Top

Published in:

2019 | OriginalPaper | Chapter

1. Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens

Authors : Peter Buxmann, Holger Schmidt

Published in: Künstliche Intelligenz

Publisher: Springer Berlin Heidelberg

Activate our intelligent search to find suitable subject content or patents.

search-config

AI-assisted search

Off

Zusammenfassung

Die ersten Forschungsansätze im Bereich Künstliche Intelligenz stammen aus den 1950er Jahren. Dieses Kapitel skizziert Meilensteine der KI-Forschung bis hin zu den modernen Entwicklungen des Maschinellen Lernens, die den Schwerpunkt dieses Buches darstellen. Grundlegende Verfahren des Maschinellen Lernens werden im zweiten Teil dieses Kapitels erläutert, insbesondere die Funktionsweise von Künstlichen Neuronalen Netzen. Dabei wird auch auf Limitationen moderner Algorithmen eingegangen.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

inform now

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

inform now

next chapter Ökonomische Effekte der Künstlichen Intelligenz

acatech, Hightech Forum. (2017). Fachforum autonome Systeme. Chancen und Risiken für Wirtschaft, Wissenschaft und Gesellschaft. Langversion, Abschlussbericht. Berlin.

Anthalye, A., Engstrom, L., Ilyas, A., & Kwok, K. (2017). Fooling neural networks in the physical world with 3D adversarial objects. http://www.labsix.org/physical-objects-that-fool-neural-nets/. Zugegriffen: 5. Apr. 2018.

Bishop, C. (2006). Pattern recognition and machine learning. New York: Springer.

Brynjolfsson, E., & McAfee, A. (2017). The business of artificial intelligence. Harvard Business Review. https://hbr.org/cover-story/2017/07/the-business-of-artificial-intelligence. Zugegriffen: 6. Jan. 2018.

Carbonell, J. G., et al. (1983). An Overview of Machine Learning. In R. S. Michalski, J. G. Carbonell, & T. M. Mitchell (Hrsg.), Machine Learning: An Artificial Intelligence Approach (S. 3–23). Palo Alto, Kalifornien, USA: TIOGA Publishing Co.

Chaib-Draa, B., Moulin, B., Mandiau, R., & Millot, P. (1992). Trends in distributed artificial intelligence. Artificial Intelligence Review, 6(1), 35–66. https://doi.org/10.1007/BF00155579.CrossRef

Dartmouth College. (1956). Summer research project on artificial intelligence (Vox of Dartmouth).

EFF. (2018). AI progress measurement. https://www.eff.org/de/ai/metrics. Zugegriffen: 11. Jan. 2018.

Franklin, S., & Graesser, A. (1997). Is It an agent, or just a program?: A taxonomy for autonomous agents. In J. Müller, M. J. Wooldridge, & N. R. Jennings (Hrsg.), Intelligent Agents III Agent Theories, Architectures, and Languages (S. 1193).

Fawcett, T., & Provorst, F. (1997). Adaptive fraud detection. Data Mining and Knowledge Discovery, 1(3), 291–316.CrossRef

Goertzel, B. (2010). Toward a formal characterization of real-world general intelligence. In E. Baum, M. Hutter, & E. Kitzelmann (Hrsg.), Proceedings of the 3rd Conference on Artificial General Intelligence, AGI (S. 19–24). Atlantis Press.

Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. Cambridge: MIT Press.

Grace, K., Salvatier, J., Dafoe, A., Zhang, B., & Evans, O. (2017). When will AI exceed human performance? Evidence from AI experts. arXiv:1705.08807. https://arxiv.org/abs/1705.08807. Zugegriffen: 30. März 2018.

Hastie, T., Tibshirani, R., & Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction (2. Aufl.). New York: Springer.CrossRef

Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet classification with deep convolutional neural networks. In Neural Information Processing Systems (NIPS), Proceeding. NIPS’12 Proceedings of the 25th International Conference on Neural Information Processing Systems – Volume 1 (S. 1097–1105). Lake Tahoe: Nevada.

LeCun, Y., Bottou, L., Bengio, Y., & Haffner, P. (1998). Gradient-based learning applied to document recognition. Proceedings of the IEEE, 86(11), 2278–2324. https://doi.org/10.1109/5.726791.CrossRef

Litjens, G., Kooi, T., Ehteshami Bejnordi, B., Setio, A. A. A., Ciompi, F., Ghafoorian, M., et al. (2017). A survey on deep learning in medical image analysis. Medical Image Analysis, 42,60–88. https://doi.org/10.1016/j.media.2017.07.005.CrossRef

Mackworth, A. K. (1993). On seeing robots. Vancouver, B.C., Canada. https://www.cs.ubc.ca/~mack/Publications/CVSTA93.pdf. Zugegriffen: 19. Jan. 2018.

Manhart, K. (2017). Eine kleine Geschichte der Künstlichen Intelligenz. http://www.cowo.de/a/3330537. Zugegriffen: 17. Okt. 2017.

Marsland, S. (2014). Machine learning: An algorithmic perspective. London: Taylor & Francis Inc.CrossRef

Mertens, P. (1985). Künstliche Intelligenz in der Betriebswirtschaft. In D. Ohse, A. C. Esprester, H.-U. Küpper, P. Stähly, & H. Steckhan (Hrsg.), DGOR. Operations research proceedings (S. 285–292). Berlin: Springer.

Mitchell, T. M. (1997). Machine learning. New York: McGraw-Hill.

Murphy, K. P. (2012). Machine learning: A probabilistic perspective. Cambridge: The MIT Press.

Newell, A., & Simon, H. (1958). Heuristic problem solving: The next advance in operations research. Operations Research, 6(1), 1–10.CrossRef

Nilsson, N. J. (2014). Principles of artificial intelligence. Palo Alto: Tioga Press.

Odagiri, H., Nakamura, Y., & Shibuya, M. (1997). Research consortia as a vehicle for basic research: The case of a fifth generation computer project in Japan. Research Policy, 26, 191–207.CrossRef

Pennachin, C., & Goertzel, B. (2007). Contemporary approaches to artificial general intelligence. In B. Goertzel & C. Pennachin (Hrsg.), Artificial General Intelligence: AGIRI – Artificial General Intelligence Research Institute (S. 1–28). Berlin: Springer.

Polanyi, M. (1966). The tecit dimension. Gloucester: Peter Smith.

Rey, G. D., & Wender, K. F. (2018). Neuronale Netze. Eine Einführung in die Grundlagen, Anwendungen und Datenauswertung. Göttingen: Hogrefe Verlag GmbH & Co. KG.

Russel, S. J., & Norvig, P. (2010). Artificial intelligence: A modern approach. Eaglewood Cliffs: Prentice Hall Internationall Inc.

Rumelhart, D. E., Hinton, G. E., & Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323, 533–536.CrossRef

Saul, L. K., & Roweis, S. T. (2003). Think globally, fit locally: unsupervised learning of low dimensional manifolds. Journal of Machine Learning Research, 4, 119–155.

Searle, J. R. (1980). Minds, brains, and programs. The Behavioral and Brain Sciences, 3, 417–457.CrossRef

Shortlife, E. H., Davis, R., Axline, S. G., Buchanan, B. G., Green, C. C., & Cohen, S. N. (1975). Computer-based consultations in clinical therapeutics: Explanation and rule acquisition capabilities of the MYCIN system. Computers and Biomedical Research, 8, 303–320.CrossRef

Silver, D., Huang, A., Maddison, C. J., Guez, A., Sifre, L., van den Driessche, G., et al. (2016). Mastering the game of go with deep neural networks and tree search. Nature, 529, 484–489.CrossRef

Silver, D., Hubert, T., Schrittwieser, J., Antonoglou, I., Lai, M., Guez, A., Hassabis, D. (2017a). Mastering chess and Shogi by Self-Play with a general reinforcement learning algorithm. arXiv:1712.01815. https://arxiv.org/abs/1712.01815. Zugegriffen: 15. März 2018.

Silver, D., Schrittwieser, J., Simonyan, K., Antonoglou, I., Huang, A., Guez, A., et al. (2017b). Mastering the game of go without human knowledge. Nature, 550, 354–359. https://doi.org/10.1038/nature24270.CrossRef

Zack, K. (2016). Chihuahua or muffin? https://twitter.com/teenybiscuit/status/707727863571582978. Karen Zack via Twitter.

Title: Grundlagen der Künstlichen Intelligenz und des Maschinellen Lernens
Authors: Peter Buxmann
Holger Schmidt
Publisher: Springer Berlin Heidelberg
Book: Künstliche Intelligenz
Print ISBN: 978-3-662-57567-3

Electronic ISBN: 978-3-662-57568-0

Copyright Year: 2019
DOI: https://doi.org/10.1007/978-3-662-57568-0_1

Springer Professional

Zusammenfassung

Please log in to get access to your license.

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"