„Künstliche Intelligenz“ (KI, engl. „Artificial Intelligence“, AI) bezeichnet ganz allgemein die Ergebnisse von Bemühungen, Maschinen die kognitiven Fähigkeiten von Menschen zu verleihen. Dazu gehören Wahrnehmung, Lernen, Problemlösen, Kreativität, Planen, Orientierung, Argumentation, Selbstbeobachtung (Introspektion) und der Wille.
Häufig tauchen im Zusammenhang mit dem Begriff KI die Bezeichnungen „Maschinelles Lernen“ (engl. „Machine Learning“) und „Deep Learning“ auf. Maschinelles Lernen grenzt sich von nicht-lernenden KI-Methoden, wie klassischen Expertensystemen, dadurch ab, dass der Algorithmus anhand von Daten lernt. Der Unterschied zu klassischen Methoden besteht also darin, dass die Algorithmen nicht das Wissen eines Programmierers in Form von Regeln in Programmcode abbilden, sondern der Algorithmus selbstständig Regeln in einem festgelegten Rahmen entwickelt. Auch beim Deep Learning lernt der Algorithmus anhand von Daten, allerdings werden hierbei die Merkmale oder Attribute, auf deren Basis gelernt wird, nicht explizit vorgegeben. Stattdessen ermittelt die KI die Merkmale selbst. Deep Learning ist ein spezifisches Teilgebiet des Maschinellen Lernens, das sich durch komplexe Lösungsmethoden auszeichnet, die meist besser große Datenmengen verarbeiten können. Ein Beispiel hierfür sind Bildverarbeitungsalgorithmen, die mit Hilfe von Bildern mit einer vordefinierten Zuordnung (z.B. Hundefotos mit der Kennzeichnung „Hund“) trainiert werden. Üblicherweise werden Bildmerkmale, nach denen der Algorithmus filtert, nicht manuell vorgegeben. Stattdessen identifiziert die KI beim Deep Learning die Eigenschaften selbst. Hierfür benötigt sie große Datenmengen, die auch gekennzeichnete Daten anderer Sorten enthält (z.B. Fotos anderer Tiere mit Kennzeichnung „nicht-Hund“).
Maschinelles Lernen und Deep Learning werden aktuell ausschließlich mit Hilfe sog. neuronaler Netze realisiert. Die Grundelemente neuronaler Netze sind in ihrer Funktionsweise menschlichen Nervenzellen im Gehirn nachempfunden, was zur häufigen Assoziation des menschlichen Gehirns mit dem Thema KI führt.
Oft wird zwischen starker und schwacher KI unterschieden. Eine schwache KI kann konkrete Anwendungsprobleme auf Basis von Methoden der Mathematik und Informatik lösen, wobei die entwickelten Systeme zur Selbstoptimierung fähig sind. Sie dient dazu, Maschinen, Roboter und Softwaresysteme zu befähigen, ohne konkrete Handlungsanweisungen durch den Menschen abstrakt beschriebene Aufgaben zu übernehmen und Probleme zu lösen. Die Fähigkeit zur Selbstoptimierung grenzt die schwache KI zur restlichen Informatik ab. Dieses Charakteristikum ist besonders bei der Einordnung von am Markt verfügbarer Lösungen interessant, da zum Teil mit dem Einsatz von KI-Technologien geworben wird, ohne dass KI entsprechend dieser Definition zum Einsatz kommt.
Eine starke KI besitzt im Gegensatz zur problemspezifischen, schwachen KI die Fähigkeit, Problemstellungen zu lösen, die nicht durch den Menschen vordefiniert werden. Sie besitzt Leistungsmerkmale, die den kognitiven Fähigkeiten des Menschen ähneln und diesen entsprechen oder sie übertreffen. Momentan sind solche Systeme noch eine Vision. Forscher gehen davon aus, dass eine starke KI (Stand 2020) in 20 bis 40 Jahren existieren könnte. In diesem Zusammenhang wird oft von einer „Technologischen Singularität“ gesprochen. Damit ist der Zeitpunkt gemeint, an dem künstliche Intelligenz die menschliche Intelligenz übertrifft. Von diesem Zeitpunkt an wird die weitere Entwicklung hauptsächlich von der KI vorangetrieben und nicht mehr vom Menschen.
