KI. Und ich?

Eine kurze Einführung zur Künstlichen Intelligenz (KI)
zum Mitarbeitendentag der Handwerskammer Ulm

Nikola Finze & Andy Weeger

Neu-Ulm University of Applied Sciences

Freitag, 23. Februar 2024

Künstliche
Intelligenz

Bildrechte: Warner Bros./Photofest, Skydance, Walt Disney Company, Timon/AdobeStock.com

Der Ur-Großvater von GPT

Love Letters by Christopher Strachey 1953

Definition

Ein KI-System ist ein maschinengestütztes System, das so konzipiert ist, dass es mit unterschiedlichem Grad an Autonomie betrieben werden kann, das nach der Einführung Anpassungsfähigkeit zeigen kann und das für explizite oder implizite Ziele aus den Eingaben, die es erhält, ableitet wie es Ergebnisse wie Vorhersagen, Inhalte, Empfehlungen oder Entscheidungen erzeugen kann, die physische oder virtuelle Umgebungen beeinflussen können (European Commission, 2024).

‘AI system’ means a machine-based systems designed to operate with varying levels of autonomy and that may exhibit adaptiveness after deployment and that, for explicit or implicit objectives, infers, from the input it received, how to generate output such as content, predictions, recommendations, or decisions, that can influence physical or virtual environment (European Commission, 2024).

Systeme, die ähnlich wie Menschen wahrnehmen, lernen, denken und handeln.

Ebenen der KI

Schichten intelligenter Systeme (Zhuhadar, 2023)

 

 

 

 

Künstliche Intelligenz

KI umfasst Techniken, die Computer in die Lage versetzen, menschliches Verhalten zu emulieren, so dass sie lernen, Entscheidungen treffen, Muster erkennen und komplexe Probleme auf eine Weise lösen können, die der menschlichen Intelligenz ähnelt.

Maschinelles Lernen

ML ist ein Teilbereich der KI und verwendet fortschrittliche Algorithmen, um Muster in großen Datensätzen zu erkennen, damit Maschinen lernen und sich anpassen können. ML-Algorithmen verwenden überwachte oder nicht überwachte Lernmethoden.

Deepl Learning

DL ist eine Untergruppe von ML, die neuronale Netze für tiefgreifende Datenverarbeitung und analytische Aufgaben einsetzt. DL nutzt mehrere Schichten künstlicher neuronaler Netze, um aus rohen Eingabedaten High-Level-Merkmale zu extrahieren und so die Art und Weise zu simulieren, wie menschliche Gehirne die Welt wahrnehmen und verstehen.

Generative KI

Generative KI ist eine Untergruppe von DL-Modellen, die auf der Grundlage von Eingaben Inhalte wie Text, Bilder oder Code generiert. Diese Modelle werden auf umfangreichen Datensätzen trainiert, erkennen Muster und erstellen Ausgaben ohne explizite Anweisungen, wobei eine Mischung aus überwachtem und nicht überwachtem Lernen zum Einsatz kommt.

Funktionsweise Generativer KI

Große Datenmengen¹
Beziehungs-/Muster-Erkennung²
Training der neuronalen Netze³
Optimierung durch Menschen
& kontinuierliche Verbesserung

1. Hunderte Milliarden Wörter bei GPT-3

2. Per Machine Learning Algorithmen

3. Festlegung der Gewichte

Aktuelle Fähigkeiten Generativer KI

Source: OpenAI Sora¹

Nach der studie von Lopez-Lira & Tang (2023)

4. Prompt: The camera directly faces colorful buildings in burano italy. An adorable dalmation looks through a window on a building on the ground floor. Many people are walking and cycling along the canal streets in front of the buildings.

Auswirkungen auf die Wirtschaft

Laut ChatGPT hat Generative KI das Potenzial auf unterschiedlichen Ebenen zu verändern¹.

Produktivität
Innovation
Personalisierung
Kundenerfahrung

Sie weißt auch darauf hin, dass Generative KI Fragen zur Ethik und Datenschutz aufwirft.

Produktivitätssteigerung: Generative KI kann dazu beitragen, Produktionsprozesse zu optimieren und die Effizienz zu steigern. Durch die Automatisierung von Aufgaben, die früher menschliche Intervention erforderten, können Unternehmen Zeit und Ressourcen einsparen.

Innovation: Generative KI kann neue Möglichkeiten für Kreativität und Innovation eröffnen, indem sie bei der Generierung neuer Ideen, Designs und Inhalte unterstützt. Dies kann dazu beitragen, dass Unternehmen wettbewerbsfähiger werden und neue Produkte und Dienstleistungen schneller auf den Markt bringen.

Personalisierung von Produkten und Dienstleistungen: Durch den Einsatz von Generative KI können Unternehmen personalisierte Produkte und Dienstleistungen anbieten, die den individuellen Bedürfnissen und Vorlieben der Kunden entsprechen. Dies kann die Kundenbindung stärken und die Kundenzufriedenheit verbessern.

Verbesserung der Benutzererfahrung: Generative KI kann dazu beitragen, die Benutzererfahrung zu verbessern, indem sie personalisierte Empfehlungen, maßgeschneiderte Inhalte und natürlichere Interaktionen ermöglicht. Dies kann dazu beitragen, die Kundenbindung zu stärken und die Umsätze zu steigern.

Ethik und Datenschutz: Die Nutzung von Generative KI wirft jedoch auch ethische und Datenschutzfragen auf, insbesondere im Hinblick auf den Einsatz von KI zur Manipulation von Inhalten, die Privatsphäre und den Schutz persönlicher Daten.

5. Prompt: Wie verändert Generative KI die Wirtschaft? (GPT-3.5)

Spezifische Effekte für Wissensarbeit

Steigerung der Produktivität¹ bei verbesserter Qualität und höherer Arbeitszufriedenheit.

6. Im Schnitt 35% erhöhte Produktivität

Laut der Studie von Noy & Zhang (2023) am MIT mit 405 Akademikern.

Automatisierungseffekte

Anteil der Beschäftigung in der Industrie, die der Automatisierung durch KI ausgesetzt ist (Hatzius et al., 2023)

Fazit

Diejenigen, die die Hilfe der (generativen) KI nutzen, ihr eigenes Potenzial zu steigern, werden denjenigen überlegen sein, die das nicht tun.

Und nun?

Experimentieren Sie privat, lernen Sie die Interaktion mit Generativer KI¹, finden sie gemeinsam lohnende Use-Cases für die HWK und setzten sie diese strukturiert um.

7. Eine Shortlist empfohlener Online-Resourcen finden sie hier

Online-Resourcen

Folgende kostenlose Ressourcen können wir empfehlen, um mehr über künstliche Intelligenz inklusive Prompting zu lernen:

• Elements of AI — Grundlagen der KI
• LearnPrompting — Prompt Engineering Guide
• LearnPrompting — Kurse, teilweise kostenlos
• OpenAI — Prompting Guide
• PromptingGuide — Prompt Engineering Guide
• Microsoft — Erste Schritte mit Copilot

Literatur

European Commission. (2024). Artificial Intelligence in the European Commission — A Strategic Vision to Foster the Development and Use of Lawful, Safe and Trustworthy Artificial Intelligence Systems in the European Commission. C(2024) 380.

Hatzius, J., Briggs, J., Kodnani, D., & Pierdomenico, G. (2023). The Potentially Large Effects of Artificial Intelligence on Economic Growth (Briggs/Kodnani). Goldman Sachs.

Lopez-Lira, A., & Tang, Y. (2023). Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models. arXiv preprint arXiv:2304.07619.

Noy, S., & Zhang, W. (2023). Experimental Evidence on the Productivity Effects of Generative Artificial Intelligence. Available at SSRN 4375283.

Zhuhadar, L. P. (2023). Unraveling AI Complexity - A Comparative View of AI, Machine Learning, Deep Learning, and Generative AI. https://commons.wikimedia.org/wiki/File:Unraveling_AI_Complexity_-_A_Comparative_View_of_AI,_Machine_Learning,_Deep_Learning,_and_Generative_AI.jpg

Vielen Dank
für Ihre Aufmerksamkeit

Nikola Finze (nikola.finze@hnu.de) 
Andy Weeger (andy.weeger@hnu.de)