Wissensrepräsentation und Grundlagen der Künstlichen Intelligenz

Wissensrepräsentation (Knowledge Representation)

Das Wissen sollte es ermöglichen, die Mechanismen der KI für eine effizientere Lösung zu nutzen. Leitfaden: Wie wählt man einen Formalismus, der eine einfache Übersetzung aus der realen Welt ermöglicht? Welche Anforderungen muss diese Repräsentation erfüllen, damit sie effizient eingesetzt werden kann?

Information vs. Wissen

Als Informationen bezeichnen wir alle grundlegenden Daten ohne Interpretation, die als Input in das System eingegeben werden (z. B. die Zahlen, die in einem Bluttest erscheinen, oder die Sensordaten aus einem Chemiebetrieb).

Als Wissen bezeichnen wir die Daten in einer strukturierten Modellierung oder Erfahrung, die sich auf eine bestimmte Domäne bezieht, oder die bei der Auslegung der grundlegenden Daten entsteht (z. B. die Interpretation der Werte der Bluttests oder Chemiefabrik-Sensoren, um festzustellen, ob sie normal, hoch oder niedrig, störend oder gefährlich sind).

Wissensbasierte Systeme (Knowledge Based Systems)

Es ist das Studium von Computersystemen mit "Intelligenz", wie Problemlösung, automatisiertes Schlussfolgern und maschinelles Lernen.

Wissenschaften, die zur Künstlichen Intelligenz beitragen

Philosophie (ab 400 v. Chr.)

Philosophen dachten über die Macht der künstlichen Intelligenz nach und betrachteten den Geist als eine Maschine, die Wissen in einer internen Sprache kodiert. Dieses Denken wurde genutzt, um festzustellen, welche Maßnahmen die richtigen waren.

Mathematik

Die Mathematik lieferte die Werkzeuge für den Umgang mit den Anforderungen der Sicherheit und der unsicheren Logik (Wahrscheinlichkeitstheorie). Sie stellte auch die Weichen für die Verwaltung der Schlussfolgerungsalgorithmen.

Psychologie

Psychologen verstärkten die Idee, dass Menschen und andere Tiere als Maschinen zur Verarbeitung von Informationen angesehen werden könnten.

Linguistik

Linguisten haben gezeigt, dass die Verwendung von Sprache in dieses Modell passt.

Informatik/Computertechnik

Die Informatik bot die Grundlage, um die Anwendungen der künstlichen Intelligenz zu realisieren. KI-Programme sind umfangreich und funktionieren in der Regel nicht ohne die großen Fortschritte in Geschwindigkeit und Speicher, die durch die Computerindustrie bereitgestellt werden.

Techniken und Bereiche der Künstlichen Intelligenz

• Machine Learning (Maschinelles Lernen)
• Knowledge Engineering (Wissens-Engineering)
• Fuzzy-Logik
• Neuronale Netze
• Reaktive Systeme
• Multi-Agenten-Systeme
• Regelbasierte Systeme
• Case-Based Reasoning (Fallbasiertes Schließen)
• Expertensysteme
• Bayes-Netze

Der Prozess der Wahrnehmung und Repräsentation (I)

Repräsentation von Wissen über die Welt mithilfe von Logik. Mechanische Methoden zur Berechnung (Deduktion) neuer logischer Erkenntnisse (Schlussfolgerung), um neues reales Wissen zu berechnen.

Problemtypen

Probleme des Einzelzustands, Probleme des Mehrfachzustands, Kontingenzprobleme, Explorationsprobleme.

Der Prozess der Wahrnehmung und Repräsentation (II)

Repräsentation von Wissen über die Welt mithilfe von Logik. Die Logik der Vollständigkeit bezieht sich auf die mathematischen Modelle, die Abstraktionen des aktuellen Modells darstellen.

Grundlegende Fähigkeiten für Such- und Schlussfolgerungstechniken

1. Flexible Reaktion auf verschiedene Situationen.
2. Sinn für mehrdeutige oder widersprüchliche Botschaften.
3. Erkennen der Bedeutung verschiedener Elemente in einer bestimmten Situation.
4. Erkennen von Ähnlichkeiten zwischen Situationen, trotz möglicher Unterschiede.
5. Feststellen von Unterschieden zwischen Fällen, trotz Ähnlichkeiten, die sie verbinden könnten.

Typische Komponenten von KI-Lösungen

Typische Probleme von KI-Lösungen können auf zwei Arten betrachtet werden:

1. Der Zustandsraum, der die Anforderungen definiert.
2. Der Weg, der angibt, wie man den Zustandsraum durchlaufen muss, um eine Lösung zu finden.

Anforderungen an eine gute Suchtechnik

Eine gute Suchtechnik muss folgende Anforderungen erfüllen:

• Die Suchtechnik sollte systematisch sein.
• Die Suchtechnik muss Änderungen an der Datenbasis vornehmen können.

Baum vs. Graph im Suchraum

Knoten des Suchbaums: Zustand + Pfad. Der Suchbaum wird inkrementell aufgebaut und spiegelt einen Prozess auf dem Graphen des Zustands-Suchraums wider.

Eigenschaften der Breitensuche (BFS)

• Nicht vollständig (kann unter bestimmten Umständen nicht beenden).
• Wenn eine Lösung gefunden wird, ist es notwendigerweise eine Minimallösung.
• Zeitkomplexität.
• Raumkomplexität.