KI-Glossar: 100+ Begriffe einfach erklärt

Die Fähigkeit von Maschinen, menschenähnliche Intelligenz zu zeigen – zu lernen, Probleme zu lösen und zu verstehen.

Künstliche Allgemeine Intelligenz – eine hypothetische KI, die alle intellektuellen Aufgaben genauso gut wie ein Mensch lösen kann.

Eine festgelegte Reihe von Anweisungen, die ein Computer befolgt, um ein Problem zu lösen.

Eine Schnittstelle, über die verschiedene Programme miteinander kommunizieren können.

Ein Mechanismus, der bestimmt, auf welche Teile der Eingabe die KI ihr Augenmerk legen soll.

Wenn eine KI aufgrund ihrer Trainingsdaten Vorurteile entwickelt und Gruppen benachteiligt.

Extrem große Datenmengen, die mit traditionellen Methoden nicht mehr verarbeitet werden können.

Ein Algorithmus zum Training neuronaler Netze – Fehler werden vom Output zurückgeführt.

Standardisierte Tests, um KI-Modelle objektiv zu vergleichen.

Ein automatisiertes Programm, das repetitive Aufgaben ausführt.

Ein Large Language Model, das natürliche Sprache versteht und generiert.

Die Fähigkeit von Computern, visuelle Informationen zu verstehen.

Spezialisierte neuronale Netze für Bildverarbeitung.

Eine KI, die in natürlicher Sprache kommuniziert.

Daten in vordefinierte Kategorien einteilen.

Fortgeschrittenes Machine Learning mit neuronalen Netzen mit vielen Schichten.

Eine Sammlung von Daten, die zum Trainieren einer KI verwendet wird.

Das Extrahieren von Mustern und Wissen aus großen Datenmengen.

Eine Technik zur Bildgenerierung, die Schritt für Schritt Rauschen entfernt.

Numerische Darstellung von Daten als Vektor – ermöglicht semantisches Verständnis.

Die erste umfassende KI-Gesetzgebung weltweit.

Ein kompletter Durchlauf des Trainingsdatensatzes durch das Modell.

KI-Systeme, die ihre Entscheidungen nachvollziehbar erklären können.

Ein trainiertes Modell mit spezifischen Daten weitertrainieren.

Große vortrainierte Modelle als Basis für viele Anwendungen.

Einzelne messbare Eigenschaft der Eingabedaten.

Kennzahl zur Bewertung der Klassifizierungsgenauigkeit.

KI-Systeme, die neue Inhalte erstellen – Texte, Bilder, Musik.

Grafikkarten, die perfekt für KI-Training geeignet sind.

Zwei neuronale Netze, die gegeneinander arbeiten, um realistische Daten zu erzeugen.

Eine Klasse von Sprachmodellen von OpenAI.

Optimierungsalgorithmus zum Finden des Minimums der Fehlerfunktion.

Wenn eine KI selbstbewusst falsche Informationen erfindet.

Einstellungen vor dem Training, die das Lernverhalten beeinflussen.

Eine pragmatische Regel oder Faustregel zur Problemlösung.

Die Phase, in der ein trainiertes Modell genutzt wird.

Die Fähigkeit, Objekte, Personen oder Szenen in Bildern zu identifizieren.

Vernetzte physische Geräte, die Daten sammeln und austauschen.

Ein Standardformat zum Speichern und Austauschen von Daten.

Eine interaktive Umgebung für Data Science und KI-Entwicklung.

Eine KI, die selbstständig Aufgaben erledigt und Entscheidungen trifft.

Die Menge an Text, die eine KI gleichzeitig verarbeiten kann.

Eine Wissensbasis, die Entitäten und ihre Beziehungen vernetzt darstellt.

Große Sprachmodelle, die menschenähnliche Sprache generieren.

Ein Framework zur Entwicklung von KI-Anwendungen.

Misst, wie gut das Modell performt – je niedriger, desto besser.

Das Markieren von Trainingsdaten mit der richtigen Antwort.

Computer lernen aus Daten, ohne explizit programmiert zu werden.

KI-Systeme, die Text, Bilder, Audio und Video kombiniert verarbeiten.

Praktiken für den Betrieb und die Bereitstellung von KI-Modellen.

Das trainierte Programm, das Vorhersagen trifft oder Inhalte generiert.

Die Fähigkeit, menschliche Sprache zu verstehen und zu generieren.

Ein Computermodell inspiriert vom menschlichen Gehirn.

Ein einzelnes Verarbeitungselement in einem neuronalen Netz.

Software mit öffentlich einsehbarem Code – fördert Transparenz.

Wenn eine KI Trainingsdaten auswendig lernt, aber neue Daten nicht verarbeitet.

Die Umwandlung von Bildern mit Text in maschinenlesbaren Text.

Das Verbessern der Modellparameter für beste Performance.

Deine Anweisung an eine KI. Gut formuliert = bessere Ergebnisse.

Die Kunst, präzise Anweisungen zu formulieren.

Die beliebteste Sprache für KI und Data Science.

Eine Abfolge von Verarbeitungsschritten für Daten.

Die lernbaren Werte eines Modells, die das Wissen speichern.

Ein RL-Algorithmus, der lernt, welche Aktionen Belohnungen bringen.

Reduziert die Genauigkeit der Parameter für kleinere Modelle.

KI greift auf externe Wissensdatenbanken zu.

Training durch menschliches Feedback zur Verbesserung der Antworten.

Vorhersage kontinuierlicher Werte statt Kategorien.

Neuronale Netze für sequentielle Daten wie Text oder Zeitreihen.

KI lernt mit gelabelten Daten – jedes Beispiel hat eine richtige Antwort.

Versteckte Anweisung, die das Verhalten der KI steuert.

Der hypothetische Zeitpunkt, an dem KI menschliche Intelligenz übertrifft.

Die Umwandlung von gesprochener Sprache in Text.

Die Bedeutung von Sprache über die bloßen Wörter hinaus.

Die kleinste Einheit, die eine KI verarbeitet – Wörter oder Wortteile.

Die revolutionäre Architektur hinter modernen Sprachmodellen.

Der Prozess, bei dem ein Modell aus Daten lernt.

Wissen aus einer Aufgabe auf eine andere übertragen.

Test, ob eine Maschine menschliches Verhalten nicht unterscheidbar imitiert.

KI findet selbstständig Muster in ungelabelten Daten.

Daten ohne festes Format – Texte, Bilder, Videos.

Spezialisierte Datenbanken für Embeddings und semantische Suche.

Überprüfung der Modellqualität mit separaten Testdaten.

Eine KI, die Aufgaben im Alltag unterstützt.

Die lernbaren Parameter eines neuronalen Netzes.

Ein Open-Source-Modell für hochpräzise Spracherkennung.

Eine Abfolge von Schritten, die durch KI automatisiert werden.

Erklärbare KI – Systeme, die transparent ihre Entscheidungen begründen.

Ein Format zur strukturierten Speicherung von Daten.

Ein schnelles Echtzeit-Objekterkennungsverfahren.

Ein menschenlesbares Format für Konfigurationsdateien.

KI löst eine Aufgabe ohne je ein Beispiel dafür gesehen zu haben.

Statistische Kennzahl zur Normalisierung von Daten.