Arten künstlicher Intelligenz: ANI, AGI, ASI und andere Klassifikationen

Künstliche Intelligenz kann auf unterschiedliche Weise klassifiziert werden. ANI, AGI und ASI beschreiben Kapazitätsniveaus, erklären jedoch nicht allein, wie ein System lernt, welche Art von Ergebnis es erzielt oder wie viel es ohne menschliches Eingreifen handeln kann.

Eine KI kann auch prädiktiv, generativ, konversativ, regelbasiert sein, durch überwachtes Lernen trainiert werden oder als Agent fungieren, der Werkzeuge verwenden kann.

Wenn wir also fragen, wie viele Arten künstlicher Intelligenz es gibt, hängt die Antwort von den verwendeten Kriterien ab.

In diesem Leitfaden erfahren Sie mehr über die wichtigsten Klassifizierungen, ihre Unterschiede und welche bestehenden Technologien oder Konzepten entsprechen, die hypothetisch bleiben.

Einen Überblick über Funktionsweise, Anwendungen, Vorteile und Risiken erhalten Sie in unserem Vollständiger Leitfaden zur künstlichen Intelligenz.

Wie künstliche Intelligenz klassifiziert wird

Es gibt keine einheitliche Klassifizierung, die alle KI-Systeme beschreiben kann.

Wir können sie gruppieren nach:

• Ihre Fähigkeit, in einem oder mehreren Bereichen zu arbeiten.
• Die verwendete Technologie oder der verwendete Ansatz.
• Die Art, wie sie lernen.
• Die Art des Ergebnisses, das sie erzeugen.
• Das Informationsformat, das sie verarbeiten.
• Ihre Fähigkeit, autonom zu handeln.
• Die Funktion, für die sie entwickelt wurden.

Dasselbe System kann mehreren Kategorien angehören.

Ein Assistent kann beispielsweise sein:

• Spezialisierte künstliche Intelligenz.
• Modell basierend auf Deep Learning.
• Generative KI.
• Konversations-KI.
• Multimodales System.
• Agent mit Zugriff auf Tools.

Jeder Begriff beschreibt einen anderen Aspekt.

Arten von KI entsprechend ihren Fähigkeiten

Die Klassifizierungen ANI, AGI und ASI vergleichen die Breite der Fähigkeiten einer KI mit der Flexibilität der menschlichen Intelligenz.

Es handelt sich um einen nützlichen konzeptionellen Rahmen, für dessen Grenzen es jedoch keine allgemein anerkannten Belege gibt.

ANI oder enge künstliche Intelligenz

ANI bedeutet Künstliche schmale Intelligenz, übersetzt als enge, spezialisierte oder begrenzte künstliche Intelligenz.

Beschreiben Sie Systeme, die für die Ausführung bestimmter Aufgaben in bestimmten Kontexten konzipiert sind.

Zu seinen möglichen Funktionen zählen:

• Bilder klassifizieren.
• Produkte empfehlen.
• Texte übersetzen.
• Erkennen Sie anomale Vorgänge.
• Inhalte generieren.
• Routen berechnen.
• Stimme erkennen.
• Eine Nachfrage vorhersagen.

Das Wort “eng” bedeutet nicht unbedingt, dass das System nur eine Aktion ausführen kann.

Ein multimodales Modell kann mit Text, Bildern, Dokumenten, Audio, Programmierung und Tools arbeiten. Es hängt jedoch immer noch von einer definierten Architektur, Daten, Anweisungen und Umgebung ab.

Merkmale des ANI

• Es wird für bestimmte Ziele entwickelt oder trainiert.
• Ihre Leistung variiert je nach Aufgabe.
• Es verfügt nicht automatisch über alle menschlichen Fähigkeiten.
• Es kann Spezialisten in bestimmten Aktivitäten übertreffen.
• Es lässt sich nicht unbegrenzt auf jede Situation verallgemeinern.
• Benötigt Bewertung und Überwachung.

Unter dieser Klassifizierung werden derzeit eingesetzte Systeme normalerweise in die Kategorie der spezialisierten KI eingeordnet, obwohl einige sehr vielseitig sind.

AGI oder künstliche allgemeine Intelligenz

AGI bedeutet Künstliche allgemeine Intelligenz oder künstliche allgemeine Intelligenz.

Es wird verwendet, um ein System zu beschreiben, das in der Lage ist, zu lernen, zu argumentieren und Wissen in einer Vielzahl von Aufgaben und Bereichen, einschließlich neuer Situationen, anzuwenden.

Eine potenzielle AGI sollte Fähigkeiten wie die folgenden aufweisen:

• Lernen Sie neue Aufgaben mit wenigen Informationen.
• Wissen zwischen Domänen übertragen.
• Passen Sie sich an ungewohnte Situationen an.
• Planen Sie komplexe Ziele.
• Lösen Sie verschiedene Probleme.
• Verwenden Sie Werkzeuge.
• Fehler korrigieren.
• Behalten Sie in vielen Kontexten eine starke Leistung bei.

Es gibt keine universelle Definition oder keinen Test, der bescheinigt, dass ein System AGI ist.

Daher können verschiedene Forscher, Unternehmen und Organisationen den Begriff unterschiedlich verwenden.

Einige konzentrieren sich darauf, in vielen Tests eine für Menschen vergleichbare Leistung zu erzielen. Andere erfordern Anpassung, Gedächtnis, Autonomie, kontinuierliches Lernen oder die Fähigkeit, in realen Umgebungen zu funktionieren.

AGI bedeutet nicht unbedingt Bewusstsein

Allgemeine Intelligenz und Bewusstsein sind keine gleichwertigen Konzepte.

Ein System könnte eine große Fähigkeit zeigen, Aufgaben zu lösen, ohne nachzuweisen, dass es über Emotionen, subjektive Erfahrungen oder Bewusstsein verfügt.

Daher sollte in einer Tabelle zu ANI und AGI das Bewusstsein nicht als primäre technische Anforderung verwendet werden.

Gibt es derzeit eine AGI?

Es besteht kein allgemein anerkannter Konsens darüber, dass irgendein System künstliche allgemeine Intelligenz erreicht hat.

Aktuelle Modelle können sehr umfassende Fähigkeiten bieten, weisen jedoch weiterhin unregelmäßige Profile auf: Sie zeichnen sich bei bestimmten Aufgaben aus und scheitern bei anderen, die eine Person als einfach betrachten könnte.

Aus diesem Grund ist es genauer, konkrete Fähigkeiten zu bewerten, als absolut festzustellen, ob ein Werkzeug “intelligent wie ein Mensch” ist oder nicht.

ASI oder künstliche Superintelligenz

ASI bedeutet Künstliche Superintelligenz oder künstliche Superintelligenz.

Beschreiben Sie ein hypothetisches Szenario, in dem ein System die menschlichen Fähigkeiten in einer Vielzahl von Disziplinen bei weitem übertreffen würde.

Dazu könnte eine überlegene Leistung in folgenden Bereichen gehören:

• Wissenschaftliche Forschung.
• Ingenieurwesen.
• Planung.
• Mathe.
• Technologische Entwicklung.
• Strategie.
• Problemlösung.
• Wissensgenerierung.

ASI stellt keine derzeit verfügbare Technologie dar.

Es gibt auch keine etablierte Möglichkeit zu wissen, wie es sich entwickeln würde, welche Fähigkeiten es haben würde oder ob es als Folge einer AGI entstehen würde.

Seine Studie bezieht sich hauptsächlich auf Debatten über:

• Sicherheit.
• Kontrolle.
• Objektive Ausrichtung.
• Machtkonzentration.
• Verwaltung.
• Systemische Risiken.

Es ist wichtig, diese Debatten von den tatsächlichen Einschränkungen und Risiken der bereits verwendeten Systeme zu unterscheiden.

Vergleich zwischen ANI, AGI und ASI

Die Tabelle sollte nicht als automatische Skala interpretiert werden, nach der jedes System vorankommen muss.

ANI, AGI und ASI sind konzeptionelle Kategorien, die auf der Breite der Fähigkeiten basieren.

Arten von KI entsprechend ihrem technischen Ansatz

Wir können künstliche Intelligenz auch nach der Technologie klassifizieren, die zur Erzielung ihrer Ergebnisse verwendet wird.

KI basierend auf Regeln und Wissen

Diese Systeme verwenden Regeln, logische Darstellungen oder von Spezialisten eingeführtes Wissen.

Ein einfaches Beispiel wäre:

Wenn die Bedingungen A und B erfüllt sind, empfiehlt er Option C.

Sie können verwendet werden in:

• Expertensysteme.
• Regelbasierte Diagnostik.
• Konfiguratoren.
• Entscheidungsmotoren.
• Validierungen.
• Planung.

Seine Vorteile sind Rückverfolgbarkeit und Kontrolle.

Allerdings kann es schwierig sein, Tausende von Regeln einzuhalten, wenn sich das Problem ändert oder zu viele Ausnahmen enthält.

Maschinelles Lernen

Maschinelles Lernen ermöglicht es Ihnen, Modelle zu erstellen, die Beziehungen aus Daten lernen.

Anstatt alle Regeln manuell zu schreiben, werden Beispiele verwendet, um ein Modell anzupassen.

Es kann angewendet werden auf:

• Klassifizierung.
• Regression.
• Anomalieerkennung.
• Segmentierung.
• Empfehlung.
• Sprachverarbeitung.
• Künstliches Sehen.

Deep Learning

Deep Learning ist ein Teilgebiet des maschinellen Lernens, das auf mehrschichtigen neuronalen Netzen basiert.

Es wird häufig bei Aufgaben verwendet, die sich auf Folgendes beziehen:

• Sprache.
• Bilder.
• Audio-.
• Video.
• Multimodale Modelle.
• Inhaltsgenerierung.
• Erkennen komplexer Muster.

Es ersetzt nicht alle Modelle des maschinellen Lernens. Bei bestimmten Problemen kann eine einfachere Technik schneller, interpretierbarer und effizienter sein.

Die Beziehung zwischen diesen Konzepten wird im Leitfaden erläutert Wie künstliche Intelligenz funktioniert.

Arten von KI entsprechend ihrer Lernmethode

Innerhalb des maschinellen Lernens können wir mehrere Methoden unterscheiden.

Betreutes Lernen

Das Modell lernt anhand von Beispielen, die eine richtige Antwort oder Bezeichnung enthalten.

Zum Beispiel:

• E-Mails, die als Spam oder legitim eingestuft sind.
• Markierte Bilder.
• Als betrügerisch gekennzeichnete Vorgänge.
• Häuser mit Angabe ihres Preises.

Es wird hauptsächlich verwendet für:

• Klassifizierung.
• Regression.
• Vorhersage.

Unüberwachtes Lernen

Das Modell empfängt Daten ohne zuvor gekennzeichnete Antworten und sucht nach Strukturen oder Gruppierungen.

Es kann verwendet werden für:

• Segmentkunden.
• Gruppendokumente.
• Muster erkennen.
• Erkunden Sie Datensätze.
• Abmessungen reduzieren.
• Identifizieren Sie atypische Verhaltensweisen.

Das System findet Beziehungen, aber eine Person muss interpretieren, was die erhaltenen Gruppen bedeuten.

Verstärkendes Lernen

Ein Agent lernt durch Interaktion mit einer Umgebung.

Jede Aktion kann eine Belohnung oder Strafe nach sich ziehen. Ziel ist es, eine Strategie zu finden, die die angesammelte Belohnung maximiert.

Es wird verwendet in:

• Robotik.
• Spiele.
• Systemsteuerung.
• Planung.
• Optimierung.
• Forschung zu Agenten.

Selbstüberwachtes Lernen

Selbstüberwachtes Lernen ermöglicht es Ihnen, Trainingssignale aus Ihren eigenen Daten zu erstellen, ohne jedes Beispiel manuell kennzeichnen zu müssen.

Ein Modell kann beispielsweise lernen, indem es Folgendes versucht:

• Vorhersage eines versteckten Teils eines Textes.
• Rekonstruieren Sie ein unvollständiges Bild.
• Inhaltsdarstellungen in Beziehung setzen.
• Identifizieren Sie den nächsten Teil einer Sequenz.

Dieser Ansatz hat bei der Entwicklung großer Sprachmodelle und grundlegender Modelle eine wichtige Rolle gespielt.

Arten von KI entsprechend dem Ergebnis, das sie erzeugen

Eine weitere besonders nützliche Klassifizierung unterscheidet Systeme anhand der von ihnen erzeugten Ausgabe.

Prädiktive KI

Prädiktive KI berechnet, welches Ergebnis aus bestimmten Daten erzielt werden könnte.

Es kann generieren:

• Eine Wahrscheinlichkeit.
• Ein numerischer Wert.
• Eine Prognose.
• Eine Risikoabschätzung.
• Eine erwartete Nachfrage.
• Eine Warnung.

Beispiele:

• Umsatzprognose.
• Schätzung der Lieferzeit.
• Risiko der Nichtzahlung.
• Aufschlüsselungsprognose.
• Wahrscheinlichkeit des Kundenabbruchs.

Ihre Ergebnisse können meist später mit dem verglichen werden, was tatsächlich passiert ist.

Generative KI

Generative KI erzeugt aus einer Eingabe neue Inhalte.

Es kann generieren:

• Text.
• Bilder.
• Audio-.
• Musik.
• Video.
• Code.
• Präsentationen.
• Dreidimensionale Modelle.

Es sollte nicht mit AGI verwechselt werden.

Ein generatives System kann Inhalte in verschiedenen Formaten erstellen und bleibt weiterhin eine spezialisierte künstliche Intelligenz.

Schauen Sie sich unseren Leitfaden an Was ist generative künstliche Intelligenz um mehr über seine Modelle, Funktionsweise und Einschränkungen zu erfahren.

Diskriminierende oder klassifizierende KI

Diskriminative Modelle trennen Beispiele, berechnen Kategorien oder schätzen Beziehungen zwischen einer Eingabe und einer Ausgabe.

Sie können verwendet werden für:

• Objekte identifizieren.
• E-Mails klassifizieren.
• Erkennen von Krankheiten in Bildern.
• Absichten erkennen.
• Unterscheiden Sie zwischen normalen und anomalen Vorgängen.

“Generativ” und “diskriminativ” beschreiben unterschiedliche Ansätze, obwohl dasselbe Produkt beide kombinieren kann.

Empfehlungssysteme

Sie analysieren Informationen über Benutzer, Produkte oder Inhalte, um Optionen zu sortieren, die relevant sein könnten.

Sie werden verwendet in:

• Elektronischer Handel.
• Audiovisuelle Plattformen.
• Musik.
• Soziale Netzwerke.
• Werbung.
• Nachricht.
• Ausbildung.

Sie können kollaborative Filterung, Vorhersagemodelle, Inhalte und Kontext kombinieren.

Konversations-KI

Konversations-KI verarbeitet Sprache, um Interaktionen per Text oder Sprache aufrechtzuerhalten.

Kann Folgendes umfassen:

• Chatbots.
• Assistenten.
• Pflegesysteme.
• Sprachschnittstellen.
• Agenten mit Werkzeugen.

Nicht jede Konversations-KI ist generativ. Einige Systeme folgen vorgegebenen Abläufen, Absichten und Reaktionen.

Künstliches Sehen

Maschinelles Sehen analysiert Bilder oder Videos.

Sie können Aufgaben wie die folgenden ausführen:

• Bildklassifizierung.
• Objekterkennung.
• Segmentierung.
• Optische Zeichenerkennung.
• Nachverfolgung.
• Qualitätsprüfung.
• Szeneninterpretation.

Robotik und autonome Systeme

Diese Systeme kombinieren Wahrnehmung, Planung und Handeln innerhalb einer physischen Umgebung.

Sie können Folgendes beinhalten:

• Kameras.
• Sensoren.
• Vorhersagemodelle.
• Standort.
• Routenplanung.
• Bewegungssteuerung.
• Verstärkendes Lernen.

Seine Autonomie hängt von der Gestaltung, den Einschränkungen und dem Grad der Aufsicht ab.

Der Leitfaden zu Anwendungen künstlicher Intelligenz Es wird erläutert, in welchen Sektoren diese Kategorien verwendet werden.

Arten von KI entsprechend ihrem Grad an Autonomie

Autonomie beschreibt das Ausmaß, in dem das System Aktionen auswählen und ausführen kann, ohne dass eine Person jeden Schritt bestätigt.

Assistenzinstrumente und Copiloten

Sie helfen einer Person, eine Aufgabe zu erledigen, aber der Benutzer behält die primäre Kontrolle.

Sie können:

• Text vorschlagen.
• Informationen zusammenfassen.
• Aktionen empfehlen.
• Entwürfe erstellen.
• Code vorschlagen.
• Dokumente analysieren.

Die Person überprüft und entscheidet, welches Ergebnis verwendet werden soll.

Agenten der künstlichen Intelligenz

Ein Agent kann ein Ziel erhalten, mehrere Schritte planen, Tools verwenden und in einer digitalen oder physischen Umgebung agieren.

Sie können Aktionen ausführen wie:

• Eine Datenbank abfragen.
• Durchsuchen Sie eine Anwendung.
• Code ausführen.
• Dateien erstellen.
• Informationen senden.
• Ergebnisse prüfen.
• Ändern Sie Ihren Plan.

Das bedeutet nicht, dass er seinen eigenen Willen hat. Ihr Verhalten wird weiterhin durch Ziele, Berechtigungen, Anweisungen, Tools und Kontrollsysteme bestimmt.

Agentische KI-Systeme

Agenten-KI kann mehrere Agenten oder Prozesse koordinieren, um über längere Zeiträume umfassendere Ziele zu erreichen.

Kann Folgendes umfassen:

• Aufteilung einer Aufgabe in Teilaufgaben.
• Delegation zwischen Agenten.
• Koordinierter Einsatz von Werkzeugen.
• Überwachung der Ergebnisse.
• Anpassung des Plans.
• Menschliches Eingreifen an Kontrollpunkten.

Je mehr Autonomie das System hat, desto wichtiger werden Berechtigungen, Überwachung, Aktivitätsprotokolle und Mechanismen, um es zu stoppen.

Diese Art von System kann in Prozessen von verwendet werden Automatisierung mit künstlicher Intelligenz.

Reaktive Maschinen, begrenztes Gedächtnis und Theorie des Geistes

Eine weitere beliebte Klassifizierung unterscheidet vier Funktionsebenen:

• Reaktive Maschinen.
• KI mit begrenztem Speicher.
• Theorie des Geistes.
• Selbstbewusste KI.

Es sollte als konzeptioneller Rahmen und nicht als universelle technische Taxonomie behandelt werden.

Reaktive Maschinen

Sie reagieren auf eine bestimmte Situation, ohne eine dauerhafte Erinnerung an frühere Erfahrungen aufzubauen.

Sie können in einer genau definierten Umgebung wirksam sein.

KI mit begrenztem Speicher

Es verwendet aktuelle Informationen, Kontext oder gespeicherte Daten, um eine Antwort zu erzeugen.

Viele moderne Systeme könnten teilweise zu dieser Beschreibung passen, obwohl der Ausdruck zu weit gefasst ist, um ihre technischen Unterschiede zu erklären.

Theorie des Geistes

Beschreiben Sie die hypothetische Fähigkeit, die Emotionen, Überzeugungen, Absichten und Geisteszustände anderer Menschen allgemein zu interpretieren.

Es gibt Systeme, die emotionale Signale erkennen oder auf konkrete Absichten schließen, aber das beweist keine vollständige Theorie des menschlichen Geistes.

Selbstbewusste KI

Es würde ein System mit eigenem Bewusstsein oder subjektiver Erfahrung darstellen.

Es gibt keine anerkannten Beweise dafür, dass aktuelle Systeme selbstbewusst sind.

Diese Kategorie gehört in erster Linie zur philosophischen und hypothetischen Debatte und sollte nicht mit der Fähigkeit verwechselt werden, sich in der ersten Person zu unterhalten oder zu sprechen.

Dasselbe System kann mehreren Kategorien angehören

Die Klassifizierungen schließen sich nicht gegenseitig aus.

Ein moderner Assistent könnte wie folgt beschrieben werden:

• KI spezialisierte sich entsprechend ihren Fähigkeiten.
• Deep Learning entsprechend seiner Architektur.
• Selbstüberwacht gemäß einem Teil seiner Ausbildung.
• Generativ, abhängig vom Ergebnis.
• Konversation entsprechend der Schnittstelle.
• Multimodal nach Formaten.
• Agent, wenn Sie Tools verwenden und Aktionen ausführen können.

Ebenso könnte ein Betrugserkennungssystem sein:

• Spezialisierte KI.
• Überwachtes maschinelles Lernen.
• Prädiktive KI.
• Diskriminatives Modell.
• Entscheidungsunterstützungssystem.

Deshalb ist es nicht richtig, einfach zu fragen:

Um welche Art von KI handelt es sich?

Die genaueste Frage wäre:

Nach welchen Kriterien wollen wir es klassifizieren?

Welche Arten künstlicher Intelligenz gibt es derzeit

Derzeit gibt es echte Systeme von:

• Regelbasierte KI.
• Maschinelles Lernen.
• Deep Learning.
• Prädiktive KI.
• Generative KI.
• Künstliches Sehen.
• Sprachverarbeitung.
• Empfehlungssysteme.
• Robotik.
• KI-Agenten.
• Spezialisierte multimodale Systeme.

Im Rahmen von ANI, AGI und ASI werden diese Systeme üblicherweise als spezialisierte Intelligenzen klassifiziert.

Einige verfügen über umfassende Fähigkeiten und können viele Aufgaben ausführen, es gibt jedoch keinen allgemein anerkannten Test, der bescheinigt, dass ein System AGI erreicht hat.

Der ASI bleibt ein hypothetisches Szenario.

Diese Unterscheidung hilft, zwei Fehler zu vermeiden:

• Spielen Sie die tatsächlichen Fähigkeiten der aktuellen KI herunter.
• Attribut für allgemeine Fähigkeiten, Bewusstsein oder Autonomie, die nicht nachgewiesen wurden.

Fazit

Die Arten künstlicher Intelligenz hängen von den verwendeten Kriterien ab.

ANI, AGI und ASI beschreiben die Breite der Fähigkeiten. Überwachtes, unüberwachtes, verstärkendes und selbstüberwachtes Lernen beschreibt, wie bestimmte Modelle trainiert werden. Die prädiktiven, generativen, konversationellen oder visuellen Kategorien erklären, welche Ergebnisse sie erzielen, während Agenten ihren Grad an Autonomie beschreiben.

Aktuelle Systeme können mehrere dieser Kategorien kombinieren.

Um KI zu verstehen, müssen wir daher Folgendes analysieren:

• Welche Aufgabe erfüllt es.
• Welche Daten es verwendet.
• Wie sie ausgebildet wurde.
• Welches Ergebnis es hervorbringt.
• Welche Werkzeuge können Sie verwenden.
• Wie viel Autonomie besitzt es.
• Welche Aufsicht benötigen Sie.

Häufig gestellte Fragen zu Arten künstlicher Intelligenz