KI mit begrenztem Gedächtnis

Einleitung:

Modelle des maschinellen Lernens mit begrenztem Gedächtnis gewinnen Wissen aus zuvor gelerntem Material, Fakten, lokalem Speicher oder Situationen. Maschinen mit begrenztem Gedächtnis können im Gegensatz zu reaktiven Maschinen aus der Vergangenheit lernen, indem sie Handlungen oder ihnen zugeführte Daten analysieren, mit dem Ziel, vorläufiges Wissen anzusammeln.

Was ist KI mit begrenztem Gedächtnis?

Wie der Name sagt, besteht KI mit begrenztem Gedächtnis aus Maschinen, die in die Vergangenheit blicken können. Sie lernen aus früheren Erfahrungen, indem sie Daten oder Handlungen beobachten. Diese Art von KI nutzt historisches Wissen mit vorprogrammierten Informationen und trifft Vorhersagen, während sie komplexe Aufgaben ausführt.[1]

Wie funktioniert KI mit begrenztem Gedächtnis?

KI mit begrenztem Gedächtnis kommt zum Einsatz, wenn das Team das Modell lückenlos und fortlaufend darauf trainiert, wie Daten zu analysieren und zu nutzen sind, und die Maschine auf Basis dieser Erfahrung künftige Ergebnisse vorhersagt.

Beim Einsatz von KI mit begrenztem Gedächtnis im maschinellen Lernen müssen sechs Phasen durchlaufen werden:

• Das erforderliche Modell für maschinelles Lernen wird erstellt.
• Das Modell muss in der Lage sein, Vorhersagen oder Schätzungen zu treffen.
• Das Modell muss soziales Feedback aufnehmen können.
• Das Modell muss die Rückmeldung aus der Umgebung aufnehmen.
• Das Feedback muss als Daten gespeichert werden.
• Diese Phasen müssen wiederholt in einer festen Reihenfolge durchlaufen werden.

Was sind die wichtigsten Ansätze des maschinellen Lernens, die Künstliche Intelligenz mit begrenztem Gedächtnis nutzen?

Reinforcement Learning:

Es ist eine Form des maschinellen Lernens, die durch Experimentieren oder Training und Irrtum lernt, bessere Prognosen oder Vorhersagen zu erstellen.

Long Short Term Memory (LSTM):

Es ist eine Art Gedächtnis, das vorangegangene Informationen nutzt, um das nächste Element einer Abfolge vorherzusagen. Bei der Erstellung von Prognosen gewichten LSTMs aktuellere Daten stärker und werten historische Daten ab, nutzen sie aber dennoch, um Schlüsse zu ziehen.

Evolutionary Generative Adversarial Networks (E-GAN):

Es entwickelt sich im Laufe der Zeit weiter und schlägt auf Grundlage früherer Begegnungen leicht abweichende Wege ein. Dieses Modell strebt in seinem evolutionären Mutationszyklus fortlaufend nach einem besseren Weg und erreicht Unterschiedliches mithilfe von Simulationen und Statistik oder Zufall.[2]

Was ist ein Beispiel für KI mit begrenztem Gedächtnis?

Autonome Fahrzeuge setzen beispielsweise KI mit begrenztem Gedächtnis ein, um Geschwindigkeit und Richtung anderer Fahrzeuge zu überwachen, was ihnen hilft, „die Straße zu lesen“ und notwendige Anpassungen vorzunehmen. Durch diesen Prozess der Analyse und Interpretation eingehender Daten sind sie auf den Straßen sicherer.

KI mit begrenztem Gedächtnis ist hingegen, wie der Name schon sagt, nach wie vor eingeschränkt. Die Daten, die autonome Autos nutzen, sind flüchtig und werden nicht im Langzeitgedächtnis des Fahrzeugs gespeichert.

Welche Merkmale hat KI mit begrenztem Gedächtnis?

• Kann komplexe Aufgaben bewältigen.
• Kann historische Erfahrung speichern.
• Das ist der aktuelle Stand der KI, und manche sagen, wir seien an eine Grenze gestoßen.

Fazit:

Maschinen mit begrenztem Gedächtnis können frühere Erfahrungen nutzen, um wirksame Urteile zu fällen. Die Maschinen analysieren Datenbeobachtungen anhand ihrer vorprogrammierten theoretischen Grundlage. Die beobachteten Daten werden kurze Zeit gespeichert und dann verworfen.

1. Understanding the Four Types of Artificial Intelligence. 14. November 2016; Verfügbar unter: https://www.govtech.com/computing/understanding-the-four-types-of-artificial-intelligence.html.
2. Introduction to AI. Verfügbar unter: https://builtin.com/artificial-intelligence.

Beispiele für KI mit begrenztem Gedächtnis

Die meiste KI, die Sie täglich nutzen, ist KI mit begrenztem Gedächtnis. Hier sind gängige Beispiele:

1. Selbstfahrende Autos verfolgen Geschwindigkeit, Richtung und Entfernung nahegelegener Fahrzeuge und Fußgänger über ein kurzes Zeitfenster und kombinieren dies mit trainiertem Wissen über Verkehrsregeln.
2. Chatbots und virtuelle Assistenten nutzen die laufende Unterhaltung, um passende Antworten zu geben.
3. Empfehlungssysteme in Video-, Musik- und Shopping-Apps lernen aus Ihrer jüngsten Aktivität.
4. Betrugserkennung vergleicht eine neue Transaktion mit Ihrem jüngsten Ausgabenmuster.
5. Navigations-Apps nutzen aktuelle Verkehrsdaten, um schnellere Routen vorzuschlagen.
6. Bild- und Gesichtserkennungsmodelle, die mit großen Fotosammlungen trainiert wurden.
7. Bedarfsprognosen nutzen aktuelle Verkäufe, um den Lagerbedarf der nächsten Woche vorherzusagen; siehe KI-Analysen.

Wie KI mit begrenztem Gedächtnis funktioniert

Ein Modell wird zunächst mit einer großen Menge vergangener Daten trainiert. Beim Betrieb hält es zusätzlich ein Kurzzeitgedächtnis der jüngsten Eingaben vor. Dieses Gedächtnis wird nicht für immer behalten, weshalb man von „begrenzt“ spricht. Vergleichen Sie es mit einer reaktiven Maschine, die überhaupt kein Gedächtnis hat.

Kurze Antworten

Ist ChatGPT eine KI mit begrenztem Gedächtnis?

Große Sprachmodelle werden üblicherweise als KI mit begrenztem Gedächtnis eingestuft, weil sie mit vergangenen Daten trainiert werden und die aktuelle Unterhaltung als Kurzzeitkontext nutzen.

Was ist der Unterschied zwischen KI mit begrenztem Gedächtnis und KI mit Theory of Mind?

KI mit begrenztem Gedächtnis nutzt aktuelle Daten für Entscheidungen. KI mit Theory of Mind würde zusätzlich menschliche Überzeugungen und Emotionen verstehen, was heutige Systeme nicht wirklich tun. Siehe KI mit Theory of Mind.

Können Unternehmen KI mit begrenztem Gedächtnis nutzen?

Ja. Kunden-Chatbots, Prognosen und Dokumentensuche sind allesamt KI mit begrenztem Gedächtnis. Siehe unsere KI-Entwicklungsleistungen.