Wie funktioniert Künstliche Intelligenz?
Eine sehr gute Antwort gibt uns die über KI laufende Sprachassistentin Alexa. Wenn man sie fragt: „Alexa, wie funktioniert Künstliche Intelligenz?“. So antwortet die virtuelle Assistentin wie folgt:
„Künstliche Intelligenzen versuchen durch künstliche neuronale Netze die Funktionsweise des menschlichen Gehirns durch Maschinen nachzubilden. Solche Systeme setzen sich aus sogenannten Algorithmen zusammen. Wie der Mensch, lernen auch künstliche Intelligenzen durch Übung und Erfahrung. So braucht es Lern- und Trainingsmengen. Aus denen das kognitive System während des Betriebs Rückschlüsse ziehen. Und aus den Abläufen lernen kann.“ (Quelle: Alexa, Software-Version: 658655620)
Und wie genau lässt sich eine künstliche Intelligenz erreichen? So gibt es momentan bereits mehrere Ansätze:
Maschine Learning | Lernen von Erfahrungen
Maschinelles Lernen verleiht Computer-Systemen die Fähigkeit, automatisch aus Erfahrung zu lernen. Ebenfalls sich zu verbessern. Somit ist es nicht notwendig, sie explizit zu programmieren. Machine Learning konzentriert sich auf die Entwicklung von Algorithmen. Diese analysieren Daten und können Vorhersagen machen. Beispielweise wird Ihnen vorhergesagt, welche Filme Ihnen gefallen oder welche Route Sie am besten nehmen. Um schnellstmöglich am Ziel zu sein.
Auch im Spielbereich und in Gamification gibt es immer mehr Ansätze mit Maschine Learning
Deep Learning | Selbstlernende Maschinen
Deep Learning ist ein Teilbereich von Maschine Learning. Um das zu ermöglichen, werden künstliche neuronale Netzwerke eingesetzt. Durch die Verarbeitung von Daten lernen diese Programme. Somit werden biologische neuronalen Netzwerke des menschlichen Gehirns nachgeahmt. Deswegen werden mit Deep Learning Gesichter auf Bildern identifiziert. Auch gibt es noch eine andere Form des Deep Learnings: die Spracherkennung. Sprachassistenten wie Alexa, Siri und der Google Assistent erfreuen sich immer größerer Beliebtheit.
Natural Language Processing (NLP) | Sprache verstehen
Natural Language Processing, oder NLP, ermöglicht es Computern, menschliche Sprache zu erkennen. So kann sie diese verstehen und auch selber produzieren. Das ultimative Ziel von NLP ist es, eine nahtlose Interaktion mit den Maschinen zu ermöglichen. Das geschieht, indem man Systemen beibringt menschliche Sprache im Kontext zu verstehen. Und logische Antworten zu produzieren.
Ein praktisches Beispiel für NLP ist der Skype Translator. In dem Beispiel wird KI genutzt, um mehrere Sprachen in Echtzeit während des Skype Calls zu übersetzen.
Anwendungsbeispiele von Künstlicher Intelligenz
Mit künstlicher Intelligenz laufende Programme sind besonders gut im Erkennen von Mustern. Somit werden sie immer häufiger genutzt. Beispielweise erkennt die KI Bilder und Muster. Darüber hinaus, werden diese auch ausgewertet.
Daher ist es möglich, mit einer KI Hautkrebs auf Bildern zu erkennen. Aus diesem Grund können Programmen die mit künstlicher Intelligenz laufen ähnlich gut oder sogar besser als Mediziner:innen Hautkrebs erkennen.
Auch unsere Sprache ist durch ihren Grad an Komplexität, und ebenfalls durch bestimmte Formulierungen stark von Mustern geprägt. Die Mount Sinai School of Medicine hat demnach eine Künstliche Intelligenz mit Sprach-Protokollen von Jugendlichen trainiert. Somit konnten frühzeitige Diagnosen von Psychosen bei den Jugendlichen erstellt werden. Während der Studie arbeitete das Programm mit einer 83 prozentigen Genauigkeit. Diese zeigte, ob sich möglicherweise innerhalb von 2 Jahren eine psychische Störung bei den Jugendlichen anbahnt.
Künstliche Intelligenz im Spielbereich
Angewendete KI in einem Text-Adventure-Game: Dungeon AI.
Stellen Sie sich eine Welt vor, in der Sie ständig neue Inhalte und Abenteuer finden. Folglich können Sie jede erdenkliche Aktion wählen. Weiterhin sind Sie nicht durch die Vorstellungs-Kraft der Spieleentwickler begrenzt. Dank künstlicher Intelligenz, existiert so ein Spiel bereits: AI Dungeon.
AI Dungeon ist das erste grenzenlose Text-Adventure seiner Art. Es wurde mit extrem fortschrittlicher künstliche Intelligenz und darüber hinaus auch unter Verwendung eines massiven neuronalen Netzwerks entwickelt. Daher gibt es durch diesen Einsatz unendliche Handlungs-Stränge für jeden Spieler.
Zukunftsprognosen für KI im Spielbereich
Georgios N. Yannakakis hebt vier weitere mögliche Anwendungs-Bereiche für künstliche Intelligenzen im Spielbereich hervor:
-
Player-Experience-Modeling
Beispielsweise das Erkennen der Fähigkeiten. Sowie des emotionalen Zustands des Spielers. Dazu passt die KI entsprechend der Daten das Spiel an. Weiterhin kann das ein dynamisches Balancing (Anpassung des Schwierigkeits-Grades) beinhalten. Demnach besteht dieses darin, die Schwierigkeit in einem Videospiel in Echtzeit auf der Grundlage der Fähigkeiten des Spielers anzupassen.
-
Prozedurale Inhaltserstellung
Weiterhin gibt es die automatisierte Erstellung von Elementen der Spielumgebung. Ferner erstellt die KI Umgebungs-Bedingungen. Die künstliche Intelligenz erschafft zudem Levels und schließlich auch Musik. Hierdurch können neue Inhalte oder interaktive Geschichten generiert werden.
-
Data-Mining zum Nutzerverhalten
Damit können Spieldesigner:innen erforschen, wie Menschen das Spiel nutzen. Auch analysiert die KI folglich, welche Teile Spieler am häufigsten spielen. Des Weiteren analysiert sie, warum die Spielenden mit dem Spielen aufzuhören. Somit ist es den Entwickler:innen möglich, das Gameplay zu optimieren oder die Monetarisierung zu verbessern.
Sie wollen mehr erfahren?
Als Gamification Expert:innen sind wir stets auf dem neuesten Stand. Unsere Expertise liegt in der Erstellung erstklassiger Gamification Konzepte. Sei es für eine spielerische Lösung in der Industrie oder auch ein gamifiziertes Konzept für ein KI-System. Wir bauen aus ihrer Challenge eine spannende Lösung. Zögern Sie nicht und kontaktieren Sie uns!