Post on 25-Jul-2018
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