1.3 Bemerkenswerte Fortschritte - Phasen Flashcards
Bemerkenswerte Fortschritte auf dem Gebiet der Künstlichen Intelligen - Phasen
- 1956–1974: Aufkommen des Gebiets der Künstlichen Intelligenz
- 1980–1987: Repräsentation von Wissen
- 1993 bis heute: Aus Daten lernen
Aufkommen des Gebiets der Künstlichen Intelligenz - Zeitraum
1956–1974
Aufkommen des Gebiets der Künstlichen Intelligenz - Basis
- Dominanz symbolischer Künstlicher Intelligenz
- erste Versuche zur Verarbeitung natürlicher Sprache
- erste theoretische Modelle von Neuronen
Aufkommen des Gebiets der Künstlichen Intelligenz - symbolische Künstliche Intelligenz
- Denkprozesse
- als Handhabung von symbolischen Darstellungen der Information
- nach den Regeln der formalen Logik formalisieren
-> Implementierung von logischen Kalkülen
Aufkommen des Gebiets der Künstlichen Intelligenz - Implementierung von logischen Kalkülen
- häufig durch Variante einer Suchstrategie, bei der Lösungen durch schrittweises Vorgehen erreicht werden
- Schritte folgen logisch aus vorhergehenden Zustand
- oder systematischer Versuch mögliche Alternativen zu erkunden
- Backtracking -> Vermeidung von Sackgassen
Aufkommen des Gebiets der Künstlichen Intelligenz - Erfolge
logischen Suchmethoden und erste Schritte zur Sprachverarbeitung konzentrierten sich auf stark eingeschränkte Umgebungen (Mikrowelt-Ansatz)
-> erste Erfolge
Aufkommen des Gebiets der Künstlichen Intelligenz - Mikrowelt-Ansatz
- Schaffung vereinfachter Arbeitsumgebungen für die ersten KI-Lösungen
- in den Bereichen Computer Vision (computerbasiertes Sehen) und Robotersteuerung fruchtbar
Aufkommen des Gebiets der Künstlichen Intelligenz - theoretische Modelle von Neuronen
Modelle wie Neuronen oder Recheneinheiten in Netzwerken interagieren könnten, um einfache logische Funktionen zu realisieren
Repräsentation von Wissen - Zeitraum
1980–1987
Repräsentation von Wissen - Basis
- Versuch Problem der Wissensrepräsentation zu lösen
- Aufschwung staatlicher Finanzierung
Repräsentation von Wissen - Grund für Schwerpunktverlagerung
Einsicht: intelligentes Verhalten beruht in alltäglichen Situationen weitgehend auf:
* gesunden Menschenverstand
* Verständnis der Funktionsweise der Welt
* nicht nur auf logischen Schlussfolgerungen
Repräsentation von Wissen - Ansatz
- Expertensysteme
- Versuch, thematisch relevantes Wissen systematisch in Wissensdatenbanken zu speichern
- und Methoden zu entwickeln, um sie effektiv und effizient zu nutzen
Repräsentation von Wissen - Beispiele staatlicher Finanzierung
- Fifth Generation Computer Projekt der japanischen Regierung
- Alvey-Projekt in Großbritannie
Repräsentation von Wissen - Behebung von Rückschlägen bei Entwicklung neuronal inspirierter Ansätze
- neue Netzwerkmodelle
- Backpropagation (Rückpropagierung) als wirksame Trainingsmethode für geschichtete Netzwerke von Recheneinheiten
Aus Daten lernen - Zeitraum
1993 bis heute
Aus Daten lernen - Erfolge
- 1990er-Jahren: große Fortschritte bei Spielen (Computersystem besiegte damaligen Weltmeister in Deep Blue)
- Durchsetzung von Methoden der Künstlichen Intelligenz bei Entwicklung von Lösungen für reale Welt
- In einzelnen Teilbereichen haben erfolgreiche Ansätze allmählich Eingang in reale Anwendungen gefunden
Aus Daten lernen - Einfluss anderer Disziplinen
Mathematik
Statistik
Entscheidungstheorie
Operations-Research
-> KI zu ausgereifter wissenschaftlicher Disziplin
Aus Daten lernen - Paradigma des intelligenten Akteurs
- hat stark an Popularität gewonnen
- Verbindung des Begriffs rationaler Akteur aus Wirtschaftstheorie mit Konzepten von Objekten und Modularität aus der Informatik
-> Idee einer intelligent handelnden Einheit - KI als Untersuchung intelligenter Akteure
-> Entwicklung der Idee der Nachahmung menschlicher Intelligenz zu umfassenderer Untersuchung der Intelligenz im Allgemeinen
Aus Daten lernen - Gründe für derzeitigen KI-Aufschwung
- deutliche Zunahme der Rechen- und Datenspeicherkapazitäten
- Aufkommen des Internets -> Zunahme der Menge, Vielfalt und Geschwindigkeit der Datenerzeugung
Aus Daten lernen- jüngster Aufschwung an Popularität und Interesse an der KI-Forschun
- begann 2012
- beruht auf Fortschritten bei konnektionistischen Ansätzen für das maschinelle Lernen, insbesondere Deep Learning
Deep Learning - Grundlage
synergetische Verknüpfung von:
* theoretischen Fortschritte bei der Konstruktion und Anpassung vernetzter maschineller Lernmodelle
* Zunahme der Speicher- und Verarbeitungskapazität
* Vorhandensein größerer Datenbestände
Deep Learning - Stand der Technik
erreichen bei vielen Benchmark-Problemen des maschinellen Lernens bisher nicht gekannte Leistungsstufen
Deep Learning - Folgen der Erfolge
- Interesse an altbekannten Lernmodellen wie dem bestärkenden Lernen (reinforcement learning) neu belebt
- Weg für völlig neue Ideen (bspw. kontradiktorisches Lernen) geebnet
