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 20  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 5 Herausforderungen und ethische Fragen Die rasante Entwicklung der Künstlichen Intelligenz bringt nicht nur immense Fortschritte, sondern auch eine Reihe von Herausforderungen und ethische Fragen mit sich. Diese Kapi- tel versucht, die komplexen Aspekte, die die KI-Forschung und -Anwendung begleiten und die immer wieder die Grenzen zwischen Technologie und Ethik aufzuzeigen. 5.1 Datenschutz und Sicherheit Datenschutz und Sicherheit sind zentrale Anliegen in der Diskussion um Künstliche Intelli- genz und ihren Einsatz. Hier sind beispielhaft 5 zentrale Überlegungen angeführt: Vertraulichkeit von Gesundheits- Einwilligung und Eigentum von daten: In der Gesundheitsbranche Daten: Die Frage nach der Ein- werden KI-Systeme zur Analyse willigung der Nutzer in die Ver- von Patientendaten eingesetzt. Die wendung ihrer Daten und dem Sicherheit und Vertraulichkeit die- Eigentum an diesen Daten ist ser sensiblen Informationen sind komplex und wirft neue ethische von höchster Bedeutung. und rechtliche Fragen auf. Insbe- sondere in Europa. Datenintegrität und Manipula- Verantwortung beim Verlust tion: KI-Systeme können Daten von Daten: Wer ist verantwort- analysieren und generieren. Die lich, wenn KI-Systeme aufgrund Gefahr von Datenmanipulation und von Sicherheitslücken oder Cy- Fälschungen erfordert robuste Si- berangriffen Daten verlieren oder cherheitsvorkehrungen. kompromittieren? Globale Datenschutzstandards: Angesichts der globalen Natur der KI ist die Harmonisierung von Datenschutzgesetzen und -standards eine ethische Her- ausforderung. 21  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 5.2 Bias und Diskriminierung in KI-Systemen Trotz ihres potenziell objektiven Charakters sind KI-Systeme anfällig für Bias und Diskrimi- nierung. Bias in Bezug auf Künstliche Intelligenz (KI) bezieht sich auf systematische Vorur- teile oder Verzerrungen in den Daten, Algorithmen oder Entscheidungen von KI-Systemen, die aufgrund ethnischer Zugehörigkeit, Geschlecht, Alter, Rasse, Religion oder anderen Fak- toren auftreten können. Diese „Vorurteile“ können dazu führen, dass KI-Systeme unfaire oder diskriminierende Ergebnisse produzieren, was erhebliche ethische und soziale Beden- ken aufwirft. Dieses Thema ist insbesondere deshalb von großer Bedeutung, weil KI-Sys- teme als völlig objektiv wahrgenommen werden. Die Herausforderungen im Bereich Bias & Diskriminierung sind u.a.: Bias in Gesichtserkennung: KI-Systeme zur Gesichtserkennung zeigen oft Vorur- teile gegenüber bestimmten Hautfarben oder Geschlechtern. Dies kann zu Fehliden- tifikationen und Diskriminierung führen. Algorithmische Diskriminierung in Entscheidungsprozessen: In Anwendungen wie der Kreditvergabe oder der Strafjustiz können KI-Systeme unbeabsichtigte Dis- kriminierung verstärken und unfaire Entscheidungen treffen. Datenquellen und historische Vorurteile: Die Vorurteile in den Trainingsdaten von KI-Systemen spiegeln oft historische Ungleichheiten wider und müssen aktiv be- kämpft werden. Bias-Bewertung und Transparenz: Die Entwicklung von Methoden zur Erkennung und Behebung von Bias in KI-Systemen ist eine ethische Pflicht. Bildung und Sensibilisierung: Die Schulung von Entwicklern und Datenwissen- schaftlern in Bezug auf Bias und Diskriminierung ist entscheidend. 22  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 5.3 KI „denkt“ nicht, sondern rechnet Eine wichtige ethische Frage in Bezug auf KI ist, dass sie nicht wirklich denkt, sondern nur rechnet. Das bedeutet: Entscheidungstransparenz: KI-Systeme sind oft "Black Boxes", was bedeutet, dass es schwer nachvollziehbar ist, wie sie zu bestimmten Entscheidungen gelangen. Die Forde- rung nach Transparenz und Erklärbarkeit ist ethisch wichtig. Dabei ist zu bedenken, dass die hochgradig umfangreichen und komplexen Rechenoperationen ab einem gewissen Grad mit menschlicher Gehirnleistung nicht mehr nachvollzogen werden können. Algorithmische Vorurteile: Die Verantwortlichen müssen sicherstellen, dass KI-Algorith- men nicht absichtlich oder unbeabsichtigt voreingenommen sind und ungerechte oder unethische Entscheidungen treffen. Das bringt uns in ein weiteres Dilemma – wir müssten nämlich an vielen Punkten davon ausgehen, dass es eine objektive Welt gäbe. Auswirkungen auf die Gesellschaft: KI-Entscheidungen können erhebliche Aus- wirkungen auf die Gesellschaft haben. Menschen müssen darüber nachdenken, wie diese Auswirkungen berücksichtigt werden können. Hier sind insbe- sondere die Ethik, die Philosophie, die Psychologie, die Kommunikati- onswissenschaft und viele weitere Disziplinen gefragt. Regulatorische Rahmenbedingungen: Die Entwicklung ethi- scher Richtlinien und regulatorischer Rahmenbedingungen ist notwendig, um die Verwendung von KI im Einklang mit moralischen Prinzipien zu gewährleisten. Dazu müssten sich Gesellschaften jedoch idealerweise „morali- sche Prinzipien“ – das wird in einer derart pluralisti- schen Welt nicht gelingen können. Forschungsethik: Die Ethik der KI-Forschung erfordert die Untersuchung potenzieller ethi- scher Herausforderungen und Risiken von KI- Technologien. Alle ethischen und rechtlichen Rahmen und Überlegungen hinken derzeit jedoch der technischen Entwicklung weit hinterher. Und die Geschwindigkeit des technischen Fortschritts ist so groß, wie noch nie. 23  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 5.4 KI ohne eigene Moral und Ethik Maschinen können keine Moral oder Ethik im menschlichen Sinn besitzen, da Moral und Ethik auf menschlichen Werten, Normen, Überzeugungen und Empfindungen basieren, die mit der menschlichen Erfahrung. Folgende Gründe führen dazu: Mangelnde Bewusstheit: Maschinen sind nicht bewusst, sie haben keine eigenen Ge- danken, Gefühle oder Absichten. Sie funktionieren auf der Grundlage von Algorithmen und Datenverarbeitung, ohne ein Bewusstsein für ihre Handlungen zu haben. Fehlende Emotionen: Maschinen erleben keine Emotionen wie Mitgefühl, Empathie oder Schuld. Sie können keine moralischen Entscheidungen auf der Grundlage von Emotionen treffen, wie es Menschen tun. Keine eigene Ethik: Maschinen haben keine eigene Ethik oder Moral. Sie operieren nach den von Menschen festgelegten Regeln und Programmen. Diese Regeln sind oft auf Effi- zienz, Genauigkeit oder andere Ziele ausgerichtet, aber sie repräsentieren keine morali- schen Prinzipien. Nicht in der Lage zu moralischem Urteilsvermögen: Maschinen kön- nen keine moralischen Urteile fällen oder ethische Dilemmata abwägen. Sie können Entscheidungen treffen, die auf vorprogrammierten Regeln und Daten basieren, aber diese Entscheidungen sind nicht von ethi- scher Überlegung geprägt. Mangel an Wertvorstellungen: Maschinen haben keine eigenen Wertvorstellungen. Sie haben keine Vorlieben, Ab- neigungen oder Überzeugungen, die moralische Entschei- dungen beeinflussen könnten. Mangel an Verantwortungsfähigkeit: Maschinen sind nicht verantwortlich für ihre Handlungen im morali- schen oder rechtlichen Sinne. Die Verantwortung für die Handlungen von Maschinen liegt bei den Menschen, die sie entwickeln, einsetzen und überwachen. Unfähigkeit zur moralischen Reflexion: Maschinen sind nicht in der Lage, moralische Fragen zu reflektieren oder Prinzipien zu hinterfragen. Sie handeln auf der Grundlage von vordefinierten Regeln, ohne die Fähigkeit zur Selbstreflexion. 24  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick Infolgedessen müssen ethische Überlegungen und moralische Prinzipien von Menschen in die Entwicklung und den Einsatz von KI und Maschinen inte- griert werden. Es liegt in der Verantwortung der Menschen, sicherzustellen, dass KI-Systeme in Übereinstimmung mit ethischen Standards und gesell- schaftlichen Werten arbeiten. Dies erfordert eine sorgfältige Planung, Überwachung und Regulierung, um sicherzustellen, dass Maschinen und KI-Anwendungen positive Auswirkun- gen auf die Gesellschaft haben und keine ethischen Konflikte oder Diskrimi- nierung verstärken. Daraus ergeben sich unter anderem folgende Fragestellungen: Haftung und Verantwortung: Bei Unfällen oder Schäden, die durch KI-Systeme verursacht werden, stellt sich die Frage nach der Haftung und Verantwortung. Verantwortung der Entwickler: Die Ethik der KI erfordert, dass Entwickler ethische Prinzipien in die Konzeption, Entwicklung und Implementierung von KI-Systemen einbeziehen. Normen und Werte in der Programmierung: Wie können menschliche Normen und Werte in die Programmierung von KI- Systemen integriert werden? Notwendigkeit von Regulierung: Die Ethik der KI erfordert die Schaffung und Umsetzung ethischer Regulierungsrichtlinien. Ethik in der KI-Ausbildung: Die Schulung von Entwicklern und Forschern in ethischen Fragen ist unerlässlich. 25  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 5.5 Fehlende menschliche Eigenschaften der KI Eine ethische Herausforderung besteht darin, dass KI-Systeme menschliche Eigenschaften nicht wirklich besitzen (jedoch in Teilen bereits hervorragend „simulieren“ können). Soziale Interaktion und Empathie: KI-Systeme können keine echte soziale Interak- tion oder Empathie bieten, was in Anwendungen wie Pflege oder Therapie problema- tisch sein kann. Kreativität und moralisches Urteilsvermögen: In kreativen Berufen wie Kunst oder in moralischen Dilemmata, die eine menschliche Reflexion erfordern, stoßen KI-Sys- teme an ihre Grenzen. Verantwortung für Entscheidungen: Da KI-Systeme keine eigene Moral oder Ethik haben, müssen ethische Entscheidungen von Menschen getroffen werden, die die Algorithmen und Anwendungen gestalten. Gefühl von Schuld und Verantwortung: KI-Systeme haben kein Gefühl von Schuld oder Verantwortung und können daher nicht moralisch haften. Ethik in der KI-Ausbildung: Die Schulung von Entwicklern und Forschern in ethi- schen Fragen im Zusammenhang mit KI ist entscheidend. Die Ethik der KI ist ein fortlaufender Diskurs und erfordert die Zusammenarbeit von Exper- ten, Gesetzgebern und der Gesellschaft, um Richtlinien und Standards festzulegen, die die Vorteile der Technologie maximieren und gleichzeitig die ethischen Herausforderungen an- sprechen. In diesem Kapitel haben wir einige der Schlüsselthemen in diesem Bereich be- leuchtet, die weiterhin erforscht und diskutiert werden. 26  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick 6 Persönliche Fragen zur KI Es ist von entscheidender Bedeutung, sich persönliche Gedanken über das Thema Künstliche Intelligenz (KI) zu machen, unabhängig von technischen Fra- gen. KI hat bereits heute und wird in Zukunft einen erheblichen Einfluss auf un- ser Leben haben. Es geht nicht nur um technologische Fortschritte, sondern auch um die Auswirkungen auf unsere Gesellschaft, unsere Werte und unsere persönlichen Entscheidungen. Hier sind 10 persönliche Fragen zur Bearbeitung und zum SELBST DENKEN: 1. In welcher Welt möchtest du leben, wenn es um KI geht? Welche Werte und Prinzipien sind dir wichtig? In welcher Welt willst du NICHT leben? 2. Wo siehst du klare Vorteile bei der Anwendung von KI in deinem Leben, und wo möchtest du KI auf keinen Fall haben? 3. Welche ethischen Fragen siehst du in Bezug auf den Einsatz von KI und wie möchtest du mit diesen umgehen? 4. In welchen Bereichen möchtest du persönlich KI einsetzen, um deine Fähigkeiten zu erweitern oder Aufgaben zu vereinfachen? 5. Wie planst du, dich auf Veränderungen in der Arbeitswelt vorzubereiten, die durch die Integration von KI verursacht werden? 6. Welche Verantwortung siehst du darin, sicherzustellen, dass KI-Systeme fair und gerecht agieren und keine Diskriminierung verstärken? 7. Wie möchtest du sicherstellen, dass du weiterhin kreative und kritische Denkfähigkeiten entwickelst, während KI-Aufgaben automatisiert werden? 8. Welche Auswirkungen siehst du auf deine zwischenmenschlichen Beziehungen durch die wachsende Präsenz von KI? 9. In welchen Aspekten deines Lebens möchtest du eine ausgewogene und verant- wortungsbewusste Nutzung von KI fördern, um eine gute Zukunft zu gestalten? 10. Wie stellst du dir eine Zukunft vor, in der KI sinnvoll und ethisch eingesetzt wird? 27  /i magi ne We rner C. HANTI NGE R: [K ÜNSTLI CHE I NTELLI GE NZ] // Ei nführu ng un d Überbl ick Platz für Notizen 28  © Mag. Werner C. Hantinger, 2023 Inkl. ungeklärtes Copyright der eingesetzten KI