Grundkurs Künstliche Intelligenz

Eine praxisorientierte Einführung

verfasst von: Wolfgang Ertel

Verlag: Vieweg+Teubner

Enthalten in: Springer Professional "Wirtschaft+Technik" , Springer Professional "Technik" , Springer Professional "Wirtschaft"

Einloggen, um Zugang zu erhalten

Über dieses Buch

Mit dem Verstehen von Intelligenz und dem Bau intelligenter Systeme gibt sich die Kunstlic ¨ he Intelligenz (KI) ein Ziel vor. Die auf dem Weg zu diesem Ziel zu verwendenden Methoden und Formalismen sind aber nicht festgelegt, was dazu gefuhrt ¨ hat, dass die KI heute aus einer Vielzahl von Teildisziplinen besteht. Die ¨ SchwierigkeitbeieinemKI-Grundkursliegtdarin,einenUberblickub ¨ erm¨ oglichst alle Teilgebiete zu vermitteln, ohne allzu viel Verlust an Tiefe und Exaktheit. Das Buch von Russell und Norvig [RN03] de?niert heute quasi den Standard zur Einfuhrung in die KI. Da dieses Buch aber mit 1327 Seiten in der deut- ¨ schen Ausgabe fur die meisten Studierenden zu umfangreich und zu teuer ist, ¨ waren die Vorgaben fur das zu schreibende Buch klar: Es sollte eine fur Studie- ¨ ¨ rende erschwingliche Einfuhrung in die moderne KI zum Selbststudium oder als ¨ Grundlage fur eine vierstundige Vorlesung mit maximal 300 Seiten werden. Das ¨ ¨ Ergebnis liegt nun hier vor. Bei einem Umfang von ca. 300 Seiten kann ein dermaßen umfangreiches Gebiet wie die KI nicht vollst¨ andig behandelt werden. Damit das Buch nicht zu einer Inhaltsangabe wird, habe ich versucht, in jedem der Teilgebiete Agenten, Logik, Suche, Schließen mit Unsicherheit, maschinelles Lernen und Neuronale Netze an einigen Stellen etwas in die Tiefe zu gehen und konkrete Algorithmen und - wendungen vorzustellen.

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einführung

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 Frage nach der intelligenten Maschine, die sich verhält wie ein Mensch, die intelligentes Verhalten zeigt.

Wolfgang Ertel

Kapitel 2. Aussagenlogik

In der Aussagenlogik werden, wie der Name schon sagt, Aussagen über logische Operatoren verknüpft. Der Satz „die Straße ist nass” ist eine Aussage, genauso wie „es regnet”. Diese beiden Aussagen lassen sich nun verknüpfen zu der neuen Aussage wenn es regnet ist die Straße nass.

Wolfgang Ertel

Kapitel 3. Präadikatenlogik erster Stufe

Viele praktisch relevante Problemstellungen lassen sich mit der Sprache der Aussagenlogik nicht oder nur sehr umständlich formulieren, wie man an folgenden Beispielen gut erkennt. Die Aussage „Roboter 7 befindet sich an xy-Position (35,79)”

Wolfgang Ertel

Kapitel 4. Grenzen der Logik

Wie schon an verschiedenen Stellen erwähnt, gibt es auf der Suche nach einem Beweis fast immer in jedem Schritt viele (je nach Kalkül eventuell sogar unendlich viele) Möglichkeiten für die Anwendung von Inferenzregeln. Es ergibt sich dadurch das schon erwähnte explosionsartige Wachsen des Suchraums (Abbildung 4.1). In Worst-Case müssen zum Finden eines Beweises alle diese Möglichkeiten versucht werden, was in für Menschen zumutbaren Zeiträumen aber meist nicht möglich ist.

Wolfgang Ertel

Kapitel 5. Logikprogrammierung mit PROLOG

Im Vergleich zu klassischen Programmiersprachen wie zum Beispiel C oder Pascal bietet die Logik die Möglichkeit, Zusammenhänge elegant, kompakt und deklarativ zu beschreiben. Automatische Theorembeweiser sind sogar in der Lage, zu entscheiden, ob eine Anfrage logisch aus einer Wissensbasis folgt. Hierbei sind der Beweiskalkül und das in der Wissensbasis gespeicherte Wissen streng getrennt. Eine in Klauselnormalform aufgeschriebene Formel kann als Eingabe für jeden Theorembeweiser verwendet werden, unabhängig vom verwendeten Beweiskalkül. Für die Repräsentation von Wissen und das Schließen ist dies von großem Nutzen.

Wolfgang Ertel

Kapitel 6. Suchen, Spielen und Probleme löosen

Bei fast allen Inferenzsystemen stellt die Suche nach einer Lösung, bedingt durch die extrem großen Suchbäume, ein Problem dar. Aus dem Startzustand gibt es für den ersten Inferenzschritt viele Möglichkeiten. Für jede dieser Möglichkeiten gibt es im nächsten Schritt wieder viele Möglichkeiten und so weiter. Schon beim Beweis einer ganz einfachen Formel aus [Ert93] mit drei Hornklauseln mit maximal drei Literalen hat der Suchbaum für SLD-Resolution folgende Gestalt: Der Baum wurde bei einer Tiefe von 14 abgeschnitten und besitzt in dem mit * markierten Blattknoten eine Löosung. Nur durch den kleinen Verzweigungsfaktor von maximal zwei und das Abschneiden des Suchbaumes auf Tiefe 14 ist er uüberhaupt darstellbar. Bei realistischen Problemen köonnen Verzweigungsfaktor und Tiefe der ersten Löosung deutlich gröoßer werden.

Wolfgang Ertel

Kapitel 7. Schließen mit Unsicherheit

Dass eine zweiwertige Logik beim Schließen im Alltag zu Problemen führt, haben wir in Abschnitt 4 an Hand des Tweety-Problems aufgezeigt. In diesem Beispiel führen die Aussagen Tweety ist ein Pinguin, Alle Vögel können fliegen und Pinguine sind Vögel zu der Folgerung Tweety kann fliegen. Interessant wäre zum Beispiel eine Sprache, in der es möglich ist, die Aussage Fast alle Vögel können fliegen zu formalisieren und darauf dann Inferenzen durchzuführen. Die Wahrscheinlichkeitsrechnung stellt hierfür eine bewährte Methode bereit, denn durch die Angabe eines Wahrscheinlichkeitswertes lässt sich die Unsicherheit über das Fliegen von Vögeln gut modellieren. Wir werden zeigen, dass etwa eine Aussage wie 99% aller Vögel können fliegen zusammen mit Wahrscheinlichkeitslogik zu korrekten Schlüssen führt.

Wolfgang Ertel

Kapitel 8. Maschinelles Lernen und Data Mining

Definiert man den Begriff der KI wie im Buch von Elaine Rich [Ric83] „Artificial Intelligence is the study of how to make computers do things at which, at the moment, people are better.”

Wolfgang Ertel

Kapitel 9. Neuronale Netze

Neuronale Netze sind Netzwerke aus Nervenzellen im Gehirn von Menschen und Tieren. Etwa 10 bis 100 Milliarden Nervenzellen besitzt das menschliche Gehirn. Der komplexen Verschaltung und der Adaptivität verdanken wir Menschen unsere Intelligenz und unsere Fähigkeit, verschiedenste motorische und intellektuelle Fähigkeiten zu lernen und uns an variable Umweltbedingungen anzupassen. Schon seit vielen Jahrhunderten versuchen Biologen, Psychologen und Mediziner die Funktionsweise von Gehirnen zu verstehen. Um das Jahr 1900 wuchs die revolutionäre Erkenntnis, dass eben diese winzigen physikalischen Bausteine des Gehirns, die Nervenzellen und deren komplexe Verschaltung, für Wahrnehmung, Assoziationen, Gedanken, Bewußtsein und die Lernfäahigkeit verantwortlich sind.

Wolfgang Ertel

Kapitel 10. Lernen durch Verstäarkung (Reinforcement Learning)

Alle bisher beschriebenen Lernverfahren arbeiten mit Lehrer. Sie gehören also zur Klasse des Supervised Learning. Beim Lernen mit Lehrer soll der Agent anhand von Trainingsdaten eine Abbildung der Eingabevariablen auf die Ausgabevariablen lernen. Wichtig ist hierbei, dass für jedes einzelne Trainingsbeispiel sowohl alle Werte der Eingabevariablen als auch alle Werte der Ausgabevariablen vorgegeben sind. Man braucht eben einen Lehrer, beziehungsweise eine Datenbank, in der die zu lernende Abbildung für genügend viele Eingabewerte näherungsweise definiert ist. Einzige Aufgabe des maschinellen Lernverfahrens ist es, das Rauschen aus den Daten herauszufiltern und eine Funktion zu finden, die auch zwischen den gegebenen Datenpunkten die gesuchte Abbildung gut approximiert.

Wolfgang Ertel

Kapitel 11. Lösungen zu den Übungen

Aufgabe 1.3 Eine Maschine kann sehr wohl intelligent sein, auch wenn ihr Verhalten sich stark von dem eines Menschen unterscheidet.

Wolfgang Ertel

Backmatter

Titel: Grundkurs Künstliche Intelligenz
verfasst von: Wolfgang Ertel
Verlag: Vieweg+Teubner
Electronic ISBN: 978-3-8348-9441-0
Print ISBN: 978-3-528-05924-8
DOI: https://doi.org/10.1007/978-3-8348-9441-0