Künstliche Intelligenz verstehen

Künstliche Intelligenz ist der Oberbegriff für Systeme, die Aufgaben lösen, für die man sonst menschliches Urteil braucht. Machine Learning ist der heute dominierende Weg dorthin: das System leitet Regeln aus Daten ab. Deep Learning ist eine Familie innerhalb des Machine Learning, die mit vielschichtigen neuronalen Netzen arbeitet.

Für die Anwendung nicht. Wer Prompts schreibt, Werkzeuge auswählt oder Anwendungsfälle bewertet, braucht ein Modell davon, was ein Sprachmodell kann und wo es scheitert – keine Herleitung der Backpropagation. Für Training und Feinabstimmung eigener Modelle ändert sich das.

Ein Sprachmodell sagt das nächste wahrscheinliche Wort voraus. Es hat keinen Begriff von Wahrheit, nur von Wahrscheinlichkeit. Fehlt eine Angabe, füllt es die Lücke mit etwas Plausiblem. Genau dagegen arbeiten Verfahren wie RAG, die dem Modell Quellen mitgeben.

Es endet mit dem Trainingsdatum. Alles, was danach passiert ist, kennt das Modell nur, wenn es über Werkzeuge oder eine Wissensquelle nachgeliefert wird. Deshalb steht auf jedem Begriff hier ein Prüfdatum – bei Modellständen veraltet eine Aussage schnell.