Ich war Freitag nicht da, deswegen weiß ich nicht genau, wie weit ihr gekommen sind, aber
ich glaube, ihr hattet diesen Problem Solving Kram, die Introduction dazu zumindest schon
mal, oder? Gut, dann können wir da ja mal jetzt drüber gehen und mal gucken, ob da
irgendwelche Fragen oder sowas auftauchen. Also ich meine, die Grundlegend der Art, die
Idee ist natürlich, wir versuchen irgendwie Probleme soweit zu abstrahieren, dass wir
irgendwie ein generelles General Framework finden, mit dem wir irgendwie Problem Solving
allgemein beschreiben können. Irgendwelche Fragen dazu, insbesondere was vielleicht eine
Definition von States und Actions ist auch klar. Also ich meine, das ist halt jetzt natürlich
alles erstmal auf der abstrakten Ebene, aber ja. Was vielleicht noch irgendwie relevant
ist, wir machen nur Offline Problem Solving, weil Online Problem Solving ist halt deutlich
komplizierter. Das kommt dann vielleicht nächstes Semester, aber ja. Gut, ja ein hübsches Beispiel.
Ich weiß nicht, warum Rumänien immer das Standardbeispiel ist. Ich glaube, das ist
halt einfach, weil es in Russell und Norwijk benutzt ist und jeder kopiert das oder so.
Angenommen, wir sind irgendwie momentan in irgendeinem Cuff namens Arad. Ich habe keine
Ahnung, was das ist. Und wir wollen nach Bucharest. Das habe ich immerhin schon mal gehört.
Dann haben wir natürlich ein Problem, insofern, als dass wir natürlich idealerweise die optimale
Strecke zwischen den zwei Orten finden wollen. Und die Lösung ist halt natürlich, also eine
Lösung ist irgendeine Strecke und die optimale Lösung ist halt natürlich die kürzeste Strecke.
Ja, genau, wenn es natürlich darum geht, dass wir das Problem erstmal irgendwie formulieren
müssen, dann ist ein relevanter Aspekt. Was ihr vielleicht irgendwie auch beim ersten Übungsblatt
schon gemerkt habt, ist halt natürlich auch irgendwie, auf welcher Abstraktionsebene man
das Problem überhaupt beschreibt. Also nehmen wir an, mein Problem ist, ich bin in Arad und ich will
nach Bukarest. Wenn mein Modell irgendwie so Sachen beinhaltet wie dieses schöne Beispiel
hier, put on my left sock, dann ist das halt wahrscheinlich zu detailliert. Auf der anderen
Seite, wenn es halt irgendwie nur so etwas enthält wie, ja, fahr nach Bukarest, dann ist das halt
irgendwie auch vielleicht ein bisschen zu abstrahiert. Was soviel heißt, wie oft ist halt das
irgendwie fast der relevanteste Teil überhaupt beim Problemlösen, wie man das Problem überhaupt
erstmal formal so beschreibt, dass es nicht zu abstrakt ist, aber auch nicht so, dass es zu
detailliert ist und man jede Menge Müll hat, den man halt eigentlich für eine sinnvolle Lösung
nicht braucht. Sorry, ich bin noch ein bisschen erkältet. Gut, Definition 041, die Problem
Formulation, dieses Ding da, das habt ihr alles gemacht. Also wir haben in erster Linie mal eine
Menge S von Zuständen und der Rest sind eigentlich alles bloß Teilmengen davon. O ist eine Menge von
Operatoren, das ist keine Teilmenge, aber I ist erstmal ein Element aus S, nämlich mein
Initialzustand, G ist eine Teilmenge von S, nämlich meine Endzustände, die ich irgendwie erreichen
möchte, meine Zielzustände und dann habe ich halt mit O noch eine Menge von Operatoren, die es mir
irgendwie erlauben, von einem Zustand in den nächsten Zustand zu kommen, auf diverses der Art
und Weise. Und eine Lösung, wenn man das Ganze halt so wunderbar formal beschreibt, dann ist eine
Lösung halt mehr oder minder einfach eine Liste von Operatoren beziehungsweise eine Liste von Aktionen,
angefangen beim Initialzustand, die uns halt zum Zielzustand führt. Keine Fragen so weit, alles klar?
Wunderbar. Es gibt mehrere Typen von Problemen, das einfachste davon ist das Single-State Problem.
Single-State Problem heißt nicht, dass es nur einen Zustand gibt, sonst habe ich eigentlich
kein Problem. Single-State Problem heißt in erster Linie, ich fange an bei einem einzelnen
Zustand, bewege mich über einzelne Zustände, ende bei einem einzelnen Zustand. Ja. Schöne bei Single-State
Problems ist insbesondere auch, dass sie diskret sind, das heißt ich habe nur eine abzählbare
Menge von Zuständen. Weiß nicht, ob das irgendjemand verwundert, aber ja. Es ist insofern deterministisch,
nicht verwechseln bitte mit der Determiniertheit von der Environment und so. Single-State Problem
ist insofern deterministisch, als dass wir halt davon ausgehen, dass der Nachfolger von jedem
Zustand gegeben irgendeiner Aktion immer determiniert ist. Und States insbesondere ändern sich nur dadurch,
dass wir irgendetwas tun. Also in dem Sinne ist es doch ein bisschen relatiert mit. Ja, okay.
Multi-State Problems sind halt nur die Erweiterung davon. Wir gehen davon aus, dass wir unter Umständen
Presenters
Zugänglich über
Offener Zugang
Dauer
01:07:21 Min
Aufnahmedatum
2016-10-31
Hochgeladen am
2019-04-19 03:39:02
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