Ein assoziatives Gedächtnis ruft gespeicherte Informationen über ihren Inhalt ab statt über eine Adresse: Ein unvollständiger oder verrauschter Hinweis genügt, um das passende Ganze zu finden – ähnlich wie ein Liedanfang an das ganze Lied erinnert. In der KI-Forschung sind Hopfield-Netze ein klassisches Beispiel. Das Prinzip findet sich auch in Hardware (inhaltsadressierbarer Speicher) und in Überlegungen zum Aufmerksamkeitsmechanismus moderner Sprachmodelle.
Agenten, Abläufe und Vorlagen in einem Arbeitsbereich – 24 Stunden kostenlos als Demo.
Demo startenKünstliche neuronale Netze (KNN) sind Rechenmodelle aus vielen verbundenen Einheiten („Neuronen“), die in Schichten angeordnet sind und Eingaben über gewichtete Verbindungen verarbeiten. Beim Training werden die Gewichte anhand von Beispielen schrittweise angepasst, meist per Backpropagation. KNN sind die Grundlage des Deep Learning und stecken in Bilderkennung, Spracherkennung und großen Sprachmodellen. Trotz des biologischen Vorbilds funktionieren sie deutlich einfacher als das menschliche Gehirn.
Mustererkennung ist die automatische Identifikation von Regelmäßigkeiten, Strukturen oder wiederkehrenden Merkmalen in Daten wie Bildern, Tönen, Texten oder Messwerten. Systeme ordnen neue Beobachtungen bekannten Kategorien zu oder entdecken Gruppen ohne Vorgaben. Anwendungen sind etwa Gesichtserkennung, Handschrifterkennung, Qualitätsprüfung in der Produktion oder das Aufspüren auffälliger Transaktionen. Die Disziplin bildet eine wichtige Grundlage des maschinellen Lernens.
Kognitives Computing ist ein Sammelbegriff für Systeme, die menschliche Denkprozesse wie Verstehen von Sprache, Schlussfolgern und Lernen aus Erfahrung nachbilden sollen, um Menschen bei Entscheidungen zu unterstützen. Bekannt wurde der Begriff in den 2010er-Jahren vor allem durch IBM Watson. Er kombiniert Verfahren wie Sprachverarbeitung, maschinelles Lernen und Wissensrepräsentation; heute wird stattdessen meist von KI-Assistenten oder Sprachmodellen gesprochen.
