Morgen alle miteinander und wir wollen heute den letzten Teil von der Vorlesung anschauen.

Und ich habe ja gestern am Anfang sehr viel Zeit für die Wiederholung verwendet, weil ich wusste,

da sind neue Leute dabei, die den Anfang gar nicht gehört haben. Also das habe ich jetzt schon mal

gut wiederholt und deswegen möchte ich heute gleich mit neuem Stoff anfangen und werde Wiederholungen

dann aufs Ende heute Nachmittag verlegen. Und den Teil, den ich heute besucht habe, und FASI ist eine andere Angelegenheit,

die werden wir uns gleich mal angucken. FASI ist im Prinzip Experten-Systeme mit unsicheren Daten.

Und das ist eine Angelegenheit, die ist so, sagen wir Ende der 80er, Anfang der 90er Jahre, genauso ein interessantes Thema gewesen,

wie Neuro für sich alleine. Es gab da oft Konferenzen, die waren so strukturiert, Rocket Science in Finance

oder Rocket Science in Engineering und so weiter. Die hatten als ein Thema immer neuronale Netze,

als ein Thema immer Chaos-Theorie, als ein Thema FASI-Logik und als ein Thema Parallelverarbeitung auf Rechner.

Was ist davon übrig geblieben? Neuro haben wir uns jetzt darüber unterhalten, das ist ein blühendes Gebiet.

Die Chaos-Theorie ist letztlich in ihren Schranken geblieben, weil die Techniken, die spezifisch für Chaos-Theorie sind,

funktionieren nur im Niedrigdimensional. Also Fünfdimensional ist hoch für Untersuchungen bei Chaos-Theorie.

Und deswegen ist das eine Angelegenheit, die hat sozusagen nur begrenzten Anwendungsraum.

Die FASI-Logik ist eine Angelegenheit, die natürlich genauso wie Experten-Systeme darauf begrenzt ist.

Was wussten die Ingenieure vorher schon? Neuro FASI dagegen versucht, die Vorteile von beiden Seiten zu verbinden.

Und das ist dann, weil bei Neuro halt schwerer ist wie FASI, hat dann am Ende Neuro FASI die FASI-Geschichte aufgesaugt,

vom Denkrahmen her. Ja gut, dann hat man noch Parallelverarbeitung. Parallelverarbeitung ist ja eher eine Maschinenfrage.

Und dann kann man sagen, ja gut, das ist toll, wenn man die Sachen hat. Dann muss man seine Algorithmen halt so schreiben, dass das funktioniert.

In dem Sinne sind aus diesen Rocket Science Veranstaltungen von damals hier, würde ich sagen, hat Neuro das größte Highlight dargestellt.

Ja gut, dann gucken wir uns also jetzt die Zusammensetzung von Neuro und FASI an.

Und das ist früher gar nicht so gesehen worden, dass man das zusammen sehen sollte, sondern eher als Gegensatz gesehen, weil in der Industrie gab es dann

halt die eine Abteilung, die hat Neuro gemacht, eine, die haben FASI gemacht und die haben sich natürlich versucht,

beim Kunden gegenseitig das Geld vom Kunden abschwänztlich zu machen.

Aber wo liegt der inhaltliche Unterschied von der Betrachtungsweise?

Also wenn Sie ein Neuro, sprich ein Datenlerner sind, dann haben Sie möglicherweise dasselbe Problem zu untersuchen, wie auf der zweiten Seite gleich.

Das Problem könnte sein, ich möchte eine Prognose machen für, ja für Nachfrageprognose oder von mir aus auch Wechselkursprognose, was auch immer.

Ich habe ein Problem und da hat ein Beobachter dann Daten gesammelt, die es zu den Problemen so gibt, die das Problem beschreiben.

Und dann gibt es einen mathematischen Lernalgorithmus, der aus den Daten eine Struktur macht, sprich Neuro als Netz dann macht.

Und dann können Sie sagen, damit da hinten was Gutes rauskommt, muss natürlich das Problem in den Daten charakterisiert sein, sonst geht es ja nicht.

Das Bottleneck ist, dass Sie genügend viele gute Daten haben, um Ihr Problem zu beschreiben.

Die umgekehrte Betrachtungsweise von den Fassileuten war gewesen, ja wir reden über selber Problem und wir fragen dann alle Experten,

wie funktioniert euer Problem und dann kommen möglicherweise auch widersprüchliche Strukturen raus, aber wie auch immer, da kommen irgendwelche logischen Regeln raus.

Und diese Regeln schreibe ich dann in einem Computerprogramm auf.

Dann habe ich ein Expertensystem da stehen und das Expertensystem soll also das selbe Problem angehen, wie auf der linken Seite.

Das heißt, Sie können hier das Wissen reinbringen, was Leute haben, die jahrzehntelang auf dem Gebiet gearbeitet haben.

Auf der anderen Seite, wenn Sie halt gerade in der Ökonomie ziehen, Leute fragen, wie funktioniert was, dann kriegen Sie ganz viele unterschiedliche Antworten. Also das halbwegs widerspruchsfrei zu modellieren ist dann schon ein Kunststück.

Jetzt bleibt die Frage, wenn man das nicht so sehen will, nicht so sehr als da wir nicht sich ein Wettbewerb sehen, sondern wenn man die Frage stellt,

wie können die beiden Seiten sich gegenseitig ergänzen, dann ist eine schöne Betrachtungsweise, die man da machen kann, dieses Bild.

Also ich sage, ich habe irgendeine Prognoseprobleme oder was zu beschreiben, wobei ich im Original eine Zahlenbeschreibung habe.

Dann wäre die rein neuronale, sprich ökonomitrische Betrachtungsweise, nimmt die Zahlen her und macht daraus neue Zahlen.

Das könnte also zum Beispiel sein, dass ich jetzt in der Gegenwart irgendwelche Zeitreingrößen kenne, mehr oder weniger viele, natürlich nicht nur eine,

und daraus dann unsere Formeln machen und dann kriege ich für den nächsten Tag neue Zahlen raus.

Das wäre rein Neuro, das wäre rein Ökonomie, also Zeilenrechten, Arithmetik, wenn Sie so wollen.

Und die Phasegeschichte, bitte jetzt noch nicht Neurophase, die Phasegeschichte ist erstmal,

mach aus diesen Zahlen verbale Charakterisierung des Zustandes der Welt.

Also da wollen Sie dann so Sachen stehen haben, nicht der Wechselkurs ist um einen Cent gestiegen,

sondern da wollen Sie so Sachen stehen haben, wie die Verschiebung des Wechselkurses war positiv.

Also wie liegt es daran, dass der Wörter stehen habe?

Und was dann als mathematisches Problem auftritt, ist natürlich, wie übersetzt sich die konkreten Zahlen, die da oben stehen, in Wörter?