Der Begriff künstliche Intelligenz war ein Einfall von John McCarthy vom MIT, als er im Vorfeld der Dartmouth Conference im Sommer 1956 mit einem Förderantrag an die Rockefeller Foundation Eindruck schinden wollte.
Zu Anfang sah man KI als Allheilmittel an, mit dem sich alle Probleme mit BV, Robotersteuerungen usw. in Luft auflösen würden. Im Gegensatz zum Menschen kann eine KI – mit entsprechender Rechenleistung ausgestattet – sehr schnell sehr viel lernen. Und speziell bei der Mustererkennung ist KI unschlagbar.
KI basiert auf Neuronalen Netzen (NN). Die Neuronen entsprechen den Nervenzellen und Gliazellen eines menschlichen Gehirns, die über Synapsen miteinander verbunden sind. Ohne auf biologische Details einzugehen, Nervenzellen alleine sind nicht wirklich intelligent. Intelligent sind sie im Zusammenspiel mit anderen Nervenzellen.
Die Neuronen der KI sind Computer-Programme, die Informationen empfangen, verarbeiten und an weitere Neuronen versenden, die dann ihrerseits die Informationen verarbeiten und versenden usw. Mit Trainingsdaten lernt KI nun welcher Weitergabeweg ergebnisabhängig der jeweils richtige ist. Kommen dann neue Daten, wendet das Netz diese Gewichtung an und liefert die richtigen Ergebnisse, solange die Trainingsdaten eindeutig und repräsentativ sind. Das Risiko im Einsatz von NN besteht darin, dass man hinterher nicht mehr nachvollziehen kann, warum eine Entscheidung gefällt wurde. Einen Menschen kann man fragen, warum er einen Hund als Wolf gesehen hat, ein NN nicht.
Um nun Bilddaten mit höherer Genauigkeit verarbeiten zu können, reichen einfache NNs nicht aus. Convolutional Neural Networks (gefaltete Neuronale Netze oder CNN) bestehen aus komplexen Schichten von Neuronen.