Künstliche Intelligenz – Maschinelles Lernen

Künstliche Intelligenz – Maschinelles Lernen
Künstliche Intelligenz
– Maschinelles Lernen
1. Moderne KI
Alle Systeme die wir bisher kennen gelernt haben gehören zur klassischen künstlichen Intelligenz. Das
Wissen dieser Systeme und die Strategien zur Problemlösung müssen vom Entwickler selbst
einprogrammiert werden, sie sind deshalb statisch. Die Systeme aus der modernen künstlichen Intelligenz
sind dagegen lernfähig, sie erlangen ihr Wissen, indem sie trainiert werden. Diese Systeme sind auch
sehr fehlertolerant. Sie können nicht immer eine optimale Lösung liefern, jedoch eine gute Einschätzung.
2. Neuronale Netze
Die neuronalen Netze sind der Versuch ein Gehirn auf dem Computer zu simulieren. Das Gehirn besteht
aus Millionen von Neuronen. Diese Zellen haben Tausende von Verbindungen untereinander und
kommunizieren über elektrische Impulse. Jedes Neuron nimmt eine Anzahl von Impulsen von anderen
Neuronen entgegen (Dendriten), es verarbeitet diese mit seiner Logik (Nucleus) und gibt darauf je nach
Zustand einen Impulse über seinen Ausgang (Axon) weiter. Ein einzelnes Neuron hat natürlich nur eine
sehr beschränkte Funktion, es kann z.B. mehrere Eingangssignale logisch verknüpfen. Erst durch die
Verbindung vieler Neuronen über Synapsen können komplexere Aufgaben wie Schrift- und Bilderkennung
gelöst werden.
Das Neuronale Netzwerk auf dem Computer funktioniert eigentlich genau gleich, im Gegensatz zu einem
biologischen Gehirn ist es jedoch nicht möglich, fortlaufend neue Verbindungen zwischen Neuronen
aufzubauen, sondern diese müssen bereits bei der Entwicklung hergestellt werden.
Das Netzwerk besteht aus drei Schichten. Die Eingabeschicht nimmt Anfragen entgegen und leitet diese
an die optionale versteckte Schicht weiter, wo die eigentliche Logik enthalten ist. Am Ende wird über die
Ausgabeschicht das Ergebnis ausgegeben. Bei einem Menschen dienen seine Sensoren wie Augen und
Nase als Eingabe, diese werden vom Gehirn verarbeitet und als Ausgabe Impulse zur Steuerung der
Muskeln abgesetzt.
Jedes einzelne Neuron im Netzwerk funktioniert wie folgt: Das Neuron weist jedem Eingangssignal eine
eigene Gewichtung zu. Anschliessend rechnet es die gewichteten Eingangssignale zusammen und
übergibt sie seiner “Schwellenwert Funktion“, die bestimmt, ab welcher Grenze ein Ausgangssignal
ausgegeben werden soll.
M.Spirig
27.06.03
Seite 1 / 3
Künstliche Intelligenz – Maschinelles Lernen
Am Anfang macht das Netzwerk jedoch überhaupt nichts, es muss zuerst trainiert werden. Dazu werden
Beispiele in das Netzwerk eingegeben und mit der gewünschten Ausgabe verglichen. Die Abweichung
davon stellt der Fehlerwert dar. Mit Hilfe diese Wertes werden dann die Gewichtungen der
Eingangssignale der einzelnen Neurone solange angepasst, bis die Ausgabe des Netzwerkes
zufriedenstellend ist.
3. Genetische Algorithmen
Die Lebewesen auf unserem Planeten haben nur solange überlebt, weil sie sich immer wieder ihrer
Umgebung angepasst haben, dieser Vorgang nennt sich Evolution und dient als Vorbild für die
genetischen Algorithmen. Die Problemlösung mit einem genetischen Algorithmus besteht aus mehreren
Phasen.
Anfangszustand
Am Anfang werden eine Reihe von Lösungen rein zufällig generiert. Die Darstellung der Lösungen muss
dazu zuerst in einen Bit-String umgewandelt werden (vergleichbar mit den Chromosomen).
Tauglichkeit auswerten
Als nächstes wird jeder Lösung durch eine sogenannte “Fitness Funktion“ ein Wert zugewiesen, der
angibt, wie gut sie, verglichen mit der idealen Lösung, ist. Die Fitness Funktion ist deshalb vom gestellten
Problem abhängig.
Fortpflanzung
Je höher die Fitness einer Lösung ist, desto grösser ist die Chance sich fortzupflanzen. Dazu werden
immer zwei Lösungen miteinander gekreuzt, dass heisst ihre Bit-Strings werden zu einer neuen Lösung
kombiniert. Dabei treten manchmal Mutationen auf, wodurch bisher scheinbar unmögliche Lösungen
entstehen.
Nächste Generation
Der Prozess wird immer wieder von neuem gestartet, jedoch mit den neuen Lösungen als Eingabe. Dabei
entstehen immer bessere Lösungen und der Prozess wird erst dann abgebrochen, wenn eine
zufriedenstellende Lösung für das Problem gefunden wurde.
4. Künstliches Leben
Das Gebiet des künstlichen Lebens (ALife) versucht Wege und Praktiken aus der Natur
nachzumodellieren, um intelligente Systeme zu erschaffen. Die Intelligenz entsteht dabei durch die
Interaktion einer Anzahl einfacher autonomer Agenten in der virtuellen Welt.
Ein gutes Beispiel dafür ist die Simulation von Vogelschwärmen (siehe Bild). Jeder Vogel ist ein Agent
und befolgt ein paar einfache Regeln. Er versucht einen Mindestabstand zu seinen Nachbarvögeln zu
halten, in die gleiche Richtung wie sie zu fliegen, und gleichzeitig möglichst in ihr Zentrum zu kommen.
Dadurch entsteht bereits die typische Dreiecksformation der Vogelschwärme.
M.Spirig
27.06.03
Seite 2 / 3
Künstliche Intelligenz – Maschinelles Lernen
5. Quellen
–
–
–
–
U.Lämmel, J.Cleve: Lehr- und Übungsbuch Künstliche Intelligenz
Hanser, 2001
G.F.Luger: Künstliche Intelligenz – Strategien zur Lösung von
komplexen Problemen. Pearson Studium, 2001
http://www.generation5.org
http://www.ai-junkie.com
M.Spirig
27.06.03
Seite 3 / 3