54 lines
3.2 KiB
TeX
54 lines
3.2 KiB
TeX
\chapter{Einführung}
|
|
\section{Was ist Intelligenz?}
|
|
\say{Ganz kurz zusammengefasst ist Intelligenz die Fähigkeit zum (logischen) Denken.
|
|
[...]
|
|
Intelligenz ist also erstens die Fähigkeit zum schnellen und effektiven Problemlösen und zweitens die Fähigkeit, die Erkenntnisse auf andere Situationen zu übertragen}
|
|
|
|
\section{Was ist \acf{KI}?}
|
|
\say{Die künstliche Intelligenz (engl. \ac{AI}) [...] ist ein Teilgebiet der Informatik, welches sich mit der Erforschung von Mechanismen des intelligenten menschlichen Verhaltens befasst.
|
|
Dieses geschieht durch Simulation mit Hilfe künstlicher Artefakte, gewöhnlich mit Computerprogrammen auf einer Rechenmaschine.}
|
|
|
|
\subsection{Starke \ac{KI}/ Artificial General Intelligence}
|
|
\say{Unter einer starken \acl{KI} versteht man im allgemeinen alle Ansätze, die versuchen, den Menschen bzw. die Vorgänge im Gehirn abzubilden und zu imitieren.}
|
|
|
|
\subsection{Schwache \ac{KI}/ Narrow \acs{AI}}
|
|
Bei der \say{schwachen} \ac{KI} geht es nicht darum den Menschen zu immitieren.
|
|
Stattessen wird versucht \textbf{lernfähige} Algorithmen für einen abgegrenzte Problemstellung zu entwickeln.
|
|
|
|
\subsubsection{\acf{MI}}
|
|
Wenn man die \ac{KI} aus dem Blickwinkel der Ingenieurswissenschaften betrachtet,
|
|
stellt sie ein Werkzeug für die Erstellung \say{intelligenter Methoden} zum lösen der Probleme des täglichen Lebens dar.
|
|
|
|
\paragraph{Beispiele}
|
|
\begin{itemize}
|
|
\item Suchstrategien in Datenbanken
|
|
\item Spracherkennung
|
|
\item Übersetzungsprogramme
|
|
\item intelligente Assistenzsysteme
|
|
\end{itemize}
|
|
|
|
\paragraph{Aufgaben bei der Erstellung von \ac{MI}}
|
|
\begin{enumerate}
|
|
\item Problemidentifikation
|
|
\item Entwurf einer geeigneten Darstellung
|
|
\item Berücksichtigung der Einschränkungen
|
|
\item Entwurf von Algorithmen
|
|
\item Überprüfung der entworfenen Algorithmen durch Experimente
|
|
\end{enumerate}
|
|
|
|
\section{Lernen durch Unterscheiden}
|
|
\begin{center}
|
|
\includegraphics[width=.6\textwidth]{lernen_durch_unterscheiden.png}\\
|
|
{\Huge\color{orange}Probleme bei unerwarteten Daten!}\\
|
|
\includegraphics[width=.6\textwidth]{lernen_durch_unterscheiden_fehlerquellen.png}
|
|
\end{center}
|
|
|
|
\subsection{Polanyi-Paradox}
|
|
Der Mensch versteht selber nicht, wie er in der Lage dazu ist Bilder zu unterscheiden.
|
|
Daher ist es für ihn schwer einen Algorithmus zu entwickeln, der ihn ersetzt.\\
|
|
\includegraphics[width = .6\textwidth]{polanyi_paradox.png}
|
|
|
|
\section{Problem Black-Box-Modelle}
|
|
Viele der heute entwickelten \ac{KI}-Modelle sind Black-Boxen.
|
|
Dies stellt ein Problem dar, da Menschen nicht in der Lage dazu sind die Funktionsweise des Modells zu bewerten.
|
|
Sie können lediglich das Verhalten auf Testdaten analysieren. |