Was ist künstliche Intelligenz, maschinelles Lernen und LLM?

Gewinne:

• Kann zwischen den Konzepten künstlicher Intelligenz, maschinellem Lernen und großem Sprachmodell unterscheiden
• Erklären Sie, wie sich diese Technologien von herkömmlicher Software unterscheiden
• Kann KI-Beispiele aus dem täglichen Geschäftsleben erkennen

In den letzten Jahren ist das Wort „künstliche Intelligenz“ allgegenwärtig: in den Nachrichten, in der Werbung, bei Geschäftstreffen, sogar in der Kamera des von Ihnen verwendeten Telefons. Aber was genau bedeutet es? In dieser Einheit wird das Thema von Grund auf erklärt, ohne im Fachjargon zu ertrinken, und es mit Ihrem Geschäftsleben in Verbindung gebracht. Das Ziel besteht nicht darin, Sie zum Ingenieur zu machen; Um Sie zu einem bewussten Benutzer zu machen, der versteht, welche Tools Sie verwenden und warum sie das tun, was sie tun. Denn je besser Sie ein Fahrzeug kennen, desto sicherer und effizienter nutzen Sie es.

Oft hört man drei miteinander verknüpfte Konzepte: künstliche Intelligenz, maschinelles Lernen und das große Sprachmodell. Das ist nicht dasselbe; Sie bilden immer enger werdende Ringe, einer in dem anderen. Lassen Sie uns diese nun einzeln anhand täglicher Beispiele erklären.

Drei Konzepte, drei ineinandergreifende Ringe

Künstliche Intelligenz (KI): Dies ist die allgemeine Bezeichnung für ein weites Feld, das es Computern ermöglicht, Aufgaben auszuführen, die normalerweise menschliche Intelligenz erfordern (Verstehen, Entscheidungsfindung, Erkennung, Verwendung von Sprache). Unter diesem Dach befinden sich auch ein Schachprogramm, eine Übersetzungsanwendung und ein Sprachassistent.

Maschinelles Lernen (ML): Es ist der am weitesten verbreitete Teilzweig der künstlichen Intelligenz. Hier schreiben wir die Regeln nicht einzeln in den Computer; Wir zeigen ihm viele Muster und er sucht sich das Muster in den Mustern selbst aus. Daher der Name „Machine Learning“: Die Maschine lernt aus Beispielen.

Large Language Model (LLM): Es handelt sich um eine spezielle Art des maschinellen Lernens, die sich auf Text spezialisiert. Es wird mit Milliarden von Sätzen trainiert; Es wird bei Aufgaben wie dem Verstehen der Sprache, dem Produzieren, Zusammenfassen und Übersetzen verwendet. Dies ist die Technologie hinter Tools wie ChatGPT, Gemini, Claude. Die Tools in diesem Modul, die wir „generative KI“ (text-/bildgenerierende KI) nennen, basieren größtenteils auf LLM.

Hinweis: Denken Sie daran: KI ist die größte Kiste, maschinelles Lernen ist die Kiste darin und das große Sprachmodell ist die innerste Kiste. „Jedes LLM ist ein Produkt des maschinellen Lernens und jedes maschinelle Lernen ist eine KI, aber das Gegenteil ist nicht immer der Fall.“

Unterschied zu herkömmlicher Software: Wer schreibt die Regeln?

Dies ist der wichtigste Unterschied, den es zu verstehen gilt. In herkömmlicher Software schreibt ein Mensch (Programmierer) die Regeln nacheinander auf: „Wenn der Bestellwert 500 TL übersteigt, ist der Versand kostenlos.“ Der Computer befolgt diese Regel genau, nicht mehr und nicht weniger.

Beim maschinellen Lernen schreiben nicht Menschen die Regeln; Das Modell findet die Regel selbst anhand der ihm gezeigten Beispiele. Sie zeigen beispielsweise Tausende von „Spam“- und „Kein Spam“-E-Mails an; Das Modell selbst lernt, welche Wörter und Phrasen auf Spam hinweisen. Niemand schreibt einen nach dem anderen und sagt: „Wenn es dieses Wort gibt, ist es Spam.“

Funktion

Traditionelle Software

Maschinelles Lernen / KI

Wer macht die Regeln?

Der Mensch schreibt einen nach dem anderen

Das Modell leitet aus Beispielen ab

Ist die Ausgabe immer gleich?

Gleicher Input → gleicher Output

Gleicher Input → ähnlicher, aber variabler Output

Wann ist es stark?

Arbeiten Sie mit klaren, endgültigen Regeln

Funktioniert mit vielen Mustern und schwierigen Regeln

Zuverlässigkeit

vorhersehbar, stabil

Statistisch, erfordert Überprüfung

Beispiel

Lohnkonto

Verbessern Sie den E-Mail-Ton

Dieser Unterschied ist die Grundlage für die Themen „Halluzination“ und „Verifizierung“, die Sie später kennenlernen werden: Da das Modell die Regel selbst ableitet, ist sie manchmal falsch, sodass man ihrer Ausgabe nicht blind vertrauen kann.

Sie sehen es bereits in Ihrem täglichen Geschäftsleben

Denken Sie nicht, dass KI etwas Neues ist; Sie verwenden es wahrscheinlich schon seit Jahren:

• Der Spamfilter Ihres E-Mail-Postfachs (ein Modell, das gelernt hat, welche E-Mails in den Papierkorb gelangen).
• Die Tastaturvorhersage Ihres Telefons (ein kleines Sprachmodell, das das nächste Wort vorschlägt).
• Die betrügerische Transaktionswarnung Ihrer Bank (Modell, das ungewöhnliche Ausgaben erkennt).
• Die Autofill- und Vorschlagsfunktionen Ihres Tabellenkalkulationsprogramms.
• Empfehlungssysteme in Video- und Musikanwendungen.

Neu ist, dass diese Technologie nun mit natürlicher Sprache sprechen kann. Sie schreiben also, als würden Sie mit einem Experten sprechen, und er versteht und antwortet. Hier liegt die echte Chance am Arbeitsplatz.

Drei Mini-Hüllen

Fall 1 – Ayşe, Büroleiterin. Er kategorisierte jede Woche manuell etwa 40 Lieferanten-E-Mails. Es dauerte durchschnittlich 90 Minuten. Es begann damit, dass der KI-Assistent des Unternehmens E-Mails als „dringend/normal/info“ kennzeichnete. Die Zeit wurde auf 20 Minuten verkürzt; Er widmete etwa 70 eingesparte Minuten der Vertragskontrolle. Die KI hat die Regel selbst gelernt; Ayşe hat die Filter nicht einzeln geschrieben.

Fall 2 – Mehmet, Außendiensttechniker. Der Kunde schrieb Fehlerprotokolle im Freitext („Gerät wird heiß, schaltet sich zeitweise ab“). Sein Vorgesetzter konnte diese 500 Datensätze nicht manuell lesen und klassifizieren. Ein Sprachmodell fasste die Datensätze als „Hardware-/Software-/Benutzerfehler“ zusammen und extrahierte die häufigste Beschwerde. Das Modell skizzierte in wenigen Minuten, was für einen Menschen fast zwei Tage dauern würde; Das Team bestätigte nur.

Fall 3 – Elif, Buchhaltung. Er ließ von AI einen neuen Gesetzestext zusammenfassen und entnahm dem 12-seitigen Text eine einseitige Artikelliste. Aber er selbst bestätigte aus offizieller Quelle einen kritischen Prozentsatz; denn es handelte sich um eine Angelegenheit, die numerische Präzision erforderte. Somit funktionierte es sowohl schnell als auch sicher.

Schwache Eingabeaufforderung / Starke Eingabeaufforderung

Wenn Sie das Tool kennen, ändert sich auch die Art und Weise, wie Sie es fragen. Zwei verschiedene Fragen desselben Assistenten:

Schwache Eingabeaufforderung:Was ist künstliche Intelligenz?

Ergebnis: Eine lange, enzyklopädische Beschreibung, die nicht speziell auf Sie zugeschnitten ist.

Starke Aufforderung: Ich bin ein Büroangestellter ohne technische Kenntnisse. Erklären Sie den Unterschied zwischen künstlicher Intelligenz, maschinellem Lernen und großem Sprachmodell mit drei kurzen Stichpunkten und jeweils einem Beispiel aus dem täglichen Leben. Verwenden Sie einfaches Türkisch.

Ergebnis: Eine brauchbare Antwort, die Ihrer Rolle, Ihrem Niveau und Ihrem Zweck entspricht. Unterschied: Sie haben Kontext, Zielgruppe und Format angegeben.

Kopierbare Vorlagen

Helfen Sie mir, eine Technologie zu erlernen.Thema: [z.B. maschinelles Lernen]Ich: [meine Rolle / mein Wissensstand]Ich möchte: Eine einfache Erklärung in 5 Elementen + ein Beispiel aus dem Geschäftsleben für jedes Element + eine 1-Satz-Zusammenfassung „Behalte es im Hinterkopf“ am Ende.

Zeigen Sie mir, wo ich im täglichen Leben auf das folgende Konzept stoße:Konzept: [z.B. Empfehlungssystem]Geben Sie mir 5 realistische Beispiele und erklären Sie in einem Satz genau, was die KI in jedem einzelnen macht.

Vergleichen Sie diese beiden Konzepte und tragen Sie sie in eine Tabelle ein:Konzept A: [traditionelle Software]Konzept B: [maschinelles Lernen]Spalten: Wer legt die Regel fest, ist die Ausgabekonstante, wann ist sie stark, ein Beispiel.

Vereinfachen Sie den folgenden Satz, als würden Sie ihn einem technisch nicht versierten Kollegen erklären. Wenn Fachjargon vorhanden ist, fügen Sie eine kurze Erklärung in Klammern hinzu. Satz: [hier einfügen]

Häufige Fehler

Häufige Fehler

• Denken „KI = Roboter / Bewusstsein“. Heutige Fahrzeuge denken und fühlen nicht; erkennt Muster und generiert mögliche Fortsetzungen. Dies zu vergessen führt zu überzogenen Erwartungen und Enttäuschungen.
• Behandeln Sie jede KI-Ausgabe als endgültige Wahrheit. Das Modell funktioniert statistisch; Es ist riskant, Zahlen, Daten und Quellen zu verwenden, die Präzision erfordern, ohne sie zu überprüfen.
• Sagen Sie „Dieser Job ist weit von mir entfernt“ und versuchen Sie es nie. KI spart die meiste Zeit bei mühsamen und sich wiederholenden Aufgaben von technisch nicht versierten Mitarbeitern. Wer es nicht versucht, wird die Gelegenheit verpassen.
• Ein-Wort-Fragen ohne Kontext stellen. Wenn Sie dem Tool nicht sagen, wer Sie sind und was Sie wollen, erhalten Sie allgemeine, nutzlose Antworten.

Achtung: KI-„Lernen“ ist nicht wie menschliches Lernen. Das Modell „lernt“ nicht, indem es die Welt versteht, sondern indem es statistische Muster in den Daten erfasst. Er kann also sehr flüssig sprechen, versteht aber dennoch eine grundlegende Tatsache falsch. Sprachgewandtheit ist keine Garantie für Genauigkeit.

Zusammenfassend

• Künstliche Intelligenz ist der umfassendste Schirm; maschinelles Lernen ist sein Unterzweig, der aus Beispielen lernt; Das Large Language Model (LLM) ist eine Form des maschinellen Lernens, die sich auf Sprache spezialisiert.
• Hauptunterschied: Bei herkömmlicher Software schreibt der Mensch die Regel; Beim maschinellen Lernen extrahiert das Modell die Regel aus den Beispielen.
• KI ist bereits in Ihrem Leben: Spamfilter, Tastaturvorhersage, Warnung vor gefälschten Transaktionen, Empfehlungssysteme. Neu ist, dass es in natürlicher Sprache sprechen kann.
• Da das Modell statistisch funktioniert, ist es fließend, aber nicht immer genau; Dies ist die Grundlage für nachfolgende Einheiten (Halluzination, Verifikation).

Anwendungsaufgabe

Öffnen Sie ein KI-Tool, das Sie verwenden, und erklären Sie sich mithilfe der Vorlage „Leistungsstarke Eingabeaufforderung“ oben den Unterschied zwischen maschinellem Lernen und einem großen Sprachmodell. Schreiben Sie dann drei Stellen in Ihrem eigenen Unternehmen auf, an denen KI bereits eingesetzt wird (oder eingesetzt werden könnte). Für jede: „Was genau ist/könnte KI hier tun?“ Beantworten Sie die Frage in einem Satz.

Checkliste

• [ ] Ich kann zwischen künstlicher Intelligenz, maschinellem Lernen und LLM unterscheiden.
• [ ] Ich kann den „Wer schreibt die Regeln“-Unterschied zwischen traditioneller Software und maschinellem Lernen erklären.
• [ ] Ich kenne mindestens 3 Beispiele für KI aus meinem täglichen Leben.
• [ ] Durch Angabe von Kontext, Zielgruppe und Format kann ich eine aussagekräftigere Frage stellen.
• [ ] Ich weiß, nur weil die KI reibungslos ist, heißt das nicht, dass sie genau ist.