Einführung in die Methoden der Künstlichen Intelligenz, WS 02/03
|
|
- Lukas Egger
- vor 5 Jahren
- Abrufe
Transkript
1 Einführung in die Methoden der Künstlichen Intelligenz, WS 02/03 Prof. Dr. Manfred Schmidt-Schauß Fachbereich Informatik Johann Wolfgang Goethe-Universität Postfach D Frankfurt URL: Tel: 069 / o Fax: 069/ Oktober 2002
2 Kapitel 1 Einführung 1.1 Themen und Literatur Themen: Einführung: Fragestellungen, Ziele Suche, Suchmethoden Evolutionäre Algorithmen, genetische Algorithmen Wissensrepräsentation und Inferenz Aussagenlogik, Prädikatenlogik Konzept-Sprachen und Inferenzen Qualitatives Schließen: Darstellung von Zeit, Allenscher Kalkül Situationslogik, Planen, STRIPS-Planen spezifische Programmiersprachen und Methoden logisches Programmieren, PROLOG regelbasiertes Programmieren RETE-Algorithmus Constraints Maschinelles Lernen Wenn noch Zeit ist: Vages Wissen (Fuzzy-Logik, Probabilistisches Schließen) nichtmonotone Logik und nichtmonotones Schließen Künstliche Neuronale Netze 1
3 Lehrbücher [] Lehrbücher, die wesentlich für diese Vorlesung sind. Die Priorität entspricht in etwa der Reihenfolge. [RN95] S.J. Russel and P. Norvig. Artificial Intelligence: A Modern Approach. Prentice Hall, [PMG98] D. Poole, A. Mackworth, and R. Goebel. Computational Intelligence: A Logical Approach. Oxford University Press, [BMNPS02] Franz Baader, Deborah McGuiness, Daniele Nardi, and Peter Patel-Schneider. The description logic handbook. Cambridge university press, [BKI00] Christoph Beierle and Gabriele Kern-Isberner. Methoden wissensbasierter Systeme. Vieweg, [Win92] P. Winston. Artificial Intelligence. Addison Wesley, [Cha85] McDermott Charniak. Introduction to Artificial Intelligence. Addison Wesley, [GN88] Genesereth and Nilsson. Logical foundations of artificial intelligence. Morgan Kaufmann, [Gin93] M. Ginsberg. Essentials of artificial intelligence. Morgan Kaufmann, [BHS93] Wolfgang Bibel, Steffen Hölldobler, and Torsten Schaub. Wissensrepräsentation und Inferenz. Eine grundlegende Einführung. Vieweg, [Her89] Joachim Herzberg. Planen: Einführung in die Planerstellungsmethoden der Künstlichen Intelligenz. Reihe Informatik. BI Wissenschaftsverlag, [Ric92] Michael M. Richter. Prinzipien der Künstlichen intelligenz. Teubner Verlag,
4 Weitere Lehrbücher, Handbücher [BCF89] A. Barr, P.R. Cohen, and E.A. Feigenbaum. The Handbook of Artificial Intelligence. Addison Wesley, Bände. [Dav90] [Dre79] E. Davies. Representation of Commonsense Knowledge. Morgan Kaufmann, H.L. Dreyfus. What Computers Can t Do. Harper Colophon Books, [G 93] Günter Görz, editor. Einfhrung in die künstliche Intelligenz. Addison Wesley, [Jac99] Peter Jackson. Introduction to expert systems, 3rd ed. Addison- Wesley, [L98] George F. Luger and William A. Stubblefield. Artificial intelligence: structures and strategies for complex problem solving. 3rd ed. Addison-Wesley, [Mic94] Zbigniew Michalewicz. Genetic algorithms + data structures = evolution programs. Springer-Verlag, [Moo93] Todd C. Moody. Philosophy and Artificial Intelligence. Prentice Hall, [Pup90] Frank Puppe. Problemlösungsmethoden in Expertensystemen. Springer-Verlag, [Pup91] Frank Puppe. Einführung in Expertensysteme. Springer-Verlag, [Sch91] Peter Schefe. Künstliche Intelligenz, Überblick und Grundlagen. Reihe Informatik. BI Wissenschaftsverlag, [Sha92] S. Shapiro. Encyclopedia of Artificial Intelligence. John Wiley, Bände. 3
5 KI 1, WS 2002/03, Kapitel 1 4 [Sto88] Herbert Stoyan. Programmiermethoden der Künstlichen Intelligenz. Springer-Verlag, [u.a86] J. Retti u.a. Artificial Intelligence Eine Einführung. Teubner Verlag, [Vid] Vidysagar. A theory of learning and generalization. Springer- Verlag. [Weg96] Ingo Wegener, editor. Highlights aus der Informatik. Springer, [Wil00] Reinhard Wilhelm, editor. Informatics 10 years back 10 years ahead. Lecture Notes in Computer Science. Springer-Verlag, 2000.
6 KI 1, WS 2002/03, Kapitel Einführung Das Gebiet Artificial Intelligence ( Künstliche Intelligenz ) hat als Ziel bzw. Fernziel: Herstellung eines intelligenten Agenten Kennzeichen: Operiert selbständig in einer Umwelt und zeigt intelligentes Verhalten. Messlatte sind die menschlichen kognitiven Leistungen. Der Mensch ist im obigen Sinne ein intelligenter Agent. Unterziel Untersuchung von Methoden und Techniken zur Herstellung eines intelligenten Agenten. Computational Intelligence: Der Agent hat ein Computer als Gehirn Man kann es auch sehen als die Herstellung eines möglichst guten (autonomen, lernenden, intelligenten, automatischen) informationsverarbeitenden Systems. Einige Beispiele für Systeme, die Teilaspekte implementieren : Taschenrechner der Mathematiker vor einigen hundert Jahren; Berechnung von Logarithmentabellen. Diese erscheinen heute als sehr überholt. schachspielender Computer (Deep Thought, Deep Fritz) Sprachübersetzer wissensbasierte Systeme (Haushalts-, Industrie-) Roboter intelligente Informationssysteme Intelligente Agenten Ein Intelligenter Agent, der im Kern einen Computer hat und in der physikalischen Umwelt agiert, ist ein Roboter (robot). Es können auch andere Umgebungen sein: Software Roboter (softbot): Hat eine Wissensbasis und gibt Antworten und Ratschläge, aber agiert nicht in der physikalischen Umwelt. Web-Roboter (webbot) interagiert mit dem WWW. Eingaben und Zustände Vorwissen über die Umgebung
7 KI 1, WS 2002/03, Kapitel 1 6 Erfahrungswissen, Fälle; erlerntes Wissen Ziele die zu erreichen sind mit Prioritäten und Wichtigkeiten. Beobachtungen zur Umgebung und über sich selbst. Ausgaben: Aktionen Vorwissen Erfahrungswissen Ziele, Prioritäten Beobachtungen Agent Aktion Kognitive Simulation Kognitive Simulation ist ein von der Künstlichen Intelligenz verschiedenes Gebiet mit anderen Zielen. Um den Unterschied klar zu machen, geben wir die Ziele der kognitiven Simulation an: Ziel: Erforschung der menschlichen Denkens durch Simulationen und Experimente mittels Computer. Beispiele: wie erkennt man Gesichter? Wie denkt ein Mathematiker? Lernen, Spracherwerb (des Menschen) Ein Computerprogramm, nennt man kognitiv adäquat wenn es sowohl von der Struktur und den Methoden her als auch von den Leistungen her wie ein Mensch arbeitet. Beispiel Ein Taschenrechner ist nicht kognitiv adäquat, da Menschen anders addieren und multiplizieren. Annahmen: informationsverarbeitende Prozesse sind formal beschreibbar operieren auf Repräsentationen Kognitive Leistungen sind unabhängig von der materiellen Basis. d.h. unabhängig davon, ob die Prozesse im Gehirn ablaufen oder auf einem technischen Gerät (Computer?).
8 KI 1, WS 2002/03, Kapitel 1 7 Methoden: Theoretische Analyse kognitiver Funktionsbereiche Modellierung kognitiver Prozesse durch Computer(-programme) empirische Untersuchungen Verhalten, auch biologische Grundlagen, Psychologie, Neurologie Beim Menschen: Introspektion Problemlösungsprotokolle (Lautes Problemlösen) Zeitmessungen Philosophische Aspekte der Künstlichen Intelligenz Einige philosophische Richtungen Materialismus Es gibt nichts außer der Materie. Diese bewirkt auch den Geist bzw. die Gedanken eines Menschen. D.h. nach unserem Wissenschaftsverständnis: alles was einen Menschen ausmacht ist prinzipiell analysierbar mittels naturwissenschaftlicher Methoden (Chemie, Physik, Biologie,...) also: Im Prinzip auch konstruierbar Behaviorismus Funktionalismus Nur das Beobachtbare ist Gegenstand der Wissenschaft. Nur verifizierbare Fragen sind sinnvolle Fragen. Glauben, Ideen, Wissen sind nicht direkt, sondern nur indirekt beobachtbar. Bewußtsein, Ideen, Glaube, Furcht, usw sind Umschreibungen für bestimmte Verhaltensmuster Problem dieser Sichtweise: zum Verifizieren braucht man evtl. unendlich viele Beobachtungen. Zum Falsifizieren kann eine genügen. Systeme sind äquivalent, wenn sie gleiches Input-Output- Verhalten zeigen. geistige Zustände (Ideen, Glauben,Furcht,...) sind (funktionale) interne Zustände eine komplexen Systems Röhren-Radio Transistor-Radio sind funktional äquivalent. Radio und CD-Player nicht. Der Zustand S 1 des Systems A is funktional äquivalent zu Zustand S 2 des Systems B, gdw. A und B bei gleicher Eingabe die gleiche Ausgabe liefern und in funktional äquivalente Zustände übergehen
9 KI 1, WS 2002/03, Kapitel Was ist intelligentes Denken / Verhalten? Wann hat man das Ziel erreicht, einen intelligenten Agenten zu programmieren? Analoge Fragen: Kann eine Maschine denken? Kann ein Computer/ Roboter ein Bewußtsein haben? Kann ein Computer etwas verstehen? Alan Turings Vorschlag zum Testen der Fähigkeit eines Computers: ein Simulationsspiel: der Turingtest. Es gibt zwei Spieler: A und B. A befragt B per Terminal und soll herausfinden, ob B ein Mensch oder ein Computer (Computer-programm) ist. A Kommunikationsleitung Texte (bzw. Text + Video) B Ein Computerprogramm (B) besteht den Turingtest, wenn es so gut antwortet wie ein Mensch. Das Interview soll ca 30 Minuten dauern Problem: Dieser Test ist nicht objektiv, sondern hängt ab: von den Fähigkeiten des Spielers A vom Wissen des Spielers A über aktuelle Fähigkeiten eines Computers Man kann die Objektivität verbessern durch Wiederholen des Experimentes durch verschiedene A-Spieler und eine nachfolgende Abstimmung Gegenargumente zur Aussagekraft des Turingtests Datenbank-Argument (jukebox-argument) Die Anzahl der Eingaben und Ausgaben ist begrenzt (30 min tippen), alle möglichen Dialoge könnte man vorher in einer großen Datenbank ablegen. Die Antworten werden aus der Datenbank geholt. Frage: Ist diese Datenbank + Abfragemechanismus intelligent? Leider benötigt man dafür mehr Datenbankeinträge als Atome im Universum. Aber: siehe ELIZA: ein Programm das einen einen Psychotherapeuten simuliert. Es gibt vorgefertigte Phrasen, die zufällig ausgewählt werden, wenn das System nichts versteht: Erzählen sie etwas aus ihrer Jugend!
10 KI 1, WS 2002/03, Kapitel 1 9 Methode der Textverarbeitung: Suche nach Schlüsselwörtern in der Eingabe und Patternmatching. Daraus wird eine Ausgabe generiert: Erzählen sie mir mehr über xyz! Starke / schwache KI-Hypothese Starke KI-Hypothese: Ein entsprechend gut programmierter Computer hat Verstand und kann denken Es gibt keinen prinzipiellen Unterschied zwischen einem Menschen und einer Maschine Ein Testverfahren dazu könnte der Turingtest sein. Schwache KI-Hypothese: man kann alle intelligenten Fähigkeiten eines Menschen auch mittels eines Computerprogramms hervorbringen Gedankenexperiment Chinesischer Raum (von John Searle) Ziel dieses Gedankenexperimentes ist der Nachweis, dass ein technisches System kein Verständnis der Inhalte hat, die verarbeitet werden, bzw. dass es keinen verstehenden Computer geben kann. Fragen: Jemand, der kein chinesisch versteht, sitzt in einem Raum, es gibt dort ein dickes Handbuch, und einen Stapel beschriftete Blätter. Durch einen Schlitz erhält die Person einen Zettel mit chinesischen Schriftzeichen. Unter Zuhilfenahme des Handbuchs und der bereits beschrifteten Blätter erzeugt er neue Zettel auf seinem Stapel und einen neuen beschrifteten Zettel (mit chinesischen Schriftzeichen) und reicht diesen nach außen. Versteht derjenige in chinesischen Raum chinesisch? versteht das Gesamtsystem chinesisch? Searles Argument: kein Teil versteht etwas vom Inhalt, also kann das System nichts verstehen. Gegenargument (behaviouristisch): das Gesamtsystem versteht etwas.
11 KI 1, WS 2002/03, Kapitel 1 10 Prothesen-Gedankenexperiment Es besteht aus folgender Überlegung: Das Gehirn besteht aus Neuronen. Annahme: Man kann funktional gleiche elektronische Bauteile (elektronische Neuronen) herstellen. Prothesenexperiment: Ersetze mit einer (zukünftigen chirurgischen Technik) einzelne Neuronen durch elektronische Neuronen. Wird sich die Funktionalität des Gehirns ändern? Ab welcher Anzahl von elektronischen Neuronen wird sich das Prothesen-Gehirn in einen Computer verwandeln, der nichts versteht? Entweder baut das Gehirn nur auf Neuronen auf, oder es gibt etwas, das noch unbekannt ist. Totaler Turingtest Nötig zum Feststellen von intelligentem Verhalten ist eigentlich: Totaler Turingtest: Kann man einen Roboter(in) bauen, der in seinen Fähigkeiten nicht vom Menschen unterscheidbar ist? Erweiterung des Turingtestes um weitere Medien: Videokamera und Bildübertragung. Es gibt ein Buch von Dreyfus, in dem Argumente erläutert werden und der Standpunkt vertreten wird, dass man kein Programm schreiben kann, das intelligentes Verhalten im Sinne des totalen Turingtests zeigt. Zusammenfassend ist das Argument in etwa: Intelligenz kann man nur insgesamt implementieren oder gar nicht Symbolverarbeitungshypothese vs. Konnektionismus physikalisches Symbolsystem: basiert auf Symbolen, denen eine Bedeutung in der Realität zugeordnet werden kann. Aus einer eingegeben Symbolstruktur (String aus Symbolen o.ä.) werden sukzessive weitere Symbolstrukturen erzeugt und evtl. auch ausgegeben. Symbolverarbeitungshypothese (A. Newell and H. Simon)
12 KI 1, WS 2002/03, Kapitel 1 11 Ein physikalisches Symbolsystem kann so konstruiert werden, daß es intelligentes Verhalten zeigt (den Turingtest besteht) Ginsbergs Beschreibung der Künstlichen Intelligenz: Ziel der KI ist die Konstruktion eines physikalischen Symbolsystems, das zuverlässig den Turingtest besteht. Hypothese des Konnektionismus: Man benötigt subsymbolische, verteilte, parallele Verarbeitung, um eine Maschine zu konstruieren, die intelligentes Verhalten zeigt (den Turingtest besteht) technische Hypothese dazu ist: Man benötigt künstliche neuronale Netze. Gegenargument dazu: künstliche neuronale Netze kann man programmieren und auf normaler Hardware simulieren KI-Paradigmen Physikalisches Symbolsystem: (explizites Programmieren, Logik) Stärken: Ziehen von Schlüssen, strategische Spiele, Planen, Konfiguration, Logik,... künstliches neuronales Netz Stärken: Erkennung in Bildern, Musterverarbeitung Verarbeitung verrauschter Daten, Maschinelles Lernen, adaptive Systeme (Musterlernen) Für ein komplexes KI-System benötigt man alle Paradigmen Ausrichtungen der Künstlichen Intelligenz heute: kognitiv ausgerichtete K.I. Kognitionswissenschaft Untersuchung und Modellierung von intelligenten, menschlichen Fähigkeiten: Sprachverstehen, Bildverstehen, Planen,... ingenieurmäßig ausgerichtete K.I. Bereitstellung von Methoden, Techniken und Werkzeugen zum Lösen komplexer Anwendungsprobleme, die kognitive Fähigkeiten erfordern. (Deduktionstechniken, KI-Programmiersprachen, neuronale Netze als Mustererkenner, Lernalgorithmen, wissensbasierte Systeme: Expertensysteme ) Die Arbeitshypothese in der Vorlesung: Ingenieurmäßige Ausrichtung, Verwendung von Logik in verschiedenen Varianten, direkt programmierbare Methoden. Einige Gebiete der Künstlichen Intelligenz:
13 KI 1, WS 2002/03, Kapitel 1 12 Programmierung strategischer Spiele (Schach,...) Automatisches Problemlösen und Beweisen Natürlichsprachliche System (Computerlinguistik) Bildverarbeitung Robotik medizinische Expertensysteme Maschinelles Lernen Bemerkungen zur Geschichte: 1950: A. Turing: Imititationsspiel 1956 J. McCarthy Dartmouth Konferenz: artificial intelligence allgemeiner Problemlöser Entwicklung von LISP Dameprogramm von A. Samuels (adaptierend lernend ) Newell & Simon: GPS (General Problem Solver) spezialisierte Systeme semantische Verarbeitung (Benutzung von Spezialwissen über das Gebiet Problem des Common Sense Resolutionsprinzip im automatische Beweisen Modellierung von Mikrowelten MACSYMA mathematische Formel-manipulation DENDRAL Expertensystem zur Bestimmung von organischen Verbindungen mittels Massenspektroskopie SHRDLU, ELIZA: erste Versuche zur Verarbeitung natürlicher Sprache Wissensverarbeitung als Technologie medizinisches Expertensystem: MYCIN D. Lenats AM (automated mathematics) KI-Sprachentwicklungen: PLANNER, KRL PROLOG KL-ONE Entwicklung von Werkzeugen Trend zur Erarbeitung von Grundlagen; Expertensystem-Schalen (E-MYCIN)
14 KI 1, WS 2002/03, Kapitel 1 13 Fifth generation project in Japan (beendet) Computerlinguistik künstliche neuronale Netze logisches Programmieren 1985 Doug Lenats CYC aktuelle Forschungsrichtungen Technologie zum textuellen Sprachverstehen und zur Ermöglichung von Mensch-Computer-Dialogen. (Wahlster: Verbmobil-Projekt) Robotik-Ansatz: (Embodied artificial intelligence, R. Pfeifer). sinngemäß: Eine gemeinsame Untersuchung und Entwicklung von Sensorik, Motorik, d.h. physikalische Gesetzmäßigkeiten des Roboters und der Steuerung mittels Computer (neuronalen-netzen) ist notwendig: intelligentes Insekt Automatische Deduktion... siehe spezialisierte Konferenzen, Journals, Bücher Schlussfolgerungen aus den bisherigen Erfahrungen: Das Fernziel scheint mit den aktuellen Methoden, Techniken, Hardware und Software nicht erreichbar Motivationen und Visionen der KI sind heute in der Informatik verbreitet. Die direkte Programmierung von Systemen (ohne sehr gute Lernalgorithmen) hat Grenzen in der Komplexität des einzugebenden Modells (Regeln, Fakten,...); Auch wird es zunehmend schwerer, die Systeme und die Wissensbasis zu warten und konsistent zu ändern. Das Projekt CYC von Doug Lenat zur Erzeugung eines vernünftigen Programms mit Alltagswissen durch Eingabe einer Enzyklopädie hat nicht zum erhofften durchschlagenden Erfolg geführt. Manche Gebiete wie (computerunterstützte) Verarbeitung natürlicher (schriftlicher oder gesprochener) Sprache, Robotik, Automatische Deduktion,... haben sich zu eigenständigen Forschungsgebieten entwickelt. Forschungsziele sind aktuell eher spezialisierte Aspekte bzw. anwendbare Verfahren: Mensch-Maschine-Kommunikation, Lernverfahren (adaptive Software); Repräsentationsmechanismen; eingebettete K.I., nicht- Standard-Logiken und Schlussfolgerungssysteme,...
15 KI 1, WS 2002/03, Kapitel Analyse und Programmieren von Teilaspekten Folgende Arbeitshypothese steht hinter der Untersuchung von Teilaspekten der Künstlichen Intelligenz: Untersuche und programmiere Teilaspekte an kleinen Beispielen. Wenn das klar verstanden ist, dann untersuche große Beispiele und kombiniere die Lösungen der Teilaspekte. Das ergibt zwei Problematiken: Kombination der Lösungen von Teilaspekten. Die Lösungen sind oft kombinierbar, aber es gibt genügend viele Beispiele, die inkompatibel sind, so dass die Kombination der Methoden oft nicht möglich ist bzw. nur unter Verzicht auf gute Eigenschaften der Teillösungen. realistische Beispiele (scale up) Wenn die Software-Lösung für kleine Beispiele (Mikrowelten) funktioniert, heißt das noch nicht, dass diese auch für realistische Beispiel (Makrowelten) sinnvoll funktioniert bzw. durchführbar ist Wissensrepräsentation Wissensrepräsentationshypothese: (B. Smith) Die Verarbeitung von Wissen läßt sich trennen in: Repräsentation von Wissen, wobei dieses Wissen eine Entsprechung in der realen Welt hat; und in einen Inferenzmechanismus, der Schlüsse daraus zieht. Dieses Paradigma ist die Basis für alle Programme in Software/Hardware, deren innere Struktur als Modellierung von Fakten, Wissen, Beziehungen und als Operationen, Simulationen verstanden werden kann Repräsentation und Schließen Ein Repräsentations- und Inferenz-System (representation and reasoning system) besteht, wenn man es abstrakt beschreibt, aus folgenden Komponenten: 1. Eine Formale Sprache Zur Beschreibung der gültigen Symbole, der gültigen syntaktischen Formen einer Wissensbasis, der syntaktisch korrekten Anfragen usw. Im allgemeinen kann man annehmen, dass eine Wissensbasis eine Multimenge von gültigen Sätzen der formalen Sprache ist. 2. Eine Semantik Das ist ein Formalismus, der den Sätzen der formalen Sprache eine Bedeutung zuweist. Im allgemeinen ist die Semantik modular, d.h. den kleinsten Einheiten wird eine Bedeutung zugeordnet, und darauf aufbauend den Sätzen, wobei die Bedeutung der Sätze auf der Bedeutung von Teilsätzen aufbaut.
16 KI 1, WS 2002/03, Kapitel Eine Inferenz-Prozedur (operationale Semantik) die angibt, welche weiteren Schlüsse man aus einer Wissensbasis ziehen kann. I.a. sind diese Schlüsse wieder Sätze der formalen Sprache. Diese Inferenzen müssen korrekt bzgl. der Semantik sein. Dieses System kann auf Korrektheit geprüft werden, indem man einen theoretischen Abgleich zwischen Semantik und operationaler Semantik durchführt. Die Implementierung des Repräsentations- und Inferenz-Systems besteht aus: 1. Parser für die formale Sprache 2. Implementierung der Inferenzprozedur. Interessanterweise trifft diese Beschreibung auch auf andere Formalismen zu: Programmiersprachen Logische Kalküle
Künstliche Intelligenz Geplanter Inhalt
Künstliche Intelligenz Geplanter Inhalt Einführung: Fragestellungen, Ziele Suche, Suchmethoden Evolutionäre Algorithmen, genetische Algorithmen Lernverfahren Aussagenlogik Prädikatenlogik logisches Programmieren
MehrEinführung in die Methoden der Künstlichen Intelligenz, SS 06
Einführung in die Methoden der Künstlichen Intelligenz, SS 06 Prof. Dr. Manfred Schmidt-Schauß Fachbereich Informatik Johann Wolfgang Goethe-Universität Postfach 11 19 32 D-60054 Frankfurt E-mail:schauss@ki.informatik.uni-frankfurt.de
MehrEinführung in die Methoden der Künstlichen Intelligenz, SS 11
Einführung in die Methoden der Künstlichen Intelligenz, SS 11 Prof. Dr. Manfred Schmidt-Schauß Fachbereich Informatik Johann Wolfgang Goethe-Universität Postfach 11 19 32 D-60054 Frankfurt E-mail:schauss@ki.informatik.uni-frankfurt.de
MehrEinführung in die Methoden der Künstlichen Intelligenz. Einführung
Einführung in die Methoden der Künstlichen Intelligenz Einführung Dr. David Sabel WS 2012/13 Stand der Folien: 15. Oktober 2012 KI-Ziel Phil. Aspekte Paradigmen KI-Geschichte Agenten KI-Ansätze Womit beschäftigt
MehrEinführung in die Methoden der Künstlichen Intelligenz. Einführung
Einführung in die Methoden der Künstlichen Intelligenz Einführung PD Dr. David Sabel SoSe 2014 Stand der Folien: 22. April 2014 KI-Ziel Phil. Aspekte Paradigmen KI-Geschichte Agenten KI-Ansätze Womit beschäftigt
MehrEinführung in die Methoden der Künstlichen Intelligenz. Einführung
Einführung in die Methoden der Künstlichen Intelligenz Einführung Prof. Dr. Manfred Schmidt-Schauß SoSe 2016 Stand der Folien: 19. April 2016 KI-Ziel Phil. Aspekte Paradigmen KI-Geschichte Agenten KI-Ansätze
MehrZiel der Ku nstlichen Intelligenz: Einfu hrung in die Methoden der Ku nstlichen Intelligenz. SoSe 2018 Informationssystems
KI-Ansa tze Womit bescha ftigt sich die Ku nstliche Intelligenz? Ziel der Ku nstlichen Intelligenz: Einfu hrung in die Methoden der Ku nstlichen Intelligenz Herstellung eines intelligenten Agenten Einfu
MehrWomit beschäftigt sich die Künstliche Intelligenz? Einführung in die Methoden der Künstlichen Intelligenz. Einführung. Roboter und weitere Begriffe
Womit beschäftigt sich die Künstliche Intelligenz? Einführung in die Methoden der Künstlichen Intelligenz Einführung Dr. David Sabel WS 2012/13 Ziel der Künstlichen Intelligenz: Herstellung eines intelligenten
MehrSeminar Künstliche Intelligenz Wintersemester 2013/14
Seminar Künstliche Intelligenz Wintersemester 2013/14 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 31.10.2013 2 / 13 Überblick Teilgebiete der KI Problemlösen,
MehrEinführung in die Künstliche Intelligenz
Einführung in die Künstliche Intelligenz Vorlesung mit Übung WS 2002/2003 Prof. F. v. Henke Organisatorisches Vorlesung: Mo 12 14 Mi 14 16 Sprechstunde: nach der Vorlesung, oder nach Vereinbarung vhenke@ki.informatik.uni-ulm.de
MehrEinführung in die AI
1 Einführung in die AI Prof. Georg Gottlob Institut für Informationssysteme Technische Universität Wien Folien zur Vorlesung Konzepte der Artificial Intelligence 3 Zum Begriff Artificial Intelligence AI:
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz Sommersemester 2014 Prof. Dr. Manfred Schmidt-Schauß und Dr. David Sabel Institut für Informatik Fachbereich Informatik und Mathematik Goethe-Universität
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz Sommersemester 2018 Prof. Dr. Manfred Schmidt-Schauß und PD Dr. David Sabel Institut für Informatik Fachbereich Informatik und Mathematik Goethe-Universität
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz Wintersemester 2012/2013 Prof. Dr. Manfred Schmidt-Schauß und Dr. David Sabel Institut für Informatik Fachbereich Informatik und Mathematik Goethe-Universität
MehrKünstliche Intelligenz
Künstliche Intelligenz Vorlesung 1: Einführung in die Künstliche Intelligenz 1/62 ORGANISATORISCHES Literatur W. Ertel, Grundkurs Künstliche Intelligenz S. Russel, P. Norvig, Artificial Intelligence, A
MehrSeminar Künstliche Intelligenz Wintersemester 2014/15
Seminar Künstliche Intelligenz Wintersemester 2014/15 Martin Hacker Richard Schaller Künstliche Intelligenz Department Informatik FAU Erlangen-Nürnberg 15.10.2014 2 / 14 Überblick Teilgebiete der KI Problemlösen,
MehrEinführung in die Methoden der Künstlichen Intelligenz
Einführung in die Methoden der Künstlichen Intelligenz --- Vorlesung vom 17.4.2007 --- Sommersemester 2007 Prof. Dr. Ingo J. Timm, Andreas D. Lattner Professur für Wirtschaftsinformatik und Simulation
MehrModul Künstliche Intelligenz. Prof. Dr. Heinrich Jasper TU Bergakademie Freiberg Künstliche Intelligenz und Datenbanken
Modul Künstliche Intelligenz Prof. Dr. Heinrich Jasper TU Bergakademie Freiberg Künstliche Intelligenz und Datenbanken Zielsetzung Die Veranstaltung bietet den Hörerinnen und Hörern die Möglichkeit, Kenntnisse
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert Universität Basel 20. Februar 2015 Einführung: Überblick Kapitelüberblick Einführung: 1. Was ist Künstliche
MehrEntwicklung und Einsatz von Expertensystemen
Karl Kurbel Entwicklung und Einsatz von Expertensystemen Eine anwendungsorientierte Einführung in wissensbasierte Systeme Mit 46 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo
Mehr1.1 Was ist KI? 1.1 Was ist KI? Grundlagen der Künstlichen Intelligenz. 1.2 Menschlich handeln. 1.3 Menschlich denken. 1.
Grundlagen der Künstlichen Intelligenz 20. Februar 2015 1. Einführung: Was ist Künstliche Intelligenz? Grundlagen der Künstlichen Intelligenz 1. Einführung: Was ist Künstliche Intelligenz? Malte Helmert
MehrKünstliche Intelligenz
George F. Luger 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Künstliche Intelligenz Strategien zur Lösung komplexer
MehrWoher Methoden der KI stammen Gebiete der Künstlichen Intelligenz wissensbasierte Systeme
Woher Methoden der KI stammen Gebiete der Künstlichen Intelligenz (induktives) Lernen Aus einer anwendungsorientierten Sicht spielen in der Künstlichen Intelligenz insbesondere folgende Gebiete eine Rolle:
MehrVorlesung Künstliche Intelligenz Wintersemester 2009/10
Vorlesung Künstliche Intelligenz Wintersemester 2009/10 Prof. Dr. Gerd Stumme Dipl.-Inform. Björn-Elmar Macek Vorlesung Dienstag, 10:15 11:45 Uhr, Raum 0443 Beginn: 20.10.2009 Vorlesung Mittwoch 14:00
MehrWerden wir Schoßhunde der Roboter sein? Herbert Stoyan Universität Erlangen
Werden wir Schoßhunde der Roboter sein?.. Herbert Stoyan Universität Erlangen 1 Schlechte Presse für die KI Große Sprüche der KI in den 80ern Industrielle Umsetzung schien möglich Doch: herber Absturz
MehrWas ist Informatik? Alexander Lange
Was ist Informatik? Was ist Informatik? Alexander Lange 12.11.2003 Was ist Informatik? Inhalt 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. Das Wort»Informatik«Die Idee Teilgebiete der Informatik Technische Informatik
MehrThermostaten und Computer. das Versprechen der KI
Thermostaten und Computer das Versprechen der KI Physik des freien Willens und Bewusstseins Henriette Labsch 30.Juni 2008 Thermostaten und Computer - das Versprechen der KI David J. Chalmers bewusstes
MehrTeil II: Einstieg in Expertensysteme
Teil II: Einstieg in Expertensysteme Begriffsbestimmung: Was sind wissensbasierte Systeme? Die beiden Begriffe Expertensystem und wissensbasiertes System werden weitgehend synonym verwendet für Softwaresysteme,
MehrEinführung in die Künstliche Intelligenz
Einführung in die Künstliche Intelligenz Vorlesung WS 2004/05 Joachim Hertzberg, Andreas Nüchter (Übungen) Institut für Informatik Abteilung Wissensbasierte Systeme 1 Web-Seite Organisatorisches http://www.inf.uos.de/hertzberg/lehre/2004_ws/vorlesung_ki-intro/ki_ws04.html
MehrWissensrepräsentation
Wissensrepräsentation Vorlesung Sommersemester 2008 12. Sitzung Dozent Nino Simunic M.A. Computerlinguistik, Campus DU Übersicht Rückblick, Zusammenhänge Mysterien 2 Inhalte im abstrakten Überblick Künstliche
MehrKünstliche Intelligenz
Künstliche Intelligenz Dr. Claudia Schon schon@uni-koblenz.de Institute for Web Science and Technologies Universität Koblenz-Landau Organisatorisches Termine: Jeweils von 14:00-15:30 Uhr und 15:45-17:15
MehrInstitut für Künstliche Intelligenz
Institut für Künstliche Intelligenz Prof. Sebstaian Rudolph --- Computational Logic Prof. Steffen Hölldobler --- Wissensverarbeitung Prof. Ivo F. Sbalzarini --- Wissenschaftliches Rechnen für Systembiologie
MehrQuelle: Wikipedia.org. Roger Penrose. Fabian Pawlowski, Hendrik Borghorst, Simon Theler
Quelle: Wikipedia.org 1 Biografie 2 Grundlegende Fragen 3 Schwache und starke KI 4 Turing-Test 5 Chinesiches Zimmer 6 Bewusstsein 7 Gehirn 8 Turing-Maschine 9 Fazit Biografie Biografie geb.: 8.August 1931
MehrVorlesung: Künstliche Intelligenz
Vorlesung: Künstliche Intelligenz - KI heute, KI morgen, KI übermorgen- D P LS G ML ES S ST SA NN ME O EA SV Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte
MehrWie man die Welt versteht
Spezielle Themen der KI Wissensrepräsentation, Sprachverarbeitung und Sprachverstehen Einleitung Marc Erich Latoschik AI & VR Lab, Faculty of Technology marcl@techfak.uni-bielefeld.de Übersicht der Vorlesung
MehrMotivation und Geschichte. Geschichte der Logik Logik und Informatik
Motivation und Geschichte Geschichte der Logik Logik und Informatik Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 2.1 Motivation und Geschichte Geschichte der Logik 13 Aufgaben der Logik
Mehrin der Versorgungstechnik? Prof. Dr. Michael Krödel
Künstliche Intelligenz (KI) in der Versorgungstechnik? g Was ist KI? Künstliche Intelligenz (KI; engl. artificial i intelligence, AI) ist ein Teilgebiet der Informatik, das sich mit der Automatisierung
MehrVorwort zur dritten Auflage
Vorwort zur dritten Auflage In Kap. 8 gibt es nun zwei neue Abschnitte. Das wichtige Thema Kreuzvalidierung erhält in Abschn. 8.5 endlich den verdienten Raum. In Abschn. 8.8 über One-Class-Learning werden
MehrWas ist mathematische Logik?
Was ist mathematische Logik? Logik untersucht allgemeine Prinzipien korrekten Schließens Mathematische Logik stellt zu diesem Zweck formale Kalküle bereit und analysiert die Beziehung zwischen Syntax und
MehrCase-Based Reasoning und anderen Inferenzmechanismen
Case-Based Reasoning und anderen Inferenzmechanismen Daniel Müller 21 April 2006 DM () CBR und Inferenz 21 April 2006 1 / 31 Contents 1 Einleitung 2 Inferenzmechanismen Statistische Verfahren Data Mining
MehrSuche in Spielbäumen Projektvorschläge
Suche in Spielbäumen Projektvorschläge Nullsummenspiele sind Spiele mit zwei Spielern, bei denen der Vorteil des einen Spielers dem Nachteil des anderen Spieler entspricht. Im einfachsten Fall binär (Sieg
MehrKapitel 1: Einleitung. Gliederung. Zum Begriff Informatik Zum Begriff Algorithmus Zum Begriff Programmieren
Kapitel 1: Einleitung Wintersemester 2006/07 Einführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung) (Vorlesung) Gliederung Zum Begriff Informatik
MehrAlgorithmenalltag. Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering
Algorithmenalltag Prof. Dr.-Ing. Johannes Konert Fachgebiet Web Engineering Start reden (Begrüßung) vortragen Aufmerk-samkeit erlangt? kurze Pause machen Ende Algorithmen Was machen sie mit uns? Was sind
MehrBeschreibungslogik. Vorlesung im Sommersemester 2015
Beschreibungslogik Vorlesung im Sommersemester 2015 Organisatorisches Zeit und Ort: Mi 16-18 MZH1460 und Do 16-18 MZH1460 Vortragender: Carsten Lutz Cartesium Raum 2.59 Tel. (218)-64431 clu@uni-bremen.de
MehrSystemtheorie 1. Einführung Systemtheorie 1 Formale Systeme 1 # WS 2006/2007 Armin Biere JKU Linz Revision: 1.4
Einführung intro 1 Grobklassifizierung r Methoden in der Informatik intro 2 Systemtheorie 1 Systeme 1 #342234 http://fmv.jku.at/fs1 WS 2006/2007 Johannes Kepler Universität Linz, Österreich Univ. Prof.
MehrSpezifikation von Handlungen von Agenten
Spezifikation von Handlungen von Agenten dargestellt am Beispiel der Sprache LORA aus M. Wooldridge: Reasoning about Rational Agents Vortrag im Projektseminar Logiken für Multiagentensysteme Im WS 2003/04
MehrAI in Computer Games. Übersicht. Motivation. Vorteile der Spielumgebung. Techniken. Anforderungen
Übersicht AI in Computer Games Motivation Vorteile der Spielumgebung Techniken Anwendungen Zusammenfassung Motivation Vorteile der Spielumgebung Modellierung glaubwürdiger Agenten Implementierung menschlicher
MehrSystemtheorie 1. Formale Systeme 1 # WS 2006/2007 Johannes Kepler Universität Linz, Österreich
Einführung 1 Systemtheorie 1 Formale Systeme 1 #342234 http://fmv.jku.at/fs1 WS 2006/2007 Johannes Kepler Universität Linz, Österreich Univ. Prof. Dr. Armin Biere Institut für Formale Modelle und Verifikation
MehrMotivation und Geschichte. Geschichte der Logik Logik und Informatik
Motivation und Geschichte Geschichte der Logik Logik und Informatik Logik für Informatiker, M. Lange, IFI/LMU: Motivation und Geschichte Geschichte der Logik 12 Aufgaben der Logik Logik (aus Griechischem)
MehrStrukturierungsmittel zur Behandlung komplexer Beweisaufgaben
Strukturierungsmittel zur Behandlung komplexer Beweisaufgaben Dieter Hutter Deutsches Forschungszentrum für Künstliche Intelligenz GmbH 16. November 2000 Saarbrücken Deduktionssysteme Ursprünglich: Common
MehrWas bisher geschah Modellierung in Logiken: klassische Prädikatenlogik FOL(Σ, X) Spezialfall klassische Aussagenlogik AL(P)
Was bisher geschah Modellierung in Logiken: klassische Prädikatenlogik FOL(Σ, X) Spezialfall klassische Aussagenlogik AL(P) Syntax Semantik Signatur, Variablen Terme (induktive Definition, Baumform) Atome
MehrWas versteht man unter Intelligenz
Was versteht man unter Intelligenz keine allgemein gültige Definition! unterschiedliche Definitionsansätze (Medizin,Philosophie,etc.) Persönliche Definition: Das aktive Wahrnehmen von Äußeren Einflüssen,
MehrWas können lernende Maschinen wissen?
Was können lernende Maschinen wissen? Prof. Dr. Lars Schwabe Adaptive and Regenerative Software Systems http://ars.informatik.uni-rostock.de 2010 UNIVERSITÄT ROSTOCK FAKULTÄT FÜR INFORMATIK UND ELEKTROTECHNIK
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 0. Organisatorisches Malte Helmert Universität Basel 16. Februar 2015 Organisatorisches Personen: Dozent Dozent Prof. Dr. Malte Helmert E-Mail: malte.helmert@unibas.ch
MehrForschungsseminar: Neuere psychologische Fachliteratur (Gruppe D) Ao.Univ.-Prof. Dr. LeidlmairKarl. Stevan Harnad The symbol groundingproblem
Forschungsseminar: Neuere psychologische Fachliteratur (Gruppe D) Ao.Univ.-Prof. Dr. LeidlmairKarl Stevan Harnad The symbol groundingproblem Kathrin Plattner Schlatter Andrea 1. Einleitung: Film.....3
MehrÜbersicht. Prädikatenlogik höherer Stufe. Syntax der Prädikatenlogik 1. Stufe (mit Gleichheit)
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlussfolgern 7. Logische Agenten 8. Prädikatenlogik 1. Stufe 9. Schließen in der Prädikatenlogik 1. Stufe 10. Wissensrepräsentation IV
MehrKapitel MK:I. I. Einführung. Künstliche Intelligenz Starke KI versus Schwache KI Geschichte der KI Gebiete der KI
Kapitel MK:I I. Einführung Künstliche Intelligenz Starke KI versus Schwache KI Geschichte der KI Gebiete der KI MK:I-1 AI Introduction STEIN 1998-2013 Künstliche Intelligenz Was ist Intelligenz? Intelligenztests:
MehrGrundlagen 1: Modelle & Mengen
Angewandte Mathematik am Rechner 1 SOMMERSEMESTER 2018 > b c a de set S Kapitel 2 Grundlagen 1: Modelle & Mengen Frank Fischer Institut für Informatik frank.fscher@uni-mainz.de
MehrGrundlagen der Logik und Logikprogrammierung Einleitung
Grundlagen der Logik und Logikprogrammierung Günther Görz Informatik 8 Haberstraße 2, 3.Stock 91058 Erlangen Sprechstunde: Mo. 12-13 goerz@informatik.uni-erlangen.de Friedrich-Alexander-Universität Erlangen-Nürnberg
MehrPraktische Informatik I
Praktische Informatik I WS 2005/2005 Prof. Dr. Wolfgang Effelsberg Lehrstuhl für Praktische Informatik IV Universität Mannheim 1. Einführung 1-1 Inhaltsverzeichnis (1) 1. Einführung 1.1 Was ist Informatik?
MehrUniversität zu Köln Institut für Sprachverarbeitung Dozent: Claes Neuefeind Sommersemester von Trifon Kirov und Börge Kiss
ChatterBots Universität zu Köln Institut für Sprachverarbeitung Dozent: Claes Neuefeind Sommersemester 2012 von Trifon Kirov und Börge Kiss Inhalt Definition Geschichte Varianten und Beispiele Funktionsweise
MehrJohn R. Searle: Das syntaktische Argument und die Irreduzibilität des Bewusstseins. Institut für Physik und Astronomie Universität Potsdam
John R. Searle: Das syntaktische Argument und die Irreduzibilität des Bewusstseins Jonathan F. Donges Harald R. Haakh Institut für Physik und Astronomie Universität Potsdam Übersicht Themen 1 Physik, Syntax,
MehrOrganisatorisches. Zeit und Ort: Di 8 10 MZH 1090 Mi MZH 1110
Logik Organisatorisches Zeit und Ort: Di 8 10 MZH 1090 Mi 16 18 MZH 1110 Prof. Thomas Schneider Raum Cartesium 2.56 Tel. (218)-64432 ts@informatik.uni-bremen.de Position im Curriculum: Wahlbereich Bachelor-Basis
Mehr1 Symbolische Repräsentation
1 Symbolische Repräsentation 1. Vorlesung: Einführung; Intelligenter Agent Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2012/2013 Was ist Intelligenz? [Philosophisches! Wörterbuch, 1976]! Intelligenz
MehrLogik. Vorlesung im Wintersemester 2010
Logik Vorlesung im Wintersemester 2010 Organisatorisches Zeit und Ort: Di 14-16 MZH 5210 Do 16-18 MZH 5210 Prof. Carsten Lutz Raum MZH 3090 Tel. (218)-64431 clu@uni-bremen.de Position im Curriculum: Modulbereich
MehrArtificial Intelligence. Deep Learning Neuronale Netze
Artificial Intelligence Deep Learning Neuronale Netze REVOLUTION Lernende Maschinen Mit lernenden Maschinen/Deep Learning erleben wir aktuell eine Revolution in der Informationsverarbeitung. Neue Methoden
MehrEinführung in die Programmierung
Einleitung Gliederung Einführung in die Programmierung Wintersemester 2017/18 Zum Begriff Informatik Zum Begriff Algorithmus Zum Begriff Programmieren Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering
MehrLogische Programmierung
1. Vorbemerkungen 1-1 Logische Programmierung Stefan Brass Institut für Informatik Fachgebiet Datenbanken und Informationssysteme Prof. Dr. Udo W. Lipeck 1. Vorbemerkungen 1-2 Organisatorisches Sprechstunde:
MehrEinführung in die Programmierung
Einleitung Gliederung Einführung in die Programmierung Wintersemester 08/09 Zum Begriff Informatik Zum Begriff Algorithmus Zum Begriff Programmieren Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering
MehrEinführung in die Programmierung Wintersemester 2016/17
Einführung in die Programmierung Wintersemester 2016/17 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund Einleitung Gliederung Zum Begriff Informatik Zum
MehrKapitel 1.4. Exkurs: Entscheidbarkeit und Komplexität. Mathematische Logik (WS 2012/3) K. 1.4: Entscheidbarkeit und Komplexität 1/10
Kapitel 1.4 Exkurs: Entscheidbarkeit und Komplexität Mathematische Logik (WS 2012/3) K. 1.4: Entscheidbarkeit und Komplexität 1/10 Algorithmen Ein Algorithmus oder eine Rechenvorschrift ist ein effektives
MehrTheoretische Grundlagen zu Default Logic
Theoretische Grundlagen zu Default Logic Eric Hildebrand Logik in der Praxis: Logikprogrammierung und unscharfes Schließen WS 08/09 Universität Heidelberg Seminar für Computerlinguistik Institut für allgemeine
MehrKonzepte der AI: Maschinelles Lernen
Konzepte der AI: Maschinelles Lernen Nysret Musliu, Wolfgang Slany Abteilung für Datenbanken und Artificial Intelligence Institut für Informationssysteme, TU-Wien Übersicht Was ist Lernen? Wozu maschinelles
MehrEinführung in die Informatik Turing Machines
Einführung in die Informatik Turing Machines Eine abstrakte Maschine zur Präzisierung des Algorithmenbegriffs Wolfram Burgard Cyrill Stachniss 1/14 Motivation und Einleitung Bisher haben wir verschiedene
MehrWintersemester 2007/2008 Helmut Seidl Institut für Informatik TU München
Informatik 1 Wintersemester 2007/2008 Helmut Seidl Institut für Informatik TU München 1 0 Allgemeines Inhalt dieser Vorlesung: Einführung in Grundkonzepte der Informatik; Einführung in Denkweisen der Informatik;
MehrProf. Dr. Lars Schmidt-Thieme. Schüler-Universität, 10. Mai 2012
Können Computer denken? Prof. Dr. Lars Schmidt-Thieme Information Systems and Machine Learning Lab (ISMLL) Institut für Informatik Universität Hildesheim Schüler-Universität, 10. Mai 2012 Lars Schmidt-Thieme,
MehrLogik und Beweisbarkeit
Logik und Beweisbarkeit Einleitung Martin Mundhenk Univ. Jena, Institut für Informatik. Februar 0 Einleitung: U ber Sinn und Form Symbolisches Addieren Al-Chwarizmi (etwa 8 80) Problem: Was ist MMMDCCCXCIX
MehrLogisches und funktionales Programmieren
Prof. Dr. Christoph Beierle, Dr. Harald Ganzinger, Prof. Dr. Michael Hanus Kurs 01816 Logisches und funktionales Programmieren LESEPROBE Das Werk ist urheberrechtlich geschützt. Die dadurch begründeten
MehrSpezielle Themen der KI Wissensrepräsentation und Lernen Einleitung
Spezielle Themen der KI Wissensrepräsentation und Lernen Einleitung Marc Erich Latoschik AI & VR Lab, Faculty of Technology marcl@techfak.uni-bielefeld.de Übersicht der Vorlesung Ergänzung und Vertiefung
MehrKünstliche Intelligenz und automatische Wissensverarbeitung
Hermann Heibig Künstliche Intelligenz und automatische Wissensverarbeitung 2., stark bearbeitete Auflage U Verlag Technik Berlin Inhaltsverzeichnis 1 Überblick 11 1.1 Grundbegriffe, Gegenstand 11 1.2 Arbeitsgebiete
MehrBeschreibungslogik. Vorlesung im Sommersemester 2016
Beschreibungslogik Vorlesung im Sommersemester 2016 Organisatorisches Zeit und Ort: Mi 16 18 MZH 1460 Do 12 14 MZH 1460 Vortragender: Thomas Schneider Cartesium Raum 2.56 Tel. (218)-64432 ts@cs.uni-bremen.de
MehrSimulation als epistemologische Grundlage für intelligente Roboter
1 Simulation als epistemologische Grundlage für intelligente Roboter Andreas Tolk The MITRE Corporation Umut Durak Deutsches Zentrum für Luft- und Raumfahrt e.v. (DLR) Public Release No. 17-0085 2017 The
MehrBeschreibungslogik und Ontologiesprachen. Vorlesung im Wintersemester 08/09
Beschreibungslogik und Ontologiesprachen Vorlesung im Wintersemester 08/09 Organisatorisches Zeit und Ort: Di 17-19 MZH7250 und Do 15-17 MZH5210 jedoch nicht diese Woche Donnerstag (23.10.) Vortragender:
MehrGeist im Computer? Vortrag in der Reihe Kortizes Nürnberg, 2. April Christoph von der Malsburg. Frankfurt Institute for Advanced Studies
Geist im Computer? VON KÜNSTLICHER INTELLIGENZ ZU AUTONOMEN ORGANISMEN Vortrag in der Reihe Kortizes Nürnberg, 2. April 2019 Christoph von der Malsburg Frankfurt Institute for Advanced Studies Malsburg@fias.uni-frankfurt.de
MehrVorlesung. Wissensbasierte Systeme
Vorlesung 1. Einführung - KI, : was ist das? 2. Wer suchet der findet - Problemlösen und Suchmethoden 3. Making it explicit - Logik und Inferenz 4. Ausnahmen sind die Regel - Nichtmonotones Schließen 5.
MehrMathematisch-algorithmische Grundlagen für Big Data
Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2017
MehrEinführung in die Informatik Turing Machines
Einführung in die Informatik Turing Machines Eine abstrakte Maschine zur Präzisierung des Algorithmenbegriffs Wolfram Burgard 1 Motivation und Einleitung Bisher haben wir verschiedene Programmiersprachen
Mehr1 Symbolische Repräsentation
Universität Bielefeld Was ist Intelligenz? 1 Symbolische Repräsentation 1. Vorlesung: Einführung; Intelligenter Agent Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2004/2005 [Philosophisches Wörterbuch,
MehrKünstliche Intelligenz Logische Agenten & Resolution
Künstliche Intelligenz Logische Agenten & Resolution Stephan Schwiebert WS 2009/2010 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln Inferenz-Algorithmus Wie könnte ein
MehrKünstliche Intelligenz
Künstliche Intelligenz Dr. Claudia Schon schon@uni-koblenz.de Arbeitsgruppe Künstliche Intelligenz Universität Koblenz-Landau Organisatorisches Termine: an allen Dienstagen und Donnerstagen im September
Mehr/26
7 8 3 3 7 2 8 2 8. /2 Sudoku 2 2 3 3 7 7 8 8 8 Füllen Sie die leeren Felder so aus, dass in jeder Zeile, in jeder Spalte und in jedem 3x3 Kästchen alle Zahlen von bis stehen.. 2/2 Warum? 7 8 3 3 7 2 8
MehrMaschinelles Lernen Entwicklung und aktuelle Anwendungen
Maschinelles Lernen Entwicklung und aktuelle Anwendungen martin.loesch@kit.edu (0721) 608 45944 Forschungsrichtungen des ML Praxisorientiert Aufgabenorientierte, lernende Systeme Wissenserwerb (Knowledge
Mehr