Dieser Audiobeitrag wird von der Universität Erlangen-Nürnberg präsentiert.

Hallo allerseits. KI, Kontextwetsch für jeden. Wir haben uns das letzte Mal, also gestern,

das tut es noch nicht, ach ja, richtig, man muss auch anmachen, hatten wir uns beschäftigt immer

noch mit allgemeinem Blabla, nämlich mit der Einordnung von künstlicher Intelligenz als Fach

und der Einordnung, was uns jetzt im nächsten Semester und im Semester danach erwartet. Die

Hauptidee ist, dass man sozusagen zwei Arten hat, das Problem zu attackieren. Man kann entweder

flach und breit die ganze Sache machen oder man kann es schmal und tief machen. Wir Menschen können

breit und tief. Und im Prinzip, das alles, was um diesen Themenkomplex war, kreiste alles,

was wir gestern besprochen haben. Im technischen, in der KI Sicht, haben wir zwei total verschiedene

Arten, diese beiden Sachen zu machen. Das eine ist die symbolische KI oder von den Leuten,

die sich moderne KI nennen, wird die symbolische KI, das, was wir dieses Semester machen mit

good old fashioned AI benannt, wir sind ihnen sehr dankbar für das G. Es ist nicht so unmodern,

es kann nur andere Dinge. Es werden in der symbolischen KI, das ist relativ nah an der

Anwendung. Wir haben Constraintsorbing Prozesse, die in der Anwendung sind, große Probleme lösen.

Die Planungssysteme werden real eingesetzt. Man könnte heutzutage keine Kriege mehr führen,

ohne dass man KI Planungssysteme nimmt, denn sonst werden immer die Panzer an den falschen Stellen.

Ob man das gut findet, ist eine andere Frage. Aber das sind die Sachen, die man symbolisch lösen kann.

Da gibt es sehr starke Löser, wir werden die zum Teil uns angucken. Dann gibt es dagegen diese

Sachen, die mit statistischen Maschinenlernensachen die Breite abdecken, mit viel Daten umgehen können,

statt mit wenig Daten tief umgehen zu können. Die können viele Dinge tun, aber relativ flach.

Das Tiefeverständnis fehlt dahinter, ist für viele Aufgaben auch gar nicht so wichtig. Viele

Aufgaben reichen, wenn man flach macht. Spellchecker muss alle Texte, die Sie je in Ihrem Leben schreiben

werden, irgendwie spellchecken können, aber nicht verstehen können, was Sie da schreiben.

Besser nicht. Wäre natürlich toll, wenn der Spellchecker die Zusammenfassung schreiben könnte,

aber dann wäre es kein Spellchecker mehr, sondern etwas anderes. Xerox hatte mal einen Kopierer

entwickelt, der von allem, was er kopiert hat, kurze Zusammenfassungen ans Management schickt.

Tolle KI-Aufgabe, aber ob man das unbedingt möchte, ist die Frage. Wir machen dieses Semester das da

und nächstes Semester das da. Wunderbar. Sie machen dann die Ecke oben, irgendwann später.

Gut, wir hatten uns die, das ist mein neuer Klicker, der tut aber noch nicht, was er soll.

Ich glaube, es liegt an den Batterien. Deswegen werde ich ab und zu, tut tatsächlich nicht.

Ah, jetzt, gut. Also, und jetzt leuchtet er immer noch nicht. Also Sie sehen, da sollte ein großer

grüner Punkt sein, ein heller großer grüner Punkt, das ist aber irgendwie noch nicht.

Okay, wir hatten uns angeguckt, was wir dieses Semester machen wollen. Das ist auch einigermaßen

realistisch, das ist vor einem Jahr, hat das auch geklappt. Wir sind im Moment da. Was ist KI?

Wir hängen die Dinge zusammen. Als nächstes, heute werden wir uns intelligente Agenten angucken,

rationale Agenten, die uns ein bisschen einen Überblick geben, wie die Sachen alle zusammenpassen

werden. Und dann werden wir uns als nächstes in der kommenden Woche, Donnerstag, kommen Sie

bloß nicht am Mittwoch hierher, da ist aller Heiligen, da wird hier nichts stattfinden,

werden wir Logikprogrammierung so ein bisschen einführen. So, dann haben wir unseren Experimentierkasten

und wir haben irgendwie den Zusammenhang und dann können wir anfangen, tatsächlich irgendwie in

die KI zu gehen. Gut, Sie wissen noch, dass Sie Fragen stellen sollen und dürfen. Richtig? Gut, ja.

Was die emotionale Intelligenz für Schwierigkeiten ist?

Weiß ich ehrlich gesagt nicht, ich bin da überhaupt kein Spezialist. Ich weiß nur,

dass die Ergebnisse nicht sonderlich gut sind. Vielleicht, weil man erst relativ spät damit

angefangen hat. Echte Emotionen, was man tatsächlich jetzt machen kann, sind so Dinge wie,

dass man an Text Emotionen annotieren kann. Ich habe gerade eine Masterarbeit gelesen,

wo es darum ging, an irgendwelche Fanwiggis, an die Charaktere, stellen sich Game of Thrones

Fanwiggy vor und dann will man rauskriegen, ob Tyrion Lannister ein positiver Mensch ist oder

er nicht. Und die Ergebnisse waren nicht sonderlich gut. Was vielleicht daran liegt, dass es irgendwie

8, 9 Stafeln von Game of Thrones gibt und dass der sich auch irgendwie ab und zu ändert,