2. Künstliche Intelligenz mit den Themenschwerpunkten maschinelles Lernen und künstlichen neuronalen Netzen, dargestellt anhand des Beispiels von Blended-Learning-Übungen

In diesem Abschnitt wird nach der Einleitung zunächst auf die Art des Lernens eingegangen. Hierbei werden verschiedene Lehrformen untersucht und diese voneinander abgegrenzt, wobei ein besonderes Augenmerk auf das Blended-Learning fällt. Mit der Erläuterung von Lernzielen wird dieser Teil beendet und mit dem Abschn. 2.3 fortgefahren. In diesem sehr theoretischen Abschnitt wird erläutert, was künstliche Intelligenzen sind und wie diese funktionieren. Es wird gezeigt, welche Unterschiede künstliche Intelligenzen zu regelbasierten Computerprogrammen aufweisen. Im Weiteren erfolgt eine Darstellung, welche Arten von Daten es gibt und wie wichtig diese für den Einsatz von künstlichen Intelligenzen sind. Bei der Anwendung von künstlichen Intelligenzen kommen unterschiedliche Lernalgorithmen zum Einsatz. Einige davon werden im Abschn. 2.3.5 erläutert und voneinander abgegrenzt. Der nächste Teil befasst sich mit künstlichen neuronalen Netzen. Es wird dargestellt, wie ein solches Netz aufgebaut ist und wie es funktioniert. Im Abschn. 2.3.6.3 wird die Funktionsweise von unterschiedlichen künstlichen neuronalen Netzen aufgezeigt. Da in einer Übung gezeigt wird, wie ein Faltungsnetz erzeugt werden kann, wird ein besonderes Augenmerk auf den Abschn. 2.3.6.3.4 gelegt. Nachdem die theoretischen Grundlagen abgehandelt sind, wird das erlernte in die Praxis umgesetzt. In beiden Übungen werden zunächst die Lernziele definiert und das Computersystem, auf dem programmiert werden soll entsprechend vorbereitet. Anschließend wird in Abschn. 2.4.1 ein einzelnes Perzeptron und in Abschn. 2.4.2 ein Faltungsnetz zur Bildunterscheidung programmiert werden können. Der letzte Teil dieses Kapitels enthält die Schlussbetrachtung, das Fazit und einen Ausblick.