Episode Details

Ihr könnt uns gerne bei Steady, Patreon oder Paypal unterstützen!

Wie lernt eine Maschine, das Universum zu verstehen?

In dieser Episode geht es um künstliche Intelligenz. Mit diesem Wort wird derzeit überall um sich geworfen. Aber was bedeutet "künstliche Intelligenz" eigentlich wirklich? Was ist Machine Learning und was sind neuronale Netze? Und was hat das alles mit Astronomie zu tun? Wir reisen von den Anfängen der künstlichen Intelligenz bis zu ihrem Einsatz in der modernen Astronomie. Mit dabei: Elkas digitaler Zwilling.

Was ist künstliche Intelligenz eigentlich?

Der Begriff „Künstliche Intelligenz“ (KI) wurde bereits 1956 von John McCarthy geprägt. Eine einheitliche Definition gibt es aber bis heute nicht. Eine häufig verwendete ist jene von Barr und Feigenbaum (1981):

„KI ist die Fähigkeit einer Maschine, kognitive Funktionen auszuüben, die dem menschlichen Verstand zugeordnet werden – etwa Lernen, Planen, Argumentieren, Problemlösen und der Erwerb von Fähigkeiten.“

Doch selbst der Begriff „Intelligenz“ ist schwammig – sowohl bei Menschen als auch bei Maschinen. Deshalb ist es hilfreich, sich die verschiedenen Teilbereiche der KI anzusehen, vor allem Machine Learning und Deep Learning.

Historische Meilensteine der KI

KI gibt es schon länger, als man denken würde. Die wichtigsten Meilensteine der KI-Geschichte, sind:

• 1966: ELIZA – Der erste Chatbot simuliert eine Psychotherapeutin. Heute wirkt das simpel, doch damals war es bahnbrechend. Hier kann man ELIZA auch heute noch ausprobieren.
• 1995: Erste Ansätze für autonomes Fahren
• 1997: Schachweltmeister Garry Kasparov wird von IBMs „Deep Blue“ geschlagen – ein Meilenstein, der vielen Menschen die Überlegenheit von Maschinen in spezifischen Aufgaben demonstrierte. Dazu gibt es auch die Serie "Rematch".
• 2022: ChatGPT wird veröffentlicht – Der große Durchbruch in der öffentlichen Wahrnehmung. Seitdem gibt es für viele eine „Zeit vor“ und „Zeit nach“ ChatGPT.

Ein weiterer Meilenstein war AlphaFold (2018) – ein KI-System, das die Faltung von Proteinen exakt vorhersagen kann. Ein riesiger Fortschritt in der Biochemie, der mit dem Nobelpreis gewürdigt wurde.

Machine oder Deep-Learning?

Machine Learning (ML) ist ein Teilgebiet der KI, das Maschinen befähigt, aus Daten zu lernen. Es gibt drei Hauptarten:

• Supervised Learning (überwachtes Lernen): Die Maschine lernt anhand von beschrifteten Daten. Beispiel: Viele Bilder von Äpfeln und Erdbeeren mit der Information „Apfel“ oder „Erdbeere“. Daraus entsteht ein Modell, das später unbekannte Bilder klassifizieren kann.

• Unsupervised Learning (unüberwachtes Lernen): Hier werden Daten ohne Beschriftung analysiert. Die Maschine erkennt Muster und gruppiert sie in sogenannte „Cluster“. Das ist z. B. nützlich für Anomalie-Erkennung oder Empfehlungssysteme.

• Reinforcement Learning (bestärkendes Lernen): Hier lernt ein Agent durch Belohnung oder Bestrafung, z. B. bei Spielen oder autonomen Fahrzeugen. Erfolgreiche Entscheidungen werden „belohnt“ und damit wahrscheinlicher gemacht. Wie das läuft kann man hier mit Tic Tac Toe ausprobieren.

Deep Learning (DL) ist eine Unterform des Machine Learning und nutzt sogenannte neuronale Netze, die dem menschlichen Gehirn nachempfunden sind. Diese bestehen aus vielen Schichten („Hidden Layers“) mit Millionen von Verbindungen, deren Gewichtungen während des Trainings a