Glossar

Die Genauigkeit gibt den Anteil der Vorhersagen an, die ein Modell richtig trifft. Formel, Top-1- und Top-5-Genauigkeit, das Genauigkeitsparadoxon bei unausgewogenen Daten und bessere Metriken.

Beim Action Chunking sagt eine Robotersteuerung anhand einer Beobachtung eine Folge künftiger Aktionen voraus und verringert so die Aufsummierung von Fehlern. Behandelt ACT, Glättung und VLA-Modelle.

Die Aktionserkennung oder Erkennung menschlicher Aktivitäten (HAR) ordnet Personen in Videos anhand ihrer zeitlichen Bewegungen Aktivitäten zu. Methoden, Datensätze und Code.

Eine Aktivierungsfunktion ist die nichtlineare Funktion, die ein Neuron auf seine gewichtete Eingabe anwendet, damit Netzwerke gekrümmte Muster lernen können. Vergleicht gängige Varianten.

Beim Active Learning kann ein Modell auswählen, welche ungelabelten Beispiele Menschen als Nächstes labeln sollen. So wird eine Zielgenauigkeit mit weniger Labels erreicht. Abfragestrategien und Code.

Adam kombiniert Momentum mit Schrittweiten pro Parameter, die anhand der jüngsten Gradientenstärken skaliert werden. Behandelt die Aktualisierungsregel, Standardwerte, AdamW und Adam im Vergleich zu SGD.

Bei adversarischen Angriffen werden kleine, oft unsichtbare Änderungen an Eingaben vorgenommen, die KI-Modelle mit hoher Zuversicht scheitern lassen. So funktioniert FGSM; außerdem Angriffstypen und Abwehrmaßnahmen.

Affective Computing entwickelt Systeme, die menschliche Emotionen erkennen und darauf reagieren. Behandelt die Signale, Datensätze, praktischen Anwendungen sowie die wissenschaftlichen und rechtlichen Grenzen.

Bei der Bewertung von Agenten wird geprüft, ob ein KI-Agent mehrstufige Aufgaben korrekt und zuverlässig erledigt. Dazu werden Endergebnisse und Ablaufprotokolle über wiederholte Durchläufe hinweg bewertet.

Die Agenten-Infrastruktur umfasst den Code rund um ein Modell, der daraus einen KI-Agenten macht: die Schleife, Werkzeuge, den Kontext, den Speicher, Berechtigungen und Prüfungen, mit denen der Agent seine Aktionen ausführt.

Beim Sandboxing von Agenten werden Befehle und generierter Code eines KI-Agenten in einer isolierten Umgebung ausgeführt, die den Zugriff auf Dateien, Netzwerk, Zugangsdaten und Rechenressourcen beschränkt.

Agent Skills sind Verzeichnisse mit Anweisungen, Skripten und Referenzdateien, die auf einer Datei SKILL.md basieren und von einem KI-Agenten geladen werden, wenn eine Aufgabe sie erfordert.

Das Agent2Agent-Protokoll (A2A) ist ein offener Standard, über den KI-Agenten verschiedener Anbieter einander finden, Aufgaben delegieren und Ergebnisse zurückgeben können.

Agentengestützte Programmierung ist Softwareentwicklung, bei der ein KI-Agent eine Codebasis liest, Dateien bearbeitet, Tests ausführt, Fehler behebt und eine Änderung zur Überprüfung bereitstellt.

Agentengestützter Handel umfasst Käufe und Verkäufe, bei denen KI-Agenten im Rahmen festgelegter Grenzen für Käufer suchen, vergleichen und bezahlen. Dabei kommen Protokolle wie ACP, UCP und AP2 zum Einsatz.

Bei agentengestütztem RAG übernimmt ein KI-Agent den Abruf: Er plant Suchanfragen, wählt Werkzeuge aus, prüft die Ergebnisse und sucht erneut, bis er eine Antwort geben kann.

Agentengestützte Arbeitsabläufe zerlegen eine Aufgabe in Schritte, in denen Sprachmodelle planen, Werkzeuge aufrufen, ihre eigenen Ergebnisse prüfen und überarbeiten, statt die Aufgabe in einem Durchgang zu beantworten.

Ein KI-Agent verfolgt ein Ziel, indem er seine Umgebung beobachtet, eine Aktion auswählt und sie mithilfe von Werkzeugen in einer Schleife ausführt, bis die Aufgabe erledigt ist. So funktionieren Agenten.

Die Orchestrierung von KI-Agenten bestimmt, welcher Agent, welches Modell oder welches Werkzeug die einzelnen Schritte einer Aufgabe übernimmt, welchen Kontext die Beteiligten erhalten und wie ihre Ergebnisse zusammengeführt werden.

Bei der KI-Debatte vertreten zwei Modelle gegensätzliche Antworten, und ein schwächeres Bewertungsmodell bestimmt den Sieger. So funktioniert der Vorschlag von 2018, das ergaben Experimente und das sind seine Grenzen.

KI-Synchronisation kombiniert Transkription, Übersetzung und Sprachsynthese, um synchronisierte Dialoge in anderen Sprachen zu erstellen und dabei das Timing der Sprecher beizubehalten.

KI-Ethik wendet moralische Grundsätze wie Fairness, Datenschutz, Transparenz und Verantwortlichkeit auf die Entwicklung und Nutzung von KI an. Behandelt Rahmenwerke, Probleme und Gesetze.

Eine KI-Fabrik umfasst die Infrastruktur und die Arbeitsabläufe, mit denen Daten in großem Maßstab in KI-Ergebnisse umgewandelt werden – von der Kennzeichnung und dem Training bis hin zur Bereitstellung und Überwachung.

Ein KI-Gateway ist ein Proxy zwischen Anwendungen und KI-Modellen, der APIs verschiedener Anbieter vereinheitlicht und Routing, Ausweichlösungen, Tokenbudgets, Caching und Protokollierung ermöglicht.

KI-Governance legt fest, wer KI-Systeme entwickeln, genehmigen und außer Betrieb nehmen darf und auf Grundlage welcher Nachweise. NIST AI RMF, ISO/IEC 42001, der EU AI Act und zentrale Kontrollen.

KI-Schutzmechanismen sind Prüfungen rund um ein KI-Modell, die unsichere Eingaben, Ausgaben und Aktionen blockieren. Dazu gehören Filter gegen Prompt-Injection und Schema-Prüfungen für Werkzeugaufrufe.

KI-Kompetenz umfasst das Wissen und Urteilsvermögen, um KI zu verstehen, kritisch zu hinterfragen und sinnvoll zu nutzen. Behandelt grundlegende Fähigkeiten, schulische Rahmenwerke und Artikel 4 des EU-KI-Gesetzes.

KI-Psychose bezeichnet Wahnvorstellungen, die sich während langer Gespräche mit Chatbots entwickeln oder verstärken. Was die Belege zeigen, warum das geschieht und welche Schutzmaßnahmen es gibt.

Beim Red Teaming von KI werden KI-Systeme mit simulierten Angreifern und missbräuchlicher Nutzung konfrontiert, um Jailbreaks, Datenlecks, schädliche Ausgaben und Robustheitsprobleme aufzudecken.

KI-Sicherheit ist das Fachgebiet, das verhindern soll, dass KI-Systeme durch Missbrauch, Fehlanpassung, Fehler oder sprödes Verhalten bei unbekannten Eingaben Schaden verursachen.

KI-Müll bezeichnet minderwertige Inhalte, die mithilfe generativer KI massenhaft für Klicks und Werbeeinnahmen erstellt werden. Woher der Begriff stammt, warum sich das Phänomen verbreitet und wie es erkannt wird.

KI-Schmeichelei liegt vor, wenn ein Modell Nutzern auf Kosten der Genauigkeit zustimmt oder ihnen schmeichelt. Warum Präferenztraining dazu führt, welche Schäden entstehen und wie sich das testen lässt.

Schnitt anhand von Transkripten, automatische Neuausrichtung des Bildausschnitts, Objektmasken, Entfernung von Objekten und Unkenntlichmachung: die Modelle hinter der KI-Videobearbeitung und die Grenzen automatisierter Bearbeitung.

KI-Täuschung bezeichnet die irreführende Übertreibung der KI-Fähigkeiten eines Produkts, die tatsächliche Leistung, menschliche Beteiligung und Belege für die Behauptungen verschleiert.

Beim Wasserzeichen für KI werden generierte Bilder, Texte, Audiodateien oder Videos mit einem maschinell erkennbaren Signal versehen. So funktionieren SynthID und Verfahren mit grünen Listen, und hier liegen ihre Grenzen.

Algorithmische Verzerrung ist ein systematischer, wiederholbarer Fehler bei automatisierten Entscheidungen, der bestimmte Gruppen benachteiligt. Ihre drei Ursachen, wegweisende Fälle und Zielkonflikte.

Bei vorgetäuschter Ausrichtung hält sich ein KI-Modell an ein Training, mit dem es nicht einverstanden ist, um seine Präferenzen zu bewahren. Dieses Verhalten wurde 2024 erstmals bei Claude 3 Opus beobachtet.

Ankerrahmen sind vorab festgelegte Rahmen mit festen Größen und Seitenverhältnissen, die ein Detektor verschiebt und skaliert, um sie an Objekte anzupassen. So werden sie dimensioniert, zugeordnet und eingesetzt.

Detektoren mit Ankern sagen Objekte als Abweichungen von vorab festgelegten Ankerrahmen voraus, wie bei Faster R-CNN, SSD, RetinaNet und YOLOv5. So funktionieren sie und unterscheiden sich voneinander.

Ankerfreie Detektoren sagen Rahmen anhand von Punkten oder Schlüsselpunkten voraus, ohne vorab festgelegte Ankerrahmen. So finden FCOS, CenterNet und moderne YOLO-Modelle Objekte.

Die Anomalieerkennung kennzeichnet Datenpunkte, Ereignisse oder Bildbereiche, die von normalen Mustern abweichen. Behandelt Anomalietypen, wichtige Methoden, visuelle Prüfung und Code.

AUC fasst eine ROC-Kurve zu einem Wert zwischen 0 und 1 zusammen: der Wahrscheinlichkeit, dass ein Klassifikator ein zufällig ausgewähltes positives Beispiel höher einstuft als ein zufällig ausgewähltes negatives. ROC-AUC und PR-AUC im Vergleich, mit Code.

Künstliche allgemeine Intelligenz (AGI) ist eine hypothetische KI, die Menschen bei fast allen kognitiven Aufgaben ebenbürtig ist. Definitionen, Entwicklungsstufen, Tests und AGI im Vergleich zu ANI.

Künstliche Intelligenz (KI) ist das Fachgebiet, das Maschinen entwickelt, die wahrnehmen, schlussfolgern, lernen und handeln. Ihre Geschichte, wichtigsten Ansätze, Arten und Anwendungsbereiche.

Künstliche schmale Intelligenz (ANI), auch schwache KI genannt, beherrscht eine Aufgabe, kann ihre Fähigkeiten aber nicht auf andere Aufgaben übertragen. Funktionsweise, Beispiele und ANI im Vergleich zu AGI.

Ein Aufmerksamkeitsmechanismus gewichtet Eingabemerkmale anhand ihrer Relevanz mithilfe von Abfragen, Schlüsseln und Werten. Behandelt die Mathematik, verschiedene Arten von Aufmerksamkeit und Aufmerksamkeit im Vergleich zu Faltung.

Attention Sinks sind Tokens, meist die ersten, die überschüssige Aufmerksamkeitsgewichte aufnehmen. Durch das Caching dieser Tokens bleiben LLMs auch bei sehr langen Datenströmen stabil.

Auto-GPT ist ein Open-Source-Programm aus dem Jahr 2023, mit dem GPT-4 selbstständig ein Ziel verfolgen konnte, indem es sich in einer Schleife aus Planung, Werkzeugbefehlen und Speicher selbst Prompts gab.

Ein Autoencoder lernt, Daten ohne Labels in einen kompakten Code zu komprimieren und daraus wiederherzustellen. Behandelt Aufbau, Varianten, Anomalieerkennung und Code.

Automatisiertes maschinelles Lernen (AutoML) automatisiert die Modellauswahl, die Abstimmung von Hyperparametern und die Aufbereitung von Merkmalen. So funktioniert die Suche; außerdem Werkzeuge und YOLO-Abstimmung.

Autonome Fahrzeuge erfassen ihre Umgebung und fahren mit wenig oder ganz ohne menschliche Eingaben. Behandelt Sensoren, die Fahrarchitektur, SAE-Stufen und den Einsatz.