Vorlesung 1

Künstliche Intelligenz
Vorlesung 1: Einführung in die Künstliche Intelligenz
1/62
O RGANISATORISCHES
Literatur
W. Ertel, Grundkurs Künstliche Intelligenz
S. Russel, P. Norvig, Artificial Intelligence, A Modern
Approach
Sprechstunden
Nach Vereinbarung
2/62
C REDITS
Nach Slides von W. Ertel, D. Sabel, L. Diosan
3/62
WAS IST K ÜNSTLICHE I NTELLIGENZ (KI)
Was ist Intelligenz?
Wie kann man Intelligenz messen?
Wie funktioniert unser Gehirn?
Intelligente Maschine?
Science Fiction?
Menschlichen Geist nachbauen?
Philosophie? z.B. Körper-Seele Problem
4/62
WAS IST K ÜNSTLICHE I NTELLIGENZ (KI)
John McCarthy (1955):
Ziel der KI ist es, Maschinen zu entwickeln, die sich verhalten,
als verfügten sie über Intelligenz.
Zwei ganz einfache Braitenberg-Vehikel und deren Reaktion
auf eine Lichtquelle.
5/62
WAS IST K ÜNSTLICHE I NTELLIGENZ (KI)
Encyclopedia Britannica:
KI ist die Fähigkeit digitaler Computer oder computergesteuerter Roboter, Aufgaben zu lösen, die normalerweise mit den
höheren intellektuellen Verarbeitungsfähigkeiten von
Menschen in Verbindung gebracht werden . . .
Nach dieser Definition ist also jeder Computer ein KI-System.
6/62
WAS IST KI?
Elaine Rich
Artificial Intelligence is the study of how to make computers
do things at which, at the moment, people are better.
Auch im Jahr 2050 noch aktuell!
Mensch heute noch besser in vielen Bereichen!
u.a. Bildverstehen, Lernfähigkeit
Computer heute schon besser in vielen Bereichen!
Beisp. Schachcomputer/Go
7/62
H IRNFORSCHUNG UND P ROBLEML ÖSEN
Unterschiedliche Ansätze:
Wie arbeitet das menschliche Gehirn?
Problemorientiert: Intelligente Agenten bauen!
Gemischtwarenladen!
8/62
KI-V ERFAHREN
9/62
W OMIT BESCH ÄFTIGT SICH DIE K ÜNSTLICHE
I NTELLIGENZ ?
Ziel der Künstlichen Intelligenz:
Herstellung eines intelligenten Agenten
Auch: Herstellung eines möglichst guten
autonomen
lernenden
intelligenten
automatischen
Informationssystems
10/62
B EISPIELE
Taschenrechner
Schachspielende Computer,
z.B. Deep Blue, Deep Thought und Deep Fritz
Go und KI (hier und hier)
Sprachübersetzer wie z.B. GoogleTranslate, Babelfish, etc.
Wissensbasierte Systeme in vielen Varianten
Texterkennungssysteme in Kombinationen mit
Hintergrundwissen wie z.B. IBM Watson
(Jeopardy-Gewinner)
Roboter, z.B. Haushaltsroboter wie Staubsaugerroboter,
Industrieroboter, etc.
intelligente Informationssysteme
11/62
G ESCHICHTE DER KI
1931: Der österreicher Kurt Gödel zeigt, dass in der
Prädikatenlogik erster Stufe alle wahren Aussagen
herleitbar sind. In Logiken höherer Stufe hingegen gibt es
wahre Aussagen, die nicht beweisbar sind .
1937: Alan Turing zeigt mit dem Halteproblem Grenzen
intelligenter Maschinen auf .
1943: McCulloch und Pitts modellieren Neuronale Netze
und stellen die Verbindung zur Aussagenlogik her.
1950: Alan Turing definiert über den Turingtest Intelligenz
von Maschinen und schreibt über lernende Maschinen und
genetische Algorithmen
1951: Marvin Minsky entwickelt einen Neuronenrechner.
Mit 3000 Röhren simuliert er 40 Neuronen.
12/62
G ESCHICHTE DER KI
1955: Arthur Samuel (IBM) baut lernfähige Dame
Programme die besser spielen als ihre Entwickler
1956 McCarthy organisiert eine Konferenz im Dartmouth
College. Hier wird der Name Artificial Intelligence
festgelegt.
Newell und Simon von der Carnegie Mellon University
(CMU) stellen den Logic Theorist, das erste
symbolverarbeitende Programm, vor.
1958: McCarthy erfindet am MIT (Massachusettes Institute
of Technology) die Hochsprache LISP. Er schreibt
Programme, die sich selbst verändern können.
1959: Gelernter (IBM) baut den Geometry Theorem Prover.
1961 Der General Problem Solver (GPS) von Newell und
Simon imitiert menschliches Denken .
1963 McCarthy gründet das AI-Lab an der Stanford
Universität.
13/62
G ESCHICHTE DER KI
1965: Robinson erfindet den Resolutionskalkül für
Prädikatenlogik.
1966: Weizenbaum’s Eliza-Programm führt Dialoge mit
Menschen in natürlicher Sprache.
1969: Minsky und Papert zeigen in ihrem Buch Perceptrons
auf, dass das Perzeptron, ein sehr einfaches neuronales
Netz, nur lineare Zusammenhänge repräsentieren kann.
1972: Der Franzose Alain Colmerauer erfindet die
Logikprogrammiersprache PROLOG.
Der britische Mediziner de Dombal entwickelt ein
Expertensystem zur Diagnose von Bauchkrankheiten . Es
blieb in der bis dahin überwiegend amerikanischen
KI-Community unbeachtet.
1976: Shortliffe und Buchanan entwickeln MYCIN, ein
Experten- system zur Diagnose von Infektionskrankheiten,
das mit Unsicherheit umgehen kann.
14/62
G ESCHICHTE DER KI
1981: Japan startet mit großem Aufwand das Fifth
Generation Project mit dem Ziel, leistungsfähige intelligente
PROLOG- Maschinen zu bauen.
1982: Das Expertensystem R1 zur Konfiguration von
Computern spart der Digital Equipment Corporation 40
Millionen Dollar pro Jahr .
1986: Renaissance der Neuronalen Netze unter anderem
durch Rumelhart, Hinton und Sejnowski . Das System
Nettalk lernt das Vorlesen von Texten.
1990: Pearl, Cheeseman , Whittaker, Spiegelhalter bringen
mit den Bayes-Netzen die Wahrscheinlichkeitstheorie in
die KI.
Multiagentensysteme werden populär.
1993 Weltweite RoboCup Initiative zum Bau Fußball
spielender autonomer Roboter.
15/62
G ESCHICHTE DER KI
1997: Erster internationaler RoboCup Wettkampf in Japan.
2003: Die Roboter im RoboCup demonstrieren
eindrucksvoll, was KI und Robotik zu leisten imstande
sind.
2006 Servicerobotik entwickelt sich zu einem dominanten
Forschungsgebiet in der KI.
2010 Autonome Roboter fangen an, ihr Verhalten zu
lernen.
2011 Die IBM-Software Watson schlägt zwei menschliche
Meister in der US-Fernsehshow Jeopardy!. Watson kann
natürliche Sprache verstehen und sehr schnell
beantworten.
16/62
G ESCHICHTE DER KI
Aktuelle Forschungsrichtungen
Technologie zum textuellen Sprachverstehen und zur
Ermöglichung von Mensch-Computer-Dialogen.
(Wahlster: Verbmobil-Projekt)
Robotik-Ansatz: (Embodied artificial intelligence, R.
Pfeifer). Untersuchung und Entwicklung von Sensorik,
Motorik, d.h. physikalische Gesetzmäßigkeiten des
Roboters und der Steuerung mittels Computer, intelligentes
Insekt
Automatische Deduktion Logik
Robotik
künstliche neuronale Netze
...
17/62
D IE P HASEN DER KI-G ESCHICHTE
Die ersten Anfänge
Logik löst (fast) alle Probleme
Der neue Konnektionismus
Schließen mit Unsicherheit
Verteilte, autonome und lernende Agenten
Die KI wird erwachsen
18/62
19/62
FAZIT DER BISHERIGEN E RFAHRUNGEN
Fernziel scheint mit aktuellen Methoden, Techniken,
Hardware und Software nicht erreichbar
Motivationen und Visionen der KI sind in der Informatik
verbreitet.
Direkte Programmierung von Systemen (ohne sehr gute
Lernalgorithmen) hat Grenzen in der Komplexität des
einzugebenden Modells (Regeln, Fakten, . . . )
20/62
FAZIT DER BISHERIGEN E RFAHRUNGEN
Teilbereiche sind eigenständige Forschungsgebiete: Z.B.
Sprachverarbeitung, Robotik, Automatische Deduktion,
...
Aktuelle Forschungsziele sind eher spezialisierte Aspekte:
Logik und Inferenzen, Mensch-Maschine-Kommunikation,
Lernverfahren (adaptive Software),
Repräsentationsmechanismen; eingebettete KI,
nicht-Standard-Logiken und Schlussfolgerungssysteme,
...
21/62
R OBOTER UND WEITERE B EGRIFFE
Roboter = Intelligenter Agent, Computer im Kern, agiert
mit der physikalischen Umwelt
Softbot = Software-Roboter, Umwelt ist i.A. nicht
physikalisch, hat Wissensbasis und gibt Antworten und
Ratschläge
Webbot = Web-Roboter, (inter-)agiert im WWW, z.B. um
Suchdatenbanken zu erstellen
Chatbot = Chat-Roboter, interagiert in einem Chat
22/62
I NTELLIGENTE A GENTEN
23/62
I NTELLIGENTE A GENTEN
Agent
macht Beobachtungen (Folge = Beobachtungssequenz)
Aktion beeinflussen Umgebung und evtl. ihn selbst (z.B.
Position)
Agentenfunktion: Beobachtungsfolgen → Aktionen.
Agentfunktion kann durch das Agentenprogramm
implementiert werden
24/62
A GENT ALLGEMEIN
25/62
A GENTEN
26/62
27/62
B EISPIEL : S TAUBSAUGERWELT (R USSEL & N ORVIG )
28/62
B EISPIEL : S TAUBSAUGERWELT (R USSEL & N ORVIG )
Problem:
Wann ist der Agent (das zugehörige Programm) gut /
vernünftig bzw. intelligent ?
Notwendig:
Performanzmaß, d.h. eine Leistungsbewertung des Agenten
Z.B.
Alles immer maximal sauber
Möglichst sauber, aber wenig Stromverbrauch
Möglichst sauber, aber wenig störend
...
Der optimale agierende Agent ist der intelligente Agent.
29/62
I NTELLIGENTER A GENT
Definition
Ein vernünftiger (intelligenter, rationaler) Agent ist derjenige, der
stets die optimale Aktion bzgl des Performanzmaßes wählt, aufgrund
seiner Beobachtungsfolge und seines Vorwissens über die Umgebung.
30/62
L ERNEN
Guter Agent:
mittels der Sensoren Wissen über die Umgebung sammeln;
lernfähig, bzw. sich adaptiv zu verhalten, aufgrund der
Beobachtungssequenz
Agent wird als autonom bezeichnet, wenn der Agent eher aus
seinen Beobachtungen lernt und nicht auf vorprogrammierte
Aktionen angewiesen ist.
31/62
32/62
A GENTEN
Reflex-Agent: Funktion von der Menge aller Eingaben auf
die Menge aller Ausgaben
Agent mit Gedächtnis: ist keine Funktion. Warum?
lernfähiger Agent
verteilte Agenten
Markov-Entscheidungsprozess: zur Bestimmung der
optimalen Aktion wird nur der aktuelle Zustand benötigt.
zielorientierter Agent
32/62
B EISPIEL
33/62
A GENTEN
Definition
Ziel eines kostenorientierten Agenten ist es, die durch
Fehlentscheidungen entstehenden Kosten langfristig, das heißt im
Mittel, zu minimieren. Die Summe aller gewichteten Fehler ergibt die
durch die Fehlentscheidungen entstandenen Kosten.
Example
Blinddarmdiagnosesystem LEXMED. Analog ist das Ziel eines
nutzenorientierten Agenten (engl. utility based agent), den durch
korrekte Entscheidungen entstehenden Nutzen langfristig, das heißt
im Mittel, zu maximieren.
34/62
U MGEBUNG
Klassifikationen
Vollständig beobachtbar vs. teilweise beobachtbar.
Der Staubsauger kann z.B. nur sein eigenes Quadrat
beobachten.
Deterministisch vs. Stochastisch
8-Puzzle
Der Dreck erscheint zufällig in den Quadraten.
Nicht-deterministisch: Schachcomputer, Roboter
Episodisch vs. sequentiell
Episodisch: Feste unabhängige Zeitabschnitte, in denen
beobachtet und nicht agiert wird
Sequentiell. Es gibt Spätfolgen der Aktionen.
35/62
U MGEBUNGEN
Klassifikationen
Statisch vs. Dynamisch
Dynamisch: die Umgebung kann sich während der
Nachdenkzeit des Agenten verändern.
Semi-Dynamisch: Umgebung unverändert, aber
Performanzmaß verändert sich
Z.B.: Schachspielen mit Uhr.
Diskret (Schachcomputer) vs. Stetig.
Ein Agent oder Multiagenten.
Bei Multiagenten: Klassifizierung in:
Gegner / Wettbewerber / Kooperierenden Agenten.
36/62
U MGEBUNGEN , B EISPIELE (R USSEL & N ORVIG )
37/62
S TRUKTUR DES A GENTEN
Agent besteht aus:
Architektur des Agenten:
Physikalischer Aufbau inkl. Sensoren und Aktuatoren
Programm des Agenten
38/62
A RTEN VON A GENTEN
Tabellengesteuerter Agent (endlicher Automat) mit einer
Tabelle von Einträgen:
Beobachtungsfolge1 7→ Aktion1
Beobachtungsfolge2 mapsto Aktion2
leicht abgeändert: Agent mit Zustand
implementiert Funktion der Form
(Zustand, Beobachtung) 7→ Aktion, Zustand
39/62
A RTEN VON A GENTEN
Einfacher Reflexagent
Tabellengesteuert (endlicher Automat) mit Tabelle von
Einträgen:
Beobachtung1 mapsto Aktion1
Beobachtung2 7→ Aktion2
Wählt Aktion aufgrund der direkten Wahrnehmung
40/62
A RTEN VON A GENTEN
Modellbasierte Strukturierung:
Zustandsbasiert
Zustand modelliert die Umgebung
D.h. Wahrnehmung werden in Modell übertragen
Berechnungen auf dem Modell: Z.B. Was bewirken
Aktionen?
41/62
A RTEN VON A GENTEN
Zweckbasierte Strukturierung (goalbased, zielbasiert):
Aktionen steuern auf das (vorgebene) Ziel zu.
Z.B. Taxi kann anhand des Ziels entscheiden ob links oder
recht abbiegen
Agent kann erkennen, ob er das Ziel erreicht hat.
42/62
A RTEN VON A GENTEN
Nutzenbasierte Strukturierung (utility-based,
nutzenbasiert):
Nächste Aktion wird anhand einer Nutzenfunktion
(internes Gütemaß) berechnet.
benötigt vorgegebene Bewertungsfunktion (utility
function)
43/62
A RTEN VON A GENTEN
Lernende Agenten:
Lernverfahren erhöhen die Autonomie des Agenten.
Ausführungmodul: bisheriges Programm
Lernmodul: verwendet Beobachtungen um Parameter im
Programm anzupassen
Lernmethoden: online, offline (mit Trainingsphase)
44/62
W ISSENSBASIERTE S YSTEME
strenge Trennung:
Wissen
Inferenzmechanismus
Wissensbasis, kurz WB (engl. knowledge base, KB)
45/62
K NOWLEDGE E NGINEERING
Wissensquelle z.B. Datenbanken, menschl. Experten
Wissensingenieur (engl. knowledge engineer)
Maschinelles Lernen u.a. aktive Exploration durch
Agenten
46/62
47/62
T RENNUNG VON W ISSEN UND I NFERENZ HAT
V ORTEILE :
Inferenz ist anwendungsunabhängig (Beisp. med. XPS)
Wissen kann deklarativ gespeichert werden.
48/62
D ARSTELLUNG DES W ISSENS MIT FORMALER
S PRACHE :
Aussagenlogik
Prädikatenlogik erster Stufe (kurz: PL1).
probabilistische Logik,
Fuzzylogik
Entscheidungsbäume
Begriffsverbände
49/62
S TARKE UND SCHWACHE KI-H YPOTHESE
Schwache KI-Hypothese
Maschinen (Computer, Roboter,. . . ) können agieren, alsob sie
intelligent wären
Starke KI-Hypothese
Maschinen (Computer, Roboter,. . . ) können wirklich denken
und simulieren nicht nur das Denken.
In der KI-Forschung
Schwache KI-Hypothese wird als gegeben hingenommen
Starke KI-Hypothese: Pragmatische Sichtweise: irrelevant,
hauptsache das System funktioniert
50/62
T URING T EST
51/62
T URING T EST
Kritik: Nicht objektiv, da der Test von den F ahigkeiten des
Fragestellers abhängt
Auch z.B. Wissen des Fragestellers über Fähigkeiten eines
Computers
Abhilfe: Test mit mehreren Personen wiederholen
Totaler Turing-Test Unterschied zum Turing-Test:
Zusätzlich Videoübertragung und Objekterkennung
52/62
L OEBNER P REIS
53/62
L OEBNER P REIS
Einmalige Preise:
Silbermedaille (25.000 USD): Erster Chatbot, der die Jury
überzeugend täuscht
Goldmedaille (100.000 USD): wie Silbermedaille aber
zusätzlich mit audio-visueller Kommunikation
Weder Silber noch Gold wurden bisher vergeben.
54/62
T URING -T EST: P RO / C ONTRA
Pro: Halbwegs einsichtiges Kriterium für Intelligenz
Contra: System als riesige Datenbank mit vorgefertigten
Antworten. Ist das System intelligent?
55/62
ELIZA
Von J. Weizenbaum entwickeltes Programm, das als
Softbot einen Psychotherapeuten simuliert
Konnte manche Menschen täuschen
Techniken:
Vorgefertigte Phrasen, falls das System nichts versteht
Erzählen Sie mir aus Ihrer Jugend
Mustererkennung: in der Eingabe wird nach
Schlüsselwörtern gesucht: Erzählen Sie mir mehr über xyz
56/62
C HINESISCHER R AUM
Gedankenexperiment von John Searle als Gegenargument zur
starken KI-Hypothese:
Jemand, der kein Chinesisch versteht, sitzt in einen Raum
Im Raum:
Stapel mit Chinesischen Zetteln
Handbuch (in Muttersprache) mit Regeln wie aus
Chinesichen Zetteln neue Chinesische Zettel erzeugt
werden können
Ein Chinesicher Zettel wird durch Schlitz reingereicht
Person erzeugt neue Zettel auf Stapel und gibt einen Zettel
nach außen
57/62
C HINESISCHER R AUM
Fragen
Versteht die Person Chinesisch?
Versteht das Gesamtsystem etwas?
J. Searle:
Kein Teil des System versteht irgendetwas
58/62
D AS P ROTHESENEXPERIMENT
Annahme:
Neuronen können künstlich nachgebaut werden (elektronische
Neuronen)
Experiment:
Ersetze einzelne Neuronen durch elektronische Neuronen
Frage
Ab welcher Anzahl verwandelt sich das Prothesen-Gehirn in
einen Computer, der nichts versteht?
Folgerungen:
Entweder: Starke KI-Hypothese gilt und nichts ändert sich
Oder: Es gibt etwas, das noch unbekannt ist (Geist,...)
59/62
KI-PARADIGMEN
Zwei wesentliche Paradigmen
Physikalisches Symbolsystem
explizites Programmieren
verwenden von Logiken, Schlussregeln, Inferenzverfahren
Stärken: Ziehen von Schlüssen, strategische Spiele,
Planen,. . .
Lernverfahren
insbesondere durch künstliche neuronale Netze
Stärken: Bildererkennung, Mustverarbeitung, verrauschte
Daten, maschinelles Lernen, adaptive Systeme
Komplexes KI-System benötigt i.A. alle Paradigmen
60/62
W ISSENSREPR ÄSENTATIONSSYSTEME
Wissensrepräsentationshypothese (Brian Smith)
Die Verarbeitung von Wissen läßt sich trennen in:
Repräsentation von Wissen, wobei dieses Wissen eine
Entsprechung in der realen Welt hat
Inferenzmechanismus, der Schlüsse daraus zieht.
⇒ Basis für Programme, deren innere Struktur als
Modellierung von Fakten, Wissen, Beziehungen und als
Operationen, Simulationen verstanden werden kann.
61/62
R EPR ÄSENTATIONS - UND I NFERENZ -S YSTEME
Komponenten:
1
Formale Sprache: Festlegung der gültigen syntaktischen
Formen (Wissensbasis, Anfragen)
2
Semantik: Bedeutung der Sätze der formalen Sprache (i.A.
modular aufgebaut)
3
Inferenz-Prozedur (operationale Semantik) Wie kann man
Schlüsse ziehen?
Diese Inferenzen mu ssen korrekt bzgl. der Semantik sein.
Implementierung:
Parser für die formale Sprache
Implementierung der Inferenzprozedur.
62/62