Z I M - Publikation (Straub) |
August 2021
Letzte Änderung: 12.05.2022 |
Wie die Künstliche Intelligenz
|
Autor: Hans Rudolf Straub
Einblick in eine aktuelle Technologie
|
|
|
|
|
Hans Rudolf Straub: Wie die Künstliche Intelligenz zur Intelligenz kommt Einblick in eine aktuelle Technologie In dieser allgemein verständlich geschriebenen Aufsatzsammlung werden die grundsätzlichen Prinzipien und Unterschiede der verschiedenen KI-Formen dargestellt. Ausgehend von ihrer jeweiligen Funktionsweise werden ihre Vorteile und Schwächen diskutiert; und auch die Frage, woher ihre Intelligenz kommt, wird beantwortet.
2. Auflage ,
St. Gallen
2021
(ZIM):
86 S.
/
21 x 15 cm / 19 Abb.
→ Internetseite des Autors zum Buch * * * Auslieferung: August 2021 * * * Bestellung:
|
Nun, darauf gibt es durchaus eine Antwort. Basierend auf meiner Berufspraxis im Bereich des NLP (Natural Language Processing) und der automatisierten Zuweisung von medizinischen Codes (ICD, CHOP, OPS, SNOMED) zu Freitexten, habe ich eine Serie von Blogbeiträgen im Web publiziert, die nun in Buchform erscheinen.
Die Beiträge stellen verschiedene Formen von KI vor und erklären kurz ihre prinzipiellen Wirkungsweisen. Für jede vorgestellte KI-Form wird gezeigt, an welcher Stelle und wie die benötigte Intelligenz zum Programm hinzu kommt. Selbstverständlich unterscheiden sich Taschenrechner, Suchmaschinen, regelbasierte NLP-Systeme und Deep Learning Systeme (Schach, Go) in dieser Beziehung deutlich.
Was aber sind die Konsequenzen dieser Programme und ihres Einsatzes? Was können sie? Und was bewirken sie? Und was ist der Unterschied zur menschlichen, also zur biologischen Intelligenz?
Author:Hans Rudolf Straub erkundet und bearbeitet seit 30 Jahren Themen der Semantik, Computerlinguistik und Philosophie. Als ausgebildeter Arzt begann er 1981 zu programmieren. Er gründete und leitete die Firma Semfinder AG, und seine Programme zur Freitext-Interpretation werden in hunderten von Krankenhäusern verwendet.
info@hrstraub.ch
https:// hrstraub.ch /
https:// hrstraub.ch / kuenstliche-intelligenz-uebersichtsseite
Vorwort | 5 | |||
Inhaltsverzeichnis | 7 | |||
Abbildungen | 11 | |||
1 | Zur KI: Schnaps und Panzer | 13 | ||
KI im letzten Jahrhundert | 13 | |||
KI-1: Schnaps | 13 | |||
KI-2: Panzer | 14 | |||
Regelbasiert versus korpusbasiert | 16 | |||
2 | Die korpusbasierte KI überwindet ihre Schwächen | 17 | ||
Wie funktioniert die korpusbasierte KI? | 17 | |||
Die Bedeutung des Datenkorpus für die korpusbasierte KI | 19 | |||
Die Herausforderungen an die korpusbasierte KI | 20 | |||
Der Erfolg der korpusbasierten KI | 20 | |||
3 | Die Herausforderungen an die regelbasierte KI | 21 | ||
Regelbasiert im Vergleich zu korpusbasiert | 21 | |||
Herausforderung 1: Unterschiedliche Mentalitäten | 21 | |||
Herausforderung 2: Wo finde ich die Experten? | 22 | |||
Herausforderung 3: Schiere Menge an nötigen Detailregeln | 22 | |||
Herausforderung 4: Komplexität | 23 | |||
4 | Präzisierung der Herausforderungen an die regelbasierte KI | 25 | ||
Die regelbasierte KI ist im Hintertreffen | 25 | |||
Übersicht über die Herausforderungen | 25 | |||
Für die Regeln braucht es einen Raum und einen Kalkulus | 26 | |||
Drei Neuerungen | 26 | |||
5 | Die drei Neuerungen der regelbasierten KI | 27 | ||
Haben die neuronalen Netze die regelbasierten Systeme abgehängt? | 27 | |||
In welcher Sackgasse steckt die regelbasierte KI? | 27 | |||
Punkt 1: Semantik als eigenständiges Wissensgebiet erkennen | 27 | |||
Punkt 2: Komplexe Begriffsarchitekturen verwenden | 29 | |||
Punkt 3: Eine offene und flexible Logik (NMR) einbeziehen | 30 | |||
Fazit | 31 | |||
6 | Vergleich der Entwicklung der beiden KI-Methoden | 33 | ||
Zwei KI-Methoden und ihre Herausforderungen | 33 | |||
Was wurde seit den 90er-Jahren verbessert? | 33 | |||
Verbreitung der KI-Methoden im Verlauf der Zeit | 34 | |||
7 | Regelbasierte KI: Wo steckt die Intelligenz? | 35 | ||
Zwei KI-Varianten: regelbasiert und korpusbasiert | 35 | |||
Aufbau eines regelbasierten Systems | 35 | |||
Wo sitzt nun die Intelligenz? | 36 | |||
8 | Korpusbasierte KI: Wo steckt die Intelligenz? | 37 | ||
Vorbemerkung | 37 | |||
Schritt 1: Erstellung der Datensammlung | 37 | |||
Schritt 2: Bewertung des Korpus | 38 | |||
Schritt 3: Training des neuronalen Netzes | 40 | |||
Schritt 4: Anwendung | 41 | |||
Fazit | 42 | |||
9 | Was der Korpus weiss – und was nicht | 43 | ||
Die Erstellung des Korpus | 43 | |||
Der Zufall regiert im zu kleinen Korpus | 44 | |||
Raupen- oder Radpanzer? | 44 | |||
Fazit | 45 | |||
10 | Die Intelligenz in der Suchmaschine | 47 | ||
Wie kommt die Intelligenz in die Suchmaschine? | 47 | |||
Trick 1: Lass die Kunden den Korpus trainieren | 47 | |||
Trick 2: Bewerte die Kunden dabei mit | 48 | |||
Konsequenzen | 48 | |||
11 | Wie real ist das Wahrscheinliche? | 51 | ||
Was nicht im Korpus ist, ist für die KI unsichtbar | 51 | |||
Das neuronale Netz bewertet nach Wahrscheinlichkeit | 51 | |||
Ausgangslage | 51 | |||
Beispiel | 52 | |||
Ist das aber sicher so? | 52 | |||
Fazit für unsere Suchmaschine | 53 | |||
Fazit für die korpusbasierte KI generell | 53 | |||
12 | Spiele und Intelligenz (1): Jassen und Schach | 55 | ||
Schach oder Jassen, was erfordert mehr Intelligenz? | 55 | |||
Gemeinsamkeiten | 55 | |||
(a) Klares Spielfeld | 55 | |||
(b) Klare Spielregeln | 55 | |||
(c) Klarer Spielverlauf (Zeitverlauf) | 56 | |||
(d) Klares Spielziel | 56 | |||
Unterschiede | 56 | |||
(e) Eindeutige Ausgangssituation? | 56 | |||
(f) Verdeckte Informationen? | 56 | |||
(g) Wahrscheinlichkeiten und Emotionen (Psychologie) | 57 | |||
(h) Kommunikation | 57 | |||
(i) Der legale Graubereich | 58 | |||
Fazit | 59 | |||
13 | Spiele und Intelligenz (2): Deep Learning | 61 | ||
Go und Schach | 61 | |||
Go und Deep Learning | 62 | |||
Regel- oder korpusbasiert – oder ein neues, drittes System? | 62 | |||
Deep Learning ist korpusbasiert | 62 | |||
Die Bewertung der Korpuseinträge | 63 | |||
Natürliche Grenzen des Deep Learning | 63 | |||
1. Ein geschlossenes System | 63 | |||
2. Ein klar definiertes Ziel | 64 | |||
Fazit | 65 | |||
14 | Übersicht über die KI-Systeme | 67 | ||
A: Regelbasierte Systeme | 67 | |||
A1: Einfacher Automat (Typ Taschenrechner) | 67 | |||
A2: Wissensbasiertes System | 68 | |||
B: Korpusbasierte Systeme | 70 | |||
Drei Untertypen der korpusbasierten KI | 72 | |||
B1: Typ Mustererkennung | 72 | |||
B2: Typ Suchmaschine | 72 | |||
B3: Typ Deep Learning | 73 | |||
C: Hybride Systeme | 73 | |||
15 | Wo in der Künstlichen Intelligenz steckt nun die Intelligenz? | 75 | ||
(a) Regelbasierte Systeme | 75 | |||
(b) Konventionelle korpusbasierte Systeme (Mustererkennung) | 75 | |||
(c) Suchmaschinen | 75 | |||
(d) Spielprogramme (Schach, Go, usw.) / Deep Learning | 76 | |||
Fazit | 77 | |||
16 | Künstliche und natürliche Intelligenz: Der Unterschied | 79 | ||
Was ist wirkliche Intelligenz? | 79 | |||
Schach und Go sind geschlossene Systeme | 79 | |||
Mustererkennung: Offenes oder geschlossenes System? | 80 | |||
Gibt es Intelligenz ohne Absicht? | 81 | |||
17 | Nachwort | 83 | ||
KI umfasst mehr als nur neuronale Netze | 83 | |||
Neuronale Netze sind potent | 83 | |||
Korpus- oder regelbasiert? | 83 | |||
Die Möglichkeiten der neuronalen Netze sind beschränkt | 84 | |||
Intransparenz | 84 | |||
Kleiner Differenzierungsgrad | 84 | |||
Was hat die biologische der künstlichen Intelligenz voraus? | 85 | |||
Das Unwahrscheinliche einbeziehen | 85 | |||
Detaillierter differenzieren | 85 | |||
Transparenz suchen | 85 | |||
Kontext bewusst wählen | 85 | |||
Zielorientiert denken | 86 | |||
Fazit in einem Satz | 86 | |||
Z I M
–
Zentrum für Informatik
|
© Z I M
Fundstelle =
http://fischer-zim.ch/verlag/KI-2108-Info.htm
( Letztmals generiert:
12.05.2022
)