Vorlesung: „ Künstliche Intelligenz · SSAA SSVV. Vorlesung Künstliche Intelligenz Fachbereich...

Preview:

Citation preview

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Vorlesung: „Künstliche Intelligenz“

- KI heute, KI morgen, KI übermorgen-

ESES

PP LSLS

SS STST

GG

MLML

DD

Miao WangKünstliche Intelligenz 1

ESES SS STST

OOMEMENNNN

MLML

EAEA

SASA

SVSV

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Inhaltliche Planung für die Vorlesung

1) Definition und Geschichte der KI, PROLOG

2) Expertensysteme

3) Logisches Schließen, Resolution

4) Suche und Spieltheorie

5) Optimierungen und Heuristiken (Spieleprogrammierung)

6) Mustererkennung

7) Neuronale Netze

8) General Game Playing

Künstliche Intelligenz Miao Wang 2

9) Maschinelles Lernen

10) Evolutionäre Algorithmen und kollektive Intelligenz

11) KI heute, KI morgen, KI übermorgen

12) Robotik, Pathfindingder rote Vorlesungsfaden...

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Maschinelles Lernen

• Expertensysteme?

• Resolution?

• A*-Suche?

• kNN ?

• K-Means?

• Gauß-Klassifikator?

• Perzeptron-Lernen?

• Neuronale Feedforward-Netze?

• Hopfield-Netze?

• Boltzmannmaschine?

Künstliche Intelligenz Miao Wang 3

• Kohonen-Netze?

• Monte-Carlo?

• Temporale Differenz?

• Schwarmverhalten?

• Ant Colony Optimization?

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Maschinelles Lernen

Lernen mit Hilfe von Entscheidungsbäumen

Basierend auf lokalen Entscheidungsregeln wird ein hierarchischer Entscheidungsbaum aufgebaut.Basierend auf lokalen Entscheidungsregeln wird ein hierarchischer Entscheidungsbaum aufgebaut.

Solche Entscheidungsbäume werden häufig in der Stochastik und im Data-Mining eingesetzt.

Welche Entscheidungen zuerst und welche später zu treffen sind, um ein optimales Ergebnis zu erzielen, kann maschinell erlernt werden.

Künstliche Intelligenz Miao Wang 4

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Maschinelles Lernen

ID3-Algorithmus

Vorhersage V Temperatur T Luftfeuchtigkeit L Windig W Spielausgang S

Sonnig Warm Hoch Nein NiederlageT?

Sonnig Warm Hoch Nein Niederlage

Sonnig Warm Hoch Ja Niederlage

Bewölkt Warm Hoch Nein Sieg

Regen Mild Hoch Nein Sieg

Regen Kühl Normal Nein Sieg

Regen Kühl Normal Ja Niederlage

Bewölkt Kühl Normal Ja Sieg

Sonnig Mild Normal Nein Niederlage

L? L? L?

Künstliche Intelligenz Miao Wang 5

Sonnig Kühl Normal Nein Sieg

Regen Mild Normal Nein Sieg

Sonnig Mild Normal Ja Sieg

Bewölkt Mild Hoch Ja Sieg

Bewölkt Warm Normal Nein Sieg

Regen Mild Normal Ja Niederlage

S? S? S?S?

Welche Reihenfolge für Entscheidungen?

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Maschinelles Lernen

ID3-Algorithmus

V T L W S

Sonnig Warm Hoch Nein Niederlage

Entropie entscheidet über Informationsgehalt einer Entscheidung:

5 NiederlagenSonnig Warm Hoch Nein Niederlage

Sonnig Warm Hoch Ja Niederlage

Bewölkt Warm Hoch Nein Sieg

Regen Mild Hoch Nein Sieg

Regen Kühl Normal Nein Sieg

Regen Kühl Normal Ja Niederlage

Bewölkt Kühl Normal Ja Sieg

Sonnig Mild Normal Nein Niederlage

5 Niederlagen9 Siege

P(N) = 5/14P(S) = 9/14

Entropie:

Für Menge S mit Untermengen S0, S1,…, Sn

• Mittlerer Informationsgehalt

Künstliche Intelligenz Miao Wang 6

Sonnig Kühl Normal Nein Sieg

Regen Mild Normal Nein Sieg

Sonnig Mild Normal Ja Sieg

Bewölkt Mild Hoch Ja Sieg

Bewölkt Warm Normal Nein Sieg

Regen Mild Normal Ja Niederlage

• Mittlerer Informationsgehalt• Mittlere Anzahl an Bits zum speichern• Mittlere Anzahl an Entscheidungen• Unordnung einer Zahlenmenge

Berechne daher maximalen Gain für Menge S und Attributmenge m:

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Maschinelles Lernen

ID3-Algorithmus

V T L W S

Sonnig Warm Hoch Nein Niederlage

Berechne Entropie für alle Klassen der Menge S:

Sonnig Warm Hoch Nein Niederlage

Sonnig Warm Hoch Ja Niederlage

Bewölkt Warm Hoch Nein Sieg

Regen Mild Hoch Nein Sieg

Regen Kühl Normal Nein Sieg

Regen Kühl Normal Ja Niederlage

Bewölkt Kühl Normal Ja Sieg

Sonnig Mild Normal Nein Niederlage

Wenn Entropie = 0, dann fertig (nur noch Elemente einer Klasse)

Sonst berechne Gain für alle Merkmale

Nehme Merkmal l mit maximalem Gain und trenne Menge S in Untermengen S1, S2, …, Sj

Künstliche Intelligenz Miao Wang 7

Sonnig Kühl Normal Nein Sieg

Regen Mild Normal Nein Sieg

Sonnig Mild Normal Ja Sieg

Bewölkt Mild Hoch Ja Sieg

Bewölkt Warm Normal Nein Sieg

Regen Mild Normal Ja Niederlage

Untermengen S1, S2, …, Sj

Verfahre rekursiv weiter mit Untermengen S1, S2, …, Sj

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Maschinelles Lernen

ID3-Algorithmus

V T L W S

Sonnig Warm Hoch Nein NiederlageSonnig Warm Hoch Nein Niederlage

Sonnig Warm Hoch Ja Niederlage

Bewölkt Warm Hoch Nein Sieg

Regen Mild Hoch Nein Sieg

Regen Kühl Normal Nein Sieg

Regen Kühl Normal Ja Niederlage

Bewölkt Kühl Normal Ja Sieg

Sonnig Mild Normal Nein Niederlage

Künstliche Intelligenz Miao Wang 8

Sonnig Kühl Normal Nein Sieg

Regen Mild Normal Nein Sieg

Sonnig Mild Normal Ja Sieg

Bewölkt Mild Hoch Ja Sieg

Bewölkt Warm Normal Nein Sieg

Regen Mild Normal Ja Niederlage

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Definition von Künstlicher Intelligenz

1950 Alan Turing (Turingtest):

„Im Zuge dieses Tests führt ein menschlicherFragesteller über eine Tastatur und einenFragesteller über eine Tastatur und einenBildschirm ohne Sicht- und Hörkontakt mit zweiihm unbekannten Gesprächspartnern eineUnterhaltung.

Der eine Gesprächspartner ist ein Mensch, derandere eine Maschine. Beide versuchen, denFragesteller davon zu überzeugen, dass siedenkende Menschen sind.

Wenn der Fragesteller nach der intensiven

Künstliche Intelligenz Miao Wang 9

Wenn der Fragesteller nach der intensivenBefragung nicht klar sagen kann, welcher vonbeiden die Maschine ist, hat die Maschine denTuring-Test bestanden.“

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Definition von Künstlicher Intelligenz

1955 John McCarthy:

„Ziel der KI ist es, Maschinen zu entwickeln, die sich verhalten, als verfügten sie über Intelligenz.“verfügten sie über Intelligenz.“

Künstliche Intelligenz Miao Wang 10

Braitenberg-Vehikel, Reaktion auf Lichtquelle

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Definition von Künstlicher Intelligenz

1991 Encyclopedia Britannica:

„KI ist die Fähigkeit digitaler Computer oder computergesteuerter Roboter, Aufgaben zu lösen, die normalerweise mit den höheren intellektuellen Aufgaben zu lösen, die normalerweise mit den höheren intellektuellen Verarbeitungsfähigkeiten von Menschen in Verbindung gebracht werden ...“

Künstliche Intelligenz Miao Wang 11

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Definition von Künstlicher Intelligenz

1983 Elaine Rich:

„Artificial Intelligence is the study of how to make computers do things at which, at the moment, people are better.“at the moment, people are better.“

Gute Beschreibung der Tätigkeit von Wissenschaftlern der KI in der Vergangenheit

und sicher auch Zukunft.

Künstliche Intelligenz Miao Wang 12

und sicher auch Zukunft.

Ziel: Im Laufe der Vorlesung zu einer eigenen Definition zu gelangen.

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Definition von Künstlicher Intelligenz

Was macht die Künstliche Intelligenz aus?

Interdisziplinär

Visionär

Allgemein

Künstliche Intelligenz Miao Wang 13

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

KI von morgen?

Milo aus Natal

Künstliche Intelligenz Miao Wang 14

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

KI von morgen?

… oder von übermorgen?

Spracherkennung

Gestenerkennung

Gestenerkennung

Künstliche Intelligenz Miao Wang 15

Dialoge

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

KI von morgen?

… oder von übermorgen?

Künstliche Intelligenz Miao Wang 16

ObjekterkennungMultitouch

Gesten darstellen

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Multitouch

Akustische Systeme

Künstliche Intelligenz Miao Wang 17

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Multitouch

Kapazitive Systeme

Künstliche Intelligenz Miao Wang 18

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Multitouch

Optische Systeme

• Lichtzeiger• Lichtzeiger

• FTIR

• DI

• Angulation

Künstliche Intelligenz Miao Wang 19

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Multitouch

Frustrated Total Internal Reflection (FTIR)

Künstliche Intelligenz Miao Wang 20

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Multitouch

Diffused Illumination (DI)

Künstliche Intelligenz Miao Wang 21

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Multitouch

Weitere Systeme

Künstliche Intelligenz Miao Wang 22

Vorlesung Künstliche Intelligenz

Fachbereich Mathematik/Informatik – AG Künstliche Intelligenz

Multitouch

Weitere Systeme

Künstliche Intelligenz Miao Wang 23

Recommended