Künstliche Intelligenz - IMK Engineering – Ingenieurbüro für Mechatronik und Kybernetik Dr. Bruns
Hauptmenü:
Kompetenzen
Kompetenzen ⇒ Künstliche Intelligenz (KI)
„… Betrachtet man den Vorschlag des Workshops in Dartmouth (McCarthy et al., 1955), erkennt man, warum es erforderlich war, dass die Künstliche Intelligenz zu einem separaten Gebiet wird. Warum konnte nicht die gesamte Arbeit, die im Gebiet der Künstlichen Intelligenz stattfand, unter dem Namen der Regelungstheorie laufen oder als Operations Research oder Entscheidungstheorie, die schließlich alle ähnliche Ziele wie die Künstliche Intelligenz (KI) hatten? Oder warum ist die KI nicht einfach ein Zweig der Mathematik? Die erste Antwort ist, dass die KI von Anfang an das Konzept hatte, menschliche Fähigkeiten wie Kreativität, selbstständige Verbesserung und Sprachnutzung nachzubilden. Keines der anderen Gebiete beschäftigte sich mit diesen Aspekten. ...“ (Stuart Russell; Peter Norvig: Künstliche Intelligenz, 2012) | ||
Einführung
Ein Computerprogramm (Software), das unter bestimmten Bedingungen eigenständig bzw. autonom handelt, wird auch als „Agent“ bezeichnet. Vor diesem Hintergrund verstehen wir unter „Künstlicher Intelligenz“ (KI) sämtliche Konzepte für „intelligente Agenten“, die Wahrnehmungen aus ihrer Umgebung erhalten und Aktionen ausführen können. „Intelligenz“ wird dabei im Wesentlichen als die Fähigkeit zu rationalem Handeln gesehen; im Idealfall führt ein intelligenter Agent dann in jeder Situation die bestmögliche Aktion aus. Jeder dieser Agenten hat zu diesem Zweck eine oder mehrere Funktionen implementiert, die Wahrnehmungsfolgen in konkrete Aktionen überführen. Diese Funktionen können aus unterschiedlichen Konzepten oder methodischen Ansätzen abgeleitet sein. Einige dieser Konzepte und Methoden werden nachfolgend nach Themengebieten kategorisiert aufgeführt.
Über Controller (Regelungstheorie) und Agenten (KI): „Die Gebiete der Robotik und Regelungstheorie sind der Natur nach grundsätzlich mit dem Aufbau physischer Agenten beschäftigt. Das Konzept eines Controllers in der Steuerungstheorie ist identisch mit dem eines Agenten in der KI.“ (Stuart Russell; Peter Norvig: Künstliche Intelligenz, 2012) | ||
Themengebiete der KI (kurzer Abriss)
1. Problemlösen (durch Suchen)
- Suchen (Suchstrategien, Heuristiken etc.)
- Nichtdeterministische und stochastische Suchstrategien
- Suche mit spieltheoretischen Ansätzen
- Suche bei Problemen mit Rand- oder Nebenbedingungen
2. Wissen, Schließen, Planen
- Wissensbasierte Agenten auf Basis der „Aussagenlogik“
- „Logik erster Stufe“ (Prädikatenlogik): Syntax, Semantik, Wissens-
modellierung und Mechanismen für Schlussfolgerungen (Inferenz) - Wissensrepräsentation: Ontologien, Kategorien, Objekte und Ereignisse
- Klassisches Planen mit Zustandsraumsuche und Planungsgraphen
- Planen und Agieren unter realen Bedingungen und bei nicht
deterministischem Umfeld, inkl. Zeit- und Ressourcenplanung
3. Unsicheres Wissen und Schließen
- Quantifizierung von Unsicherheiten durch
Verwendung von Wahrscheinlichkeiten - Probabilistisches (wahrscheinlichkeitsbasiertes) Schließen:
BAYES’sche Regel, Semantik BAYES’scher Netze und Inferenz - Probabilistisches Schließen über die Zeit: Hidden-MARKOV-Modelle,
KALMAN-Filter und Dynamische BAYES‘sche Netze - Entscheidungen: Nutzentheorie, Nutzenfunktionen, sequentielle
Entscheidungsprobleme und Spieltheorie
4. Lernen („Maschinelles Lernen“)
- Lernformen: Entscheidungsbäume, Künstliche Neuronale Netze (KNN),
überwachtes und unüberwachtes Lernen, … - Wissen beim Lernen: Logische Formulierungen,
Relevanzinformationen, Induktive logische Programmierung, … - Lernen probabilistischer Modelle
- Verstärkendes (Reinforcement-)Lernen
5. Kommunizieren, Wahrnehmen und Handeln
- Maschinelle Verarbeitung natürlicher Sprache
- Kommunizieren mit natürlicher Sprache: Syntaktische Analyse
(Parsing), Grammatiken und maschinelle Übersetzung - Wahrnehmung: Bild-/Mustererkennung
- Robotik: Bewegungen planen, Planung unsicherer Bewegungen etc.
Das können wir für Sie tun
Wir integrieren „intelligente Funktionen“ in Ihre Steuerung. Dazu wählen wir geeignete Methoden aus dem zuvor umrissenen Spektrum der „Künstlichen Intelligenz“ (KI) aus, adaptieren sie auf die jeweilige Problemstellung und implementieren sie auf Ihrer Steuerung.
Über maschinelles Lernen, KI und die klassischen Theorien: „In der früheren Zeit der KI schien es wahrscheinlich, dass neue Formen symbolischer Berechnung, zum Beispiel Frames und semantische Netze, einen Großteil der klassischen Theorie überflüssig machen würden. Das führte zu einer Art von Isolationismus, wobei die KI größtenteils von der restlichen Informatik abgetrennt wurde. Dieser Isolationismus wird momentan aufgegeben. Man hat erkannt, dass das maschinelle Lernen nicht von der Informationstheorie isoliert werden soll, dass unbestimmtes Schließen nicht von der stochastischen Modellierung isoliert sein soll, dass Suche nicht von klassischer Optimierung und Steuerung isoliert sein soll und dass das automatische Schließen nicht von formalen Methoden und statischer Analyse isoliert sein soll.“ (David McAllester, Informatiker, 1998) | ||
Bild 1: Aufbau eines Neurons
(Biologisches Vorbild für „Künstliche Neuronale Netze“)
Gegenwart und Zukunft von Regelungstechnik (Control Theory) und Künstlicher Intelligenz (Artificial Intelligence, AI): „Control theory deals with designing devices that act optimally on the basis of feedback from the environment. Initially, the mathematical tools of control theory were quite different from AI, but the fields are coming closer together.“ (Stuart Russell; Peter Norvig: Artificial Intelligence, 2010) | ||
„Self-Organizing Map“ (SOM)
SOMs sind eine Art von „Künstlichen Neuronalen Netzen“ (KNN), die ferner zu dem Bereich der unüberwachten maschinellen Lernverfahren zählen. SOMs werden sehr erfolgreich im Bereich des „Data-Mining“ eingesetzt, beinhalten aber auch enormes Potenzial im Bereich der Regelung nichtlinearer Systeme bzw. Regelstrecken [1].
Das Funktionsprinzip beruht auf der biologischen Erkenntnis, dass viele Strukturen im Gehirn eine lineare oder planare Topologie aufweisen. Sinneswahrnehmungen (Signale des Eingangsraums) wie bspw. visuelle Reize sind jedoch multidimensional; sie werden derart auf den planaren Hirnstrukturen abgebildet, dass ähnliche Reize nahe beieinander liegen. Der Phasenraum der angelegten Reize wird also „kartiert“; daher die Bezeichnung „Map“ (Karte).
In Bild 2 ist eine schematische Repräsentation einer SOM dargestellt. Die Farben markieren dabei Bereiche, in denen „Objekte“ mit ähnlichen Eigenschaften organisiert sind. Eine SOM führt eine nichtlineare Abbildung $m$-dimensionaler „Eingangsreize“ auf ein $2$-dimensionales Gitter (künstlicher) Neuronen durch.
| [1] | Kohonen, Teuvo; Simula, Olli et al.: Engineering Applications of the Self-Organizing Map. In: Proceedings of the IEEE, Vol. 84, No. 10, 1996 | |
 | Publikation (PDF) öffnen | |
Bild 2: Schematische Repräsentation einer „Self-Organizing Map“