4 - Künstliche Intelligenz I [ID:10627]
50 von 826 angezeigt

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

Teil einer Videoserie :

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

Einbetten
Wordpress FAU Plugin
iFrame
Teilen