Ki & ChatGPT Glossar

Kurzerklärung:

Reasoning in der Künstlichen Intelligenz bezeichnet die Fähigkeit von KI-Systemen, aus vorhandenen Informationen logische Schlüsse zu ziehen, Probleme zu lösen und neue Erkenntnisse abzuleiten – ähnlich wie beim menschlichen Denken.

Ausführliche Erklärung:

Reasoning ist ein zentrales Element intelligenter Systeme und erweitert Künstliche Intelligenz über reines Mustererkennen hinaus. Während viele KI-Modelle (z. B. neuronale Netze) auf statistischer Wahrscheinlichkeitsverarbeitung beruhen, beschreibt Reasoning gezielt den logischen Denkprozess innerhalb eines Systems.
In der KI gibt es verschiedene Arten von Reasoning, die je nach System und Anwendungsfall genutzt werden:

1. Deduktives Reasoning
Aus allgemeinen Regeln werden spezifische Schlussfolgerungen gezogen.

Beispiel:

• Regel: Wenn ein Tier ein Vogel ist, kann es in der Regel fliegen.
• Beobachtung: Ein Spatz ist ein Vogel.
• Schluss: Der Spatz kann vermutlich fliegen.
  • Wird häufig in Expertensystemen oder symbolischer KI genutzt.

2. Induktives Reasoning

Aus Beobachtungen werden allgemeine Regeln abgeleitet.

Beispiel:

• Beobachtung: Viele Vögel in einem Datensatz fliegen.
• Schluss: Vögel fliegen im Allgemeinen.
  • In Machine Learning ist dies die Standardvorgehensweise: Modelle lernen Muster aus Daten.

3. Abduktives Reasoning

Es wird die wahrscheinlichste Erklärung für eine Beobachtung gesucht.

Beispiel:

• Beobachtung: Das Licht ist aus.
• Schluss: Wahrscheinlich ist der Schalter ausgeschaltet oder es gibt einen Stromausfall.
  • Besonders relevant in der medizinischen Diagnostik oder bei Fehlersuche.

4. Commonsense Reasoning

KI-Systeme nutzen „Alltagswissen“, um natürliche Sprache zu verstehen oder menschliches Verhalten zu antizipieren.

Beispiel:

• „Lisa legte das Eis in den Kühlschrank.“
• Schluss: Sie will es kalt halten, damit es nicht schmilzt.
  • Projekte wie ConceptNet oder COMET versuchen, solche Alltagsschlüsse zu modellieren.

5. Neuro-symbolic Reasoning

Hierbei werden neuronale Netze (für Mustererkennung) mit symbolischer Logik (für Schlussfolgerungen) kombiniert. Ziel ist es, das Beste aus beiden Welten zu verbinden: die Lernfähigkeit von Deep Learning mit der Präzision und Nachvollziehbarkeit von Logiksystemen.

Beispiel:
Ein KI-System zur medizinischen Diagnose kombiniert Patientendaten mit Regeln:

• Daten: Patient hat Fieber, Husten und Kurzatmigkeit.
• Wissen: Diese Symptome treten bei Grippe und COVID-19 auf.
• Reasoning: Die KI schlägt vor, auf COVID-19 zu testen und isoliert den Patienten vorsorglich.

Kurzerklärung

Multimodalität bezeichnet in der Künstlichen Intelligenz die Fähigkeit eines Modells, verschiedene Arten von Informationen – sogenannte Modalitäten – gleichzeitig zu verarbeiten, zu kombinieren oder zu erzeugen. Dazu gehören etwa Text, Bild, Audio, Video, Sensorik oder andere Datenformen.

Ausführliche Erklärung

Der Begriff „Modalität“ stammt ursprünglich aus der Linguistik und Philosophie und beschreibt eine bestimmte Art der Informationswahrnehmung oder -darstellung – zum Beispiel Sprache, Bild oder Ton. In der KI spricht man von Multimodalität, wenn ein Modell mehr als eine dieser Modalitäten verarbeiten kann – sei es als Eingabe, Ausgabe oder beides.

Ein multimodales KI-System ist also in der Lage, z. B. ein Bild zu analysieren und in Sprache zu beschreiben („Bild-zu-Text“), oder eine Textbeschreibung zu lesen und daraus ein Bild zu generieren („Text-zu-Bild“). Fortschrittlichere Modelle verknüpfen mehrere Modalitäten gleichzeitig – etwa Text, Bild und Audio – und ziehen daraus kombinierte Schlussfolgerungen.

Multimodale Fähigkeiten werden in vielen modernen Anwendungen sichtbar:

• Bilder erkennen und beschreiben (z. B. durch GPT-4o oder Gemini)
• Text aus Sprache generieren (Speech-to-Text)
• Bilder oder Videos aus Text erzeugen (z. B. DALL·E, Sora)
• Multimodale Assistenzsysteme wie KI, die Sprache versteht, sieht, handelt und reagiert – etwa mit Kamera, Mikrofon und Tastatur

Dabei können die Modalitäten auf verschiedene Weisen verknüpft werden:

• Kombiniert (fusioniert): Die Eingaben verschiedener Modalitäten fließen gleichzeitig ins Modell ein.
• Sequenziell: Eine Modalität wird als Basis genutzt, um andere vorherzusagen (z. B. Text beschreibt ein Bild).
• Parallel: Mehrere Modalitäten werden gleichzeitig analysiert und erzeugt.

Multimodale Modelle sind technisch deutlich komplexer als rein textbasierte Modelle. Sie benötigen spezielle Architekturen (z. B. kombinierte Encoder-Decoder-Strukturen) und oft riesige, diverse Datensätze. Dennoch gelten sie als zentrale Zukunftstechnologie für KI-Systeme, die menschenähnlicher interagieren sollen.

Beispiel(e)

• Ein multimodaler Chatbot analysiert ein hochgeladenes Foto und beantwortet Fragen dazu: „Was ist auf diesem Bild zu sehen?“
• In der Bildung: Eine KI erhält ein Arbeitsblatt (PDF) und erklärt visuelle Diagramme sowie zugehörige Aufgaben in Sprache.
• Im Gesundheitsbereich: Kombination aus Text (Patientenakte), Bild (Röntgenbild) und Ton (Atemgeräusch) zur Diagnoseunterstützung.