14 Künstliche Intelligenz (KI) bnn schlägt ChatGPT? Ein erster Einblick in die aufstrebende Revolution der Künstlichen Intelligenz Von Prof. Dr. Klaus-J. Schmidt – Institut für Produktions- und Logistiksysteme Es gibt nicht mehr viele Personen, die es noch nicht geschafft haben, sich zumindest im eigenen Umfeld mit der Leistungsfähigkeit von ChatGPT zu beschäftigen. Das, was ChatGPT jetzt schon leistet, ist gigantisch und hat in vielerlei Hinsicht das Feld der Künstlichen Intelligenz revolutioniert. Von der Generierung menschenähnlicher Texte bis hin zum Verständnis komplexer Anfragen hat ChatGPT bewiesen, dass es eine effektive Lösung für viele Anwendungen ist. Auch wir konnten in unseren Digitalisierungs- und Prozess-Optimierungsprojekten bei OEMs und Zulieferern gute Unterstützungsleistungen nutzen. Aber zurück zu ChatGPT und aktuellen Weiterentwicklungen. ChatGPT basiert auf der Transformer-Architektur und kann erstaunlich kohärente und detaillierte Antworten auf eine Vielzahl von Anfragen geben. Das Alleinstellungsmerkmal und Potenzial Die Alleinstellungsmerkmale von bnn (biological inspired neuronal network) liegen in seiner einmaligen Verschmelzung von Künstlicher Intelligenz mit der Biologie. Die Biologisch Inspirierten Neuronalen Netzwerke (bnn), im Englischen Biological Neural Networks genannt, stellen eine Klasse von Künstlicher Intelligenz dar, die die Architektur und Funktionsweise des menschlichen Gehirns imitieren. Die Neuronen in diesen Netzen sind darauf ausgelegt, auf die gleiche Weise zu lernen und zu reagieren, wie es unsere Gehirnzellen tun. Die Fähigkeit, diese natürlichen Lern- und Reaktionsmechanismen zu emulieren, ermöglicht es bnn, Aufgaben mit einer Effizienz und Genauigkeit zu bewältigen, die weit über die der traditionellen KI-Modelle hinausgeht. Trotz der beeindruckenden Leistung von ChatGPT gibt es jedoch Bereiche, in denen bnn ChatGPT eindeutig überlegen sind. Eines der Hauptmerkmale von bnn ist ihre Fähigkeit, die biologischen Prozesse, die dem menschlichen Lernen zugrunde liegen, zu replizieren. Dadurch können sie komplexe Probleme auf eine Weise lösen, die der menschlichen Problemlösung ähnlicher ist. Sie sind in der Lage, auf Veränderungen in ihrer Umgebung zu reagieren und sich auf eine Weise anzupassen, die für traditionelle KI-Modelle nicht möglich ist. Ein erster Einblick in die im Patent dargestellten Besonderheiten: 1. Komplexe biochemische Simulation von Neuronen: Das bnn nutzt eine detaillierte biochemische Nachbildung der Neuronen einschließlich der Darstellung einzelner Aktivitätsspitzen. 2. Zeitabhängige Aktivitätsmuster: Im Gegensatz zu herkömmlichen Neuronalen Netzen, die sich auf Raten- oder Frequenzkodierung beschränken, berücksichtigt das bnn zeitabhängige Aktivitätsmuster. 3. Strukturierte Verbindungsarchitektur: Die Architektur des bnn ähnelt der Verschaltung einfacher biologischer Gehirne, was eine strukturierte Informationsverarbeitung ermöglicht. 4. Integration von Expertenwissen: Mit einem „Neuro-Compiler“ kann das bnn auf anwendungsspezifisches Expertenwissen zugreifen, was eine a-priori-Integration von Wissen in den gesamten Prozess ermöglicht. Bild: © protit_image/bigstockphotos Prof. Dr. Klaus-J. Schmidt
RkJQdWJsaXNoZXIy MjUzMzQ=