Alle Inhalte in der Kategorie Glossary durchsuchen
Informationsabruf nutzt KI, NLP und maschinelles Lernen, um Daten effizient und präzise abzurufen, die den Anforderungen der Nutzer entsprechen. Als Grundlage für Web-Suchmaschinen, digitale Bibliotheken und Unternehmenslösungen adressiert IR Herausforderungen wie Mehrdeutigkeit, Algorithmus-Bias und Skalierbarkeit. Zukünftige Trends konzentrieren sich auf generative KI und Deep Learning.
Entdecken Sie, was ein Insight Engine ist – eine fortschrittliche, KI-gesteuerte Plattform, die die Datenrecherche und -analyse durch das Verständnis von Kontext und Intention verbessert. Erfahren Sie, wie Insight Engines NLP, maschinelles Lernen und Deep Learning integrieren, um umsetzbare Erkenntnisse aus strukturierten und unstrukturierten Datenquellen zu liefern.
Instanzsegmentierung ist eine Aufgabe des maschinellen Sehens, bei der jedes einzelne Objekt in einem Bild mit pixelgenauer Präzision erkannt und abgegrenzt wird. Sie verbessert Anwendungen, indem sie ein detaillierteres Verständnis liefert als die Objekterkennung oder semantische Segmentierung und ist daher entscheidend für Bereiche wie medizinische Bildgebung, autonomes Fahren und Robotik.
Instruction Tuning ist eine Technik in der KI, bei der große Sprachmodelle (LLMs) anhand von Anweisungs-Antwort-Paaren feinabgestimmt werden, um deren Fähigkeit zu verbessern, menschlichen Anweisungen zu folgen und bestimmte Aufgaben auszuführen.
Ein intelligenter Agent ist eine autonome Entität, die darauf ausgelegt ist, ihre Umgebung mittels Sensoren wahrzunehmen und über Aktuatoren auf diese Umgebung einzuwirken. Sie verfügt über künstliche Intelligenz zur Entscheidungsfindung und Problemlösung.
Jasper.ai ist ein KI-gestütztes Tool zur Inhaltserstellung, das für Marketer und Content-Ersteller entwickelt wurde und die effiziente Produktion hochwertiger Texte mit fortschrittlichen Sprachmodellen ermöglicht.
Jupyter Notebook ist eine Open-Source-Webanwendung, die es Nutzern ermöglicht, Dokumente mit ausführbarem Code, Gleichungen, Visualisierungen und erklärendem Text zu erstellen und zu teilen. Weit verbreitet in Data Science, Machine Learning, Bildung und Forschung, unterstützt es über 40 Programmiersprachen und die nahtlose Integration mit KI-Tools.
K-Means-Clustering ist ein beliebter unüberwachter Machine-Learning-Algorithmus zur Aufteilung von Datensätzen in eine vordefinierte Anzahl von unterschiedlichen, nicht überlappenden Clustern, indem die Summe der quadrierten Abstände zwischen Datenpunkten und ihren Cluster-Zentroiden minimiert wird.
Der k-nächste Nachbarn (KNN) Algorithmus ist ein nichtparametrischer, überwachter Lernalgorithmus, der für Klassifizierungs- und Regressionsaufgaben im maschinellen Lernen verwendet wird. Er sagt Ergebnisse voraus, indem er die 'k' nächsten Datenpunkte findet, Distanzmetriken und Mehrheitsentscheidungen nutzt und ist für seine Einfachheit und Vielseitigkeit bekannt.
Kaufreue ist ein psychologisches Phänomen, bei dem eine Person nach einem Kauf Reue, Angst oder Unzufriedenheit empfindet. Erfahren Sie mehr über die Ursachen, psychologischen Aspekte, Auswirkungen auf Unternehmen und die Rolle von KI bei der Vorhersage und Minderung von Kaufreue.
Die kausale Inferenz ist ein methodischer Ansatz, um Ursache-Wirkungs-Beziehungen zwischen Variablen zu bestimmen. Sie ist in den Wissenschaften entscheidend, um Kausalmechanismen jenseits von Korrelationen zu verstehen und Herausforderungen wie Störvariablen zu begegnen.
Keras ist eine leistungsstarke und benutzerfreundliche Open-Source-API für hochentwickelte neuronale Netzwerke, geschrieben in Python und lauffähig auf TensorFlow, CNTK oder Theano. Sie ermöglicht schnelle Experimente und unterstützt sowohl produktive als auch forschungsorientierte Anwendungsfälle durch Modularität und Einfachheit.
Künstliche Intelligenz (KI) in der Fertigung transformiert die Produktion, indem fortschrittliche Technologien integriert werden, um Produktivität, Effizienz und Entscheidungsfindung zu steigern. KI automatisiert komplexe Aufgaben, verbessert die Präzision und optimiert Arbeitsabläufe, wodurch Innovation und operative Exzellenz vorangetrieben werden.
Erforschen Sie, wie Künstliche Intelligenz die Menschenrechte beeinflusst, indem sie Vorteile wie verbesserten Zugang zu Dienstleistungen mit Risiken wie Datenschutzverletzungen und Vorurteilen abwägt. Lernen Sie internationale Rahmenwerke, regulatorische Herausforderungen und die Bedeutung einer verantwortungsvollen KI-Einführung zum Schutz grundlegender Rechte kennen.
KI-Aufsichtsorgane sind Organisationen, die damit beauftragt sind, die Entwicklung und den Einsatz von KI zu überwachen, zu evaluieren und zu regulieren. Sie stellen eine verantwortungsvolle, ethische und transparente Nutzung sicher und mindern Risiken wie Diskriminierung, Datenschutzverletzungen und mangelnde Rechenschaftspflicht.
Ein KI-Automatisierungssystem integriert künstliche Intelligenz mit Automatisierungsprozessen und erweitert traditionelle Automatisierung um kognitive Fähigkeiten wie Lernen, Schlussfolgern und Problemlösung, sodass komplexe Aufgaben mit minimalem menschlichem Eingreifen ausgeführt werden können.
KI-Bot-Blockierung verhindert, dass KI-gesteuerte Bots mithilfe von robots.txt auf Website-Daten zugreifen, und schützt Inhalte vor unbefugter Nutzung. Sie bewahrt die Integrität der Inhalte, die Privatsphäre und das geistige Eigentum, wobei SEO- und rechtliche Aspekte berücksichtigt werden.
KI-Einführungsraten geben den Prozentsatz der Organisationen an, die künstliche Intelligenz in ihre Abläufe integriert haben. Diese Raten variieren je nach Branche, Region und Unternehmensgröße und spiegeln die vielfältigen Anwendungen und Auswirkungen der KI-Technologie wider. Laut der McKinsey-Umfrage 2024 ist die KI-Einführung auf 72 % gestiegen, wobei generative KI einen bedeutenden Beitrag leistet.
Entdecken Sie KI-Ethik-Richtlinien: Prinzipien und Rahmenwerke, die die ethische Entwicklung, den Einsatz und die Nutzung von KI-Technologien sicherstellen. Erfahren Sie mehr über Fairness, Transparenz, Verantwortlichkeit, globale Standards und Strategien für verantwortungsbewusste KI.
KI-Forschungsstipendien sind finanzielle Zuwendungen von Institutionen wie NSF, NEH und privaten Organisationen zur Förderung von Forschungsprojekten im Bereich der künstlichen Intelligenz. Diese Stipendien unterstützen die Entwicklung neuer KI-Technologien und -Methoden, treiben Innovationen voran und adressieren grundlegende sowie anwendungsorientierte Herausforderungen.
KI-gesteuerte wirtschaftliche Auswirkungen beziehen sich darauf, wie künstliche Intelligenz Produktivität, Beschäftigung, Einkommensverteilung und Wirtschaftswachstum verändert, indem Aufgaben automatisiert, bessere Entscheidungen ermöglicht und neue Märkte geschaffen werden. Diese Auswirkungen können sowohl positiv sein, wie etwa eine gesteigerte Effizienz, als auch negativ, wie Arbeitsplatzverlust oder wachsende Ungleichheit.
Ein KI-gesteuertes Startup ist ein Unternehmen, das seine Abläufe, Produkte oder Dienstleistungen rund um künstliche Intelligenz organisiert, um Innovationen zu schaffen, Prozesse zu automatisieren und sich Wettbewerbsvorteile zu verschaffen.
KI-gestützte Inhaltserstellung nutzt künstliche Intelligenz, um die Generierung, Kuration und Personalisierung digitaler Inhalte über Text, Bilder und Audio hinweg zu automatisieren und zu verbessern. Entdecken Sie Tools, Vorteile und Schritt-für-Schritt-Anleitungen für optimierte und skalierbare Content-Workflows.
Erfahren Sie, wie KI-Partnerschaften zwischen Universitäten und privaten Unternehmen Innovation, Forschung und Kompetenzentwicklung fördern, indem sie akademisches Wissen mit industrieller Anwendung verbinden. Lernen Sie die wichtigsten Merkmale, Vorteile, Herausforderungen und reale Beispiele erfolgreicher Kooperationen kennen.
KI-Regulierungsrahmen sind strukturierte Leitlinien und rechtliche Maßnahmen, die die Entwicklung, Einführung und Nutzung von Technologien der Künstlichen Intelligenz steuern sollen. Diese Rahmenwerke zielen darauf ab, sicherzustellen, dass KI-Systeme ethisch, sicher und im Einklang mit gesellschaftlichen Werten funktionieren. Sie behandeln Aspekte wie Datenschutz, Transparenz, Verantwortlichkeit und Risikomanagement, fördern verantwortungsvolle KI-Innovation und mindern potenzielle Risiken.
KI-Suche ist eine semantische oder vektorbasierte Suchmethode, die maschinelle Lernmodelle nutzt, um die Absicht und den kontextuellen Sinn hinter Suchanfragen zu verstehen. So liefert sie relevantere und genauere Ergebnisse als herkömmliche, auf Schlüsselwörtern basierende Suchen.
KI-Transparenz ist die Praxis, die Funktionsweise und Entscheidungsprozesse künstlicher Intelligenzsysteme für alle Beteiligten verständlich zu machen. Erfahren Sie mehr über ihre Bedeutung, zentrale Komponenten, regulatorische Rahmenbedingungen, Implementierungstechniken, Herausforderungen und Praxisbeispiele.
KI-Zertifizierungsprozesse sind umfassende Bewertungen und Validierungen, die sicherstellen sollen, dass künstliche Intelligenz-Systeme vordefinierte Standards und Vorschriften erfüllen. Diese Zertifizierungen dienen als Maßstab zur Bewertung der Zuverlässigkeit, Sicherheit und ethischen Konformität von KI-Technologien.
Erfahren Sie, was der Begriff Klassenstufe bei der Lesbarkeitsbewertung bedeutet, wie sie mit Formeln wie Flesch-Kincaid berechnet wird und warum sie entscheidend ist, um Inhalte auf die Lesefähigkeit Ihrer Zielgruppe abzustimmen.
Ein KI-Klassifizierer ist ein Machine-Learning-Algorithmus, der Eingabedaten Klassenlabels zuweist und Informationen auf Basis von erlernten Mustern aus historischen Daten in vordefinierte Klassen kategorisiert. Klassifizierer sind grundlegende Werkzeuge in KI und Data Science und treiben die Entscheidungsfindung in vielen Branchen voran.
Eine kognitive Karte ist eine mentale Repräsentation räumlicher Beziehungen und Umgebungen, die es Individuen ermöglicht, Informationen über Orte und Attribute in ihrer Umgebung zu erfassen, zu speichern, abzurufen und zu entschlüsseln. Sie ist grundlegend für Navigation, Lernen, Gedächtnis und gewinnt zunehmend an Bedeutung in KI und Robotik.
Kognitives Computing stellt ein transformatives Technologiemodell dar, das menschliche Denkprozesse in komplexen Szenarien simuliert. Es integriert KI und Signalverarbeitung, um menschliche Kognition nachzubilden und verbessert die Entscheidungsfindung, indem es große Mengen strukturierter und unstrukturierter Daten verarbeitet.
Entdecken Sie kollaborative Roboter (Cobots): ihre Ursprünge, Sicherheitsmerkmale, KI-Integration, Anwendungen in verschiedenen Branchen, Vorteile und Einschränkungen. Erfahren Sie, wie Cobots eine sichere Interaktion zwischen Mensch und Roboter ermöglichen und Innovationen vorantreiben.
Eine Konfusionsmatrix ist ein Werkzeug im maschinellen Lernen zur Bewertung der Leistung von Klassifikationsmodellen. Sie stellt wahre/falsche Positive und Negative detailliert dar und liefert Erkenntnisse über die Genauigkeit hinaus – besonders nützlich bei unausgeglichenen Datensätzen.
Konstitutionelle KI bezieht sich auf die Ausrichtung von KI-Systemen an verfassungsrechtlichen Prinzipien und rechtlichen Rahmenbedingungen, um sicherzustellen, dass KI-Operationen die in Verfassungen oder grundlegenden Rechtsdokumenten verankerten Rechte, Privilegien und Werte zum Zwecke ethischer und rechtlicher Konformität wahren.
Konvergenz in der KI bezeichnet den Prozess, bei dem Maschinenlern- und Deep-Learning-Modelle durch iteratives Lernen einen stabilen Zustand erreichen, indem sie die Differenz zwischen vorhergesagten und tatsächlichen Ergebnissen minimieren. Dies ist grundlegend für die Wirksamkeit und Zuverlässigkeit von KI in verschiedenen Anwendungen, von autonomen Fahrzeugen bis hin zu Smart Cities.
Konversationelle KI bezeichnet Technologien, die es Computern ermöglichen, menschliche Gespräche mithilfe von NLP, maschinellem Lernen und anderen Sprachtechnologien zu simulieren. Sie treibt Chatbots, virtuelle Assistenten und Sprachassistenten in Bereichen wie Kundensupport, Gesundheitswesen, Einzelhandel und mehr an und verbessert Effizienz sowie Personalisierung.
Koreferenzauflösung ist eine grundlegende NLP-Aufgabe zur Identifizierung und Verknüpfung von Ausdrücken im Text, die sich auf dieselbe Entität beziehen – entscheidend für das maschinelle Verständnis in Anwendungen wie Zusammenfassung, Übersetzung und Fragebeantwortung.
Ein Korpus (Plural: Korpora) bezeichnet im Bereich der KI eine große, strukturierte Sammlung von Text- oder Audiodaten, die zum Trainieren und Evaluieren von KI-Modellen verwendet wird. Korpora sind essenziell, um KI-Systemen das Verstehen, Interpretieren und Generieren menschlicher Sprache beizubringen.
Korrektorat ist der Prozess des Überprüfens und Korrigierens von geschriebenem Material, um dessen Genauigkeit, Lesbarkeit und Kohärenz zu verbessern. Dabei werden grammatikalische Fehler, Rechtschreibfehler, Zeichensetzungsprobleme und die Einhaltung eines konsistenten Stils und Tons im gesamten Dokument überprüft. KI-Tools wie Grammarly unterstützen bei routinemäßigen Prüfungen, aber menschliches Urteilsvermögen bleibt entscheidend.
Entdecken Sie die Kosten, die mit dem Training und der Bereitstellung von Large Language Models (LLMs) wie GPT-3 und GPT-4 verbunden sind, einschließlich Rechen-, Energie- und Hardwareausgaben, und erfahren Sie Strategien zur Verwaltung und Reduzierung dieser Kosten.
Kreuzentropie ist ein zentrales Konzept sowohl in der Informationstheorie als auch im maschinellen Lernen und dient als Maß zur Bestimmung der Divergenz zwischen zwei Wahrscheinlichkeitsverteilungen. Im maschinellen Lernen wird sie als Verlustfunktion eingesetzt, um Abweichungen zwischen vorhergesagten Ausgaben und tatsächlichen Labels zu quantifizieren und die Modellleistung zu optimieren, insbesondere bei Klassifikationsaufgaben.
Kreuzvalidierung ist eine statistische Methode zur Bewertung und zum Vergleich von Machine-Learning-Modellen, bei der Daten mehrfach in Trainings- und Validierungssätze aufgeteilt werden. So wird sichergestellt, dass die Modelle gut auf unbekannte Daten generalisieren und Überanpassung vermieden wird.
Künstliche Allgemeine Intelligenz (AGI) ist eine theoretische Form von KI, die Wissen auf menschlichem Niveau verstehen, lernen und auf verschiedene Aufgaben anwenden kann – im Gegensatz zu spezialisierter KI. Entdecken Sie Definitionen, Schlüsselmerkmale, aktuellen Stand und Forschungsrichtungen.
Künstliche Neuronale Netze (ANNs) sind eine Untergruppe von Machine-Learning-Algorithmen, die dem menschlichen Gehirn nachempfunden sind. Diese Rechenmodelle bestehen aus miteinander verbundenen Knoten oder 'Neuronen', die zusammenarbeiten, um komplexe Probleme zu lösen. ANNs werden häufig in Bereichen wie Bild- und Spracherkennung, Verarbeitung natürlicher Sprache und prädiktiver Analytik eingesetzt.
Künstliche Superintelligenz (ASI) ist eine theoretische KI, die die menschliche Intelligenz in allen Bereichen übertrifft, mit selbstverbessernden, multimodalen Fähigkeiten. Entdecken Sie ihre Merkmale, Bausteine, Anwendungen, Vorteile und ethische Risiken.
LangChain ist ein Open-Source-Framework zur Entwicklung von Anwendungen, die von großen Sprachmodellen (LLMs) unterstützt werden. Es vereinfacht die Integration leistungsstarker LLMs wie OpenAI’s GPT-3.5 und GPT-4 mit externen Datenquellen für fortschrittliche NLP-Anwendungen.
LangGraph ist eine fortschrittliche Bibliothek zur Entwicklung zustandsbehafteter, multi-aktiver Anwendungen unter Verwendung von Large Language Models (LLMs). Entwickelt von LangChain Inc, erweitert sie LangChain um zyklische Rechenfähigkeiten und ermöglicht komplexe, agentenähnliche Verhaltensweisen sowie Human-in-the-Loop-Workflows.
Large Language Model Meta AI (LLaMA) ist ein hochmodernes Modell zur Verarbeitung natürlicher Sprache, entwickelt von Meta. Mit bis zu 65 Milliarden Parametern zeichnet sich LLaMA durch das Verstehen und Generieren von menschenähnlichem Text für Aufgaben wie Übersetzung, Zusammenfassung und Chatbots aus.
LazyGraphRAG ist ein innovativer Ansatz für Retrieval-Augmented Generation (RAG), der die Effizienz optimiert und Kosten bei KI-gesteuerter Datenabfrage reduziert, indem Graphentheorie und NLP für dynamische, hochwertige Abfrageergebnisse kombiniert werden.
Lead Scraping automatisiert die Extraktion wertvoller Kontaktdaten aus Online-Quellen und ermöglicht es Unternehmen, hochwertige Lead-Datenbanken für gezieltes Marketing und Vertrieb effizient aufzubauen, während die Einhaltung des Datenschutzes gewährleistet wird.
Lead-Routing ist der Prozess der automatischen Zuweisung eingehender Verkaufsleads an die passenden Vertriebsmitarbeiter innerhalb eines Unternehmens, sodass Interessenten anhand von Kriterien wie Standort, Produktinteresse und Expertise dem besten Ansprechpartner zugeordnet werden. Erfahren Sie, wie Automatisierung und KI die Lead-Verteilung für bessere Konversionen und Kundenerlebnisse optimieren.
Eine Lernkurve in der künstlichen Intelligenz ist eine grafische Darstellung, die die Beziehung zwischen der Lernleistung eines Modells und Variablen wie Datensatzgröße oder Trainingsiterationen veranschaulicht und bei der Diagnose von Bias-Varianz-Abwägungen, der Modellauswahl und der Optimierung von Trainingsprozessen hilft.
Lesbarkeit misst, wie einfach es für einen Leser ist, einen geschriebenen Text zu verstehen. Sie spiegelt Klarheit und Zugänglichkeit durch Wortschatz, Satzstruktur und Aufbau wider. Entdecken Sie ihre Bedeutung, Messformeln und wie KI-Tools die Lesbarkeit in Bildung, Marketing, Gesundheitswesen und mehr verbessern.
Erfahren Sie, was eine Lesestufe bedeutet, wie sie gemessen wird und warum sie wichtig ist. Lernen Sie verschiedene Bewertungssysteme, Faktoren, die die Lesefähigkeit beeinflussen, und Strategien zur Verbesserung Ihrer Lesestufe kennen, einschließlich der Rolle von KI im personalisierten Lernen.
Das Lexile Framework for Reading ist eine wissenschaftliche Methode zur Messung sowohl der Lesefähigkeit als auch der Textkomplexität auf derselben Entwicklungsskala. So können Leser mit angemessen herausfordernden Texten zusammengebracht und das Leseverständnis gefördert werden.
LightGBM, oder Light Gradient Boosting Machine, ist ein fortschrittliches Gradient-Boosting-Framework, das von Microsoft entwickelt wurde. Es ist für leistungsstarke Machine-Learning-Aufgaben wie Klassifikation, Ranking und Regression konzipiert, zeichnet sich durch effiziente Verarbeitung großer Datensätze mit geringem Speicherbedarf und hoher Genauigkeit aus.
Die lineare Regression ist eine grundlegende Analysetechnik in der Statistik und im maschinellen Lernen, die die Beziehung zwischen abhängigen und unabhängigen Variablen modelliert. Aufgrund ihrer Einfachheit und Interpretierbarkeit ist sie grundlegend für prädiktive Analysen und Datenmodellierung.
Erfahren Sie mehr über das LIX-Lesbarkeitsmaß – eine Formel, die entwickelt wurde, um die Textkomplexität durch Analyse der Satzlänge und langer Wörter zu bewerten. Verstehen Sie die Anwendungen in Bildung, Verlagswesen, Journalismus, KI und mehr.
Log Loss, oder logarithmischer/Cross-Entropy-Loss, ist eine wichtige Kennzahl zur Bewertung der Leistung von Machine-Learning-Modellen – insbesondere für binäre Klassifikation – indem sie die Abweichung zwischen vorhergesagten Wahrscheinlichkeiten und tatsächlichen Ergebnissen misst und falsche oder übermäßig selbstsichere Vorhersagen bestraft.
