So wir haben uns das letzte Mal im Wesentlichen über rationale Agenten
unterhalten und zwar soll das dienen als eine Idee in die man die ganzen
technischen Verfahren die wir ab heute machen werden einordnen kann.
Es geht ja um künstliche Intelligenz, es geht darum intelligentes Verhalten
irgendwie nachzubilden. Das ist aber nicht womit wir uns wirklich
beschäftigen werden im meisten technisch. Technisch werden wir uns mit
Einzelproblemen, Einzeltechnologien und Methoden befassen die irgendwelche
Teilprobleme lösen. Deswegen ist es wichtig dass sie sich vor Augen halten
und sagen wenn wir den Gesamtkörper der künstlichen Intelligenz vor uns haben
oder der intelligenten Agenten sagen an welcher kleinen Baustelle wir gerade am
werkeln sind. Deswegen fange ich mit diesen architekturellen Fragen an.
Wir haben uns über Rationalität unterhalten. Rationalität als die Maxime
die wir erreichen wollen, rationales Verhalten als Optimierung in einem
gegebenen Performance Maß. Das ist eine Sache die von außen kommt
das Performance Maß das wir optimieren wollen und wir alle haben irgendwie auch
also alle Intelligenzen haben so etwas. Das kann überleben sein, das kann
reich werden sein bei anderen, das kann glücklich sein bei noch anderen viele
Kinder haben was weiß ich nicht massiv fortpflanzen. In der Bibel war das
sehr wichtig dass so leute wie Abra haben wollten immer ganz viele
Nachkommen haben und das war ganz furchtbar dass sie dann 80 wurden glaube
ich so was die Größenordnung und immer noch keine Kinder haben.
Also es gibt verschiedene Performance Maße die geben wir in diesem ganzen was
wir hier betrachten geben wir von außen eins vor und das hat einen riesigen
Einfluss natürlich was Rationalität ist denn dieses hier wollen wir optimieren.
Das ist die eine Sache. Die andere Sache ist dass wir Rationalität definieren
als Optimierungsprozess aber nicht als stumpfen Optimierungsprozess des
Ergebnisses oder der Performance des Ergebnisses sondern der erwarteten
Performance. Man muss nicht perfekt sein. Man kann immer noch rational sein auch
wenn man Misserfolg hat. Ganz wichtig. Und aus dieser Rationalität kriegt man
einige Sachen direkt als philosophische Korrelarer raus die man
womit Intelligenz assoziiert. Also einerseits man kann intelligent sein
ohne perfekt zu sein. Man sollte lernen weil sich die Umgebung verändert und wir
haben uns über diesen Begriff der Autonomie unterhalten dass man also nicht
dass man praktisch sich nicht ultimativ auf vorgegebenes Wissen was in den
Agenten einprogrammiert worden ist verlässt sondern der muslimische Agent.
Sonst kann er nicht rational sein. Wir haben uns Beispiele angeguckt und diese
Beispiele kann man immer charakterisieren an Performance Maß an der
Umgebung in der sie drin stecken und was sie wahrnehmen können und
wie sie agieren können. Wir haben weitere Beispiele angeguckt und sind dann zu
einer Klassifikation der Agenten gekommen. Wir haben zuerst uns angeguckt
was für Arten von Umgebungen es geben kann in denen ein Agent ist und
hatten gesehen dass alles was das Leben einfach macht volle Wahrnehmbarkeit
der terministisch episodische statische Umgebung alle diese Dinge dass die die
es uns erlauben einfache vereinfachende Annahmen an die Umwelt zu machen dass die
in der echten Umwelt unrealistisch sind. Das heißt wenn wir irgendetwas
wirkliches bauen wie ein selbstfahrendes Auto oder ein Internet Shopping Agenten
oder irgendetwas oder auch nur eine KI in irgendeinem in irgendeinem Spiel
werden wir immer an der relativ komplexen Ecke der Environment sein oder
anders ausgedrückt alles was wir können ist langweilig.
Trotzdem machen wir das weil man dann erstmal Sachen lernt auf die man
Presenters
Zugänglich über
Offener Zugang
Dauer
01:30:59 Min
Aufnahmedatum
2016-10-28
Hochgeladen am
2019-04-19 08:09:03
Sprache
de-DE
Dieser Kurs beschäftigt sich mit den Grundlagen der Künstlichen Intelligenz (KI), insbesondere formale Wissensrepräsentation, Heuristische Suche, Automatisches Planen und Schliessen unter Unsicherheit.
Lernziele und Kompetenzen:
- Wissen: Die Studierenden lernen grundlegende Repräsentationsformalismen und Algorithmen der Künstlichen Intelligenz kennen.
-
Anwenden: Die Konzepte werden an Beispielen aus der realen Welt angewandt (Übungsaufgaben).
-
Analyse: Die Studierenden lernen die über die modellierung in der Maschine menschliche Intelligenzleistungen besser einzuschätzen.
Sozialkompetenz
-
Die Studierenden arbeiten in Kleingruppen zusammen um kleine Projekte zu bewältigen