Skip to main content
main-content

Über dieses Buch

In diesem Buch werden alle Teilgebiete der KI kompakt, leicht verständlich und anwendungsbezogen vorgestellt. Der Autor kennt das Gebiet nicht nur bestens aus Forschung und praktischer Anwendung, sondern engagiert sich auch erfolgreich in der Lehre. Die Themen reichen von der klassischen Logik über das Schließen mit Unsicherheit und maschinelles Lernen bis hin zu Anwendungen wie Diagnosesysteme, lernfähige Roboter oder Kreativität in der KI.

Sie profitieren von dem umfassenden Einblick in dieses faszinierende Teilgebiet der Informatik, wobei, abgesehen von grundlegenden Programmierkenntnissen sowie etwas Mathematik, alle Voraussetzungen für ein gutes Verständnis bereitgestellt werden. Sie gewinnen vertiefte Kenntnisse, z. B. hinsichtlich der wichtigsten Verfahren zur Repräsentation und Verarbeitung von Wissen und in dem immer wichtiger werdenden Gebiet des maschinellen Lernens. Vor allem der Anwendungsbezug steht im Fokus der Darstellung. Viele Übungsaufgaben mit Lösungen sowie eine strukturierte Liste mit Verweisen auf Literatur und Ressourcen im Web ermöglichen ein effektives und kurzweiliges Selbststudium.

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einführung

Zusammenfassung
Der Begriff Künstliche Intelligenz weckt Emotionen. Zum einen ist da die Faszination der Intelligenz, die offenbar uns Menschen eine besondere Stellung unter den Lebewesen verleiht. Es stellen sich Fragen wie „Was ist Intelligenz?“, „Wie kann man Intelligenz messen?“ oder „Wie funktioniert unser Gehirn?“. All diese Fragen sind von Bedeutung für das Verständnis von künstlicher Intelligenz. Die zentrale Frage für den Ingenieur, speziell für den Informatiker, ist jedoch die nach der intelligenten Maschine, die sich verhält wie ein Mensch, die intelligentes Verhalten zeigt.
Wolfgang Ertel

Kapitel 2. Aussagenlogik

Zusammenfassung
Die Aussagenlogik spielt in der angewandten KI keine große Rolle. Sie dient in diesem Buch als Aufwärmtraining für die in der KI durchaus wichtige Prädikatenlogik im nächsten Kapitel.
Wolfgang Ertel

Kapitel 3. Prädikatenlogik erster Stufe

Zusammenfassung
Mit Hilfe der Prädikatenlogik können wir Beziehungen zwischen Objekten elegant beschreiben und gleichzeitig mit Variablen über unendlich viele Objekte quantifizieren. Die Prädikatenlogik zusammen mit dem automatischen Beweisen stellt ein mächtiges Werkzeug für die symbolische KI dar, das heute zum Beispiel bei Planungsproblemen in der Robotik oder beim Autonomen Fahren verwendet wird.
Wolfgang Ertel

Kapitel 4. Grenzen der Logik

Zusammenfassung
Die Prädikatenlogik erster Stufe als mächtiges Werkzeug der symbolverarbeitenden KI läßt sich mit Hilfe von Theorembeweisern automatisieren. Kurt Gödel hat in den 1930er Jahren den Logikern und KI-Wissenschaftlern gnadenlos die Grenzen der Automatisierung aufgezeigt. Grenzen hat die Logik auch dann, wenn es um die Beschreibung von Unsicherheit geht.
Wolfgang Ertel

Kapitel 5. Logikprogrammierung mit Prolog

Zusammenfassung
Die Logikprogrammierung nutzt Beweisverfahren um aus einer Wissensbasis Anfragen abzuleiten. Die Hoffnung, damit von der prozeduralen zu einer rein deklarativen Programmierung zu kommen, wird durch Prolog leider nicht zufriedenstellend erfüllt, weshalb Prolog heute keine wichtige Rolle mehr spielt. Sehr elegant gelingt das hingegen mit dem in Abschn. 5.7 vorgestellten Constraint Logic Programming.
Wolfgang Ertel

Kapitel 6. Suchen, Spielen und Probleme lösen

Zusammenfassung
Ein modernes Navigationssystem wie wir es zum Beispiel im Auto nutzen, arbeitet mit heuristischer Suche. Auch zur Pfad- und Aktionsplanung von Robotern oder zur Auswahl von Aktionen bei Schachcomputern werden entsprechende Suchalgorithmen benutzt. Wir stellen diese hier vor und danalysieren ihre Qualitäten.
Wolfgang Ertel

Kapitel 7. Schließen mit Unsicherheit

Zusammenfassung
Das in vielen Anwendungen benötigte Schließen mit unsicherem und unvollständigem Wissen wird, basierend auf der bewährten Wahrscheinlichkeitstheorie, eingeführt. Neben der MaxEnt-Methode als Goldstandard wird das Schließen mit Bayes-Netzen vorgestellt und am Beispiel des medizinischen Diagnosesystems LEXMED angewendet.
Wolfgang Ertel

Kapitel 8. Maschinelles Lernen und Data Mining

Zusammenfassung
Maschinelles Lernen dominiert heute Forschung und Anwendungen in der KI. Wir stellen in diesem Einführungskapitel einige einfache aber wichtige Lernalgorithmen zusammen mit wichtigen Begriffen und Methoden vor.
Wolfgang Ertel

Kapitel 9. Neuronale Netze

Zusammenfassung
Nach etwa 30 Jahren Forschung an neuronalen Netzen ist mit Deep Learning der Durchbruch gelungen. Mit dem Ziel, die wichtigsten Ideen hinter Deep Learning zu verstehen, starten wir bei biologischen neuronalen Netzen und dem Hopfield Modell. Dann führen wir den bis heute fundamentalen Backpropagation Algorithmus ein um schließlich Deep Learning und dessen Anwendungen darzustellen.
Wolfgang Ertel

Kapitel 10. Lernen durch Verstärkung (Reinforcement Learning)

Zusammenfassung
Beim Lernen mit Lehrer werden immer gelabelte Daten benötigt. Wenn diese nicht vorhanden sind, wie etwa wenn ein Roboter das Greifen lernen soll, dann bleibt nur noch das Lernen durch Verstärkung. Das heißt, der Roboter optimiert seine Motorik mittels Versuch und Irrtum, basierend auf positiver und negativer Verstärkung. Einige einfach derartige Algorithmen und deren Anwendung werden hier vorgestellt.
Wolfgang Ertel

Kapitel 11. Lösungen zu den Übungen

Zusammenfassung
Musterlösungen zu den Übungen.
Wolfgang Ertel

Backmatter

Weitere Informationen

Premium Partner