Zusammenfassung KI (von Marco Piroth)
|
|
- Bastian Hartmann
- vor 6 Jahren
- Abrufe
Transkript
1 Zusammenfassung KI (von Marco Piroth) Definition: KI ist das Teilgebiet der Informatik, das sich damit beschäftigt, menschliche, intelligente Verhaltensweisen auf einer Maschine nachzuvollziehen. Softwaretechnische Methoden: z.b.: OO, Studium von Prototypen, kontinuierliche Weiterentwicklung (exploratives Programmieren) Anwendungsgebiete der KI: Schlussfolgerung Deduktive Systeme Sehen Bildverstehende Systeme Hören Spracherkennung Lesen Sprachverarbeitung Bewegen Robotik Lehren Tutorielle Systeme Sprechen Sprachgenerierung Merken Wissensrepräsentation Lernen Wissensakquisition KI-Methoden: Überführung von Eingabedaten in die interne Wissensrepräsentation Repräsentation von Wissen Such- und Inferenzprozesse über Wissensstrukturen Organisationsstrukturen für kognitive Systeme Turing-Test: Experte führt abwechselnd Dialog mit einem Menschen und einem KI-System, ohne zu wissen, welche Leitung wer ist. Gelingt es dem Experten nicht, das KI-System gegenüber dem Menschen eindeutig zu identifizieren, hat das KI-System den Turing-Test bestanden. Chinesisches Zimmer: Kann man ein System bauen, das nur durch formale Interpretation, ohne ein wirkliches tiefes Verständnis der realen Welt menschliches intelligentes Verhalten realisiert? Nein, da man nicht in unendlich viele Meta-Ebenen gehen kann. Das MIN-MAX-Verfahren: Beteiligt: 2 nichtkooperative Aktoren Suchgraph meist extrem groß (Schach: ) heuristische Suche nach vollständigem Lösungsweg aussichtslos. daher: Bewertung des nächsten Handlungsschrittes (Vorausschau & einige Züge bewerten) Annahmen bei Min-Max: der jeweilige Gegenspieler entscheidet sich immer für seinen besten Zug (nach MM) Nachteile: - Zahl als Positionsbewertung ist wenig aussagekräftig (wie ist sie entstanden?) - Hoher Aufwand: alle möglichen Nachfolger erzeugen und Pfade berechnen
2 Modelle und Verfahren: Suche in Bäumen: große Komplexität durch kombinatorische Explosion. TI: Bäume mit exponentieller Komplexität mit polynomiellem Aufwand berechnen. KI: Verzicht auf die beste Lösung, Faustregeln (Heuristiken) s. Handelsreisender allgemein (schwach) problemspezifisch (stark) z.b. Bestensuche, Tiefensuche mit Backtracking, Breitensuche, Bergsteigen konventionelle Informatik: Algorithmus KI: deklarative Sicht des Problems konventionelle Problemlösung: Daten - Problemanalyse - Problem beschreiben - Problem lösen (Algorithm) - Lösungsweg kodieren Programm Rechner Ergebniss Wissensbasierte Problemlösung: Fakten - Problem analysieren - Problem darstellen - Wissen sammeln - Wissen darstellen Schlußfolgerungsmaschine Problemlösung Formale Problembeschreibung: 1. Definition eines Zustandsraumes, der alle möglichen Konfigurationen der relevanten Objekte enthält 2. Festlegung von Anfangszuständen 3. Festlegung von Endzuständen 4. Angabe einer Menge von Regeln, die die verfügbaren Tätigkeiten (Operatoren) beschreiben. Die Regeln sollen einen Zustand des Raums in einen anderen überführen
3 Formale Unterschiede: Datenverarbeitung Ausgangspunkt: Verarbeitung von Zahlen Wenige Datentypen, viele Instanzen Strukturiertes Programmieren Verarbeitungsablauf ist explizit festgelegt Wissensverarbeitung Ausgangspunkt: Verarbeitung symbolischer Ausdrücke Viele Strukturtypen, wenige Instanzen Exploratives Programmieren Verarbeitungsablauf durch Anwendung von Regeln implizit oder gar nicht vorgegeben Verarbeitung unvollständiger Strukturen ist möglich Nur vollständige Programme können abgearbeitet werden C, Pascal... Lisp, Prolog, Smalltalk normale PC s hochauflösende BS, Fenster, Maus Inhaltliche Unterschiede: Datenverarbeitung KI monotone, strukturierte, definierte Prozesse komplexe Prozesse, diffuses Wissen Systementwickler schreibt mit Wissen Prog. Wissen transferieren in KI-System nur Programmierer kann den Prozess erklären KI-System kann Prozess erklären Verarbeitung homogen strukturierter Massendaten bei formaler Spezifikation Korrektheitsbew. Heuristiken, diffuses Wissen kein KorBew. Komplexität: Umfang der Datenmenge Reichhaltigkeit der Wissens-Strukturen Probleme bei Suchverfahren: Suchrichtung: vorwärts rückwärts (Verzweigungsfaktor beachten!) Topologie des Baumes: Graph, Wiederholungen vermeiden Wissensdarstellung in Knoten: Fortschreibung des Wissen von Knoten zu Knoten Auswahl der Regel: Konfliktmenge (anwendbare Regeln) wegen Komplexität nicht immer bestimmbar Heuristiken: stark schwach Allgemeinheuristiken: 1. Tiefensuche 2. Tiefensuche mit Backtracking 3. Breitensuche in KI unmöglich, da Graphen zu groß sind 4. Bidirektionale Suche Start- und Zielzustand gleichzeitig (Probleme reduzieren) 5. Erzeugen und Prüfen Weg erzeugen -> Zielzustand? -> bis Lösung gefunden (Lotto) 6. Problemreduzierung: UND-ODER-Graph 7. Beschränktheitserfüllung Lösung = Menge von Einschränkungen 8. Auffinden von stabilen Zuständen (ich fahr nach Frankfurt, dann seh ich weiter) 9. Blinde Suche in jedem Zustand: wähle erfolgsversprechensten Weg Bergsteigen 10. Bestensuche
4 Strategien der Abbildung der realen Welt in einem Computer: closed world assumption (Annahme einer geschlossenen Welt) was sich nicht beweisen lässt, ist falsch default reasoning (Schließen mangels besseren Wissens) wenn PC was nicht weiß, schließt er aus anderen Wissenseinheiten (Pinguin) Abhilfe: nicht-monotone Logik common sense reasoning (gesunder Menschenverstand, Alltagswissen) zusätzliche Infos aus Mitteilungen herleiten Formen menschlichen Wissens: statisches Wissen dynamisches, aktives Wissen oberflächliches, diffuses Wissen Spezialwissen heuristisches Wissen: hierarchische Struktur prozedurales Wissen: Rezept deklaratives Wissen: Daten ( = 3,14) Wissensrepräsentationsformalismen: 1. Natürliche Sprache große Ausdruckskraft, Redundant, Kontext/ Hintergrundwissen 2. Logik Terme und Formeln, Rückwärtsverkettung *1 3. Produktionsregeln mit Vorbedingungen versehene Aktionen, Vorwärtsverkettung 4. semantische Netze Konzepte (Knoten) die in Beziehung stehen (Kanten) ISA, HASA, CD-Graphen 5. Frames 6. analoge Repräsentation nicht-symbolische Darstellung, keine formale Interpretierbarkeit 7. Skripts (Drehbücher) komplexe Aktionen, Sequenz von Ereignissen mit Zusammenhang *1: Resolutionsverfahren: gegeben: Menge von Aussagen, logisch verknüpft Ziel: Bewies einer neuen Aussage / Behauptung 1. Überführen in kognitive Normalform 2. Negiere Behauptung 3. Schleife: Beginne mit der negierten Behauptung, kombiniere mit anderen Aussagen Resolvente bis leere Resolvente
5 KI-Programmiersprachen: einfache Syntax Symbole, nicht Zahlen stehen im Vordergrund keine Datentypen keine Unterscheidung zwischen Daten und Anweisungen LISP (List Processing): Es gibt Atome (Wörter) und Listen, Listen können ausgewertet und so als Funktionsaufrufe interpretiert werden. Prolog (Programing with Logic): Der Benutzer gibt nur Fakten und Regeln ein, der Rechner leitet neues Wissen daraus ab und versucht eine Problemlösung mithilfe dieses Wissens zu finden. Smalltalk (objektorientiert): Programmierung mit Klassen und Objekten. Senden von Nachrichten über Methoden-Aufrufe.
6 Anwendungsgebiete der KI-Programmierung: Expertensysteme Büro Natürlichsprachliche Systeme Bilderkennung Industrielle Fertigung Robotik Anforderungen an Expertensysteme: Erkennen fachspezifischer Aufgabenstellungen und Formulierung in Fachsprache Korrekte und vollständige Problemlösung Verständliche Formulierung für den Kunden Erklärung des Losungsweges Hilfe bei der Anwendung der Lösung Aufgabengebiete: Interpretation, Diagnose, Planen, Konstruktion, Beweisen, Tutoring Architektur eines Expertensystems: Benutzer Dialogkomponente Erklärungskomponente Problemlösungskomponente Wissensakquisitionskomponente Dialogwissen Wissensbasis Problemlösungsmethoden: Klassifikation (Diagnose) Konstruktion (Beschränktheitserfüllung) Simulation
Thinking Machine. Idee. Die Thinking Machine Visualisierung versucht, die Denkprozesse eines Schachcomputers sichtbar zu machen
Thinking Machine (http://www.turbulence.org/spotlight/thinking/) Idee Die Thinking Machine Visualisierung versucht, die Denkprozesse eines Schachcomputers sichtbar zu machen Sie wurde von Martin Wattenberg
MehrZustandsraumsuche: Blinde und Heuristische Suche. Blinde und Heuristische Suche
Zustandsraumsuche: Blinde und Heuristische Suche Einführung in die KI Übungsstunde am 01.11.04 Benmin Altmeyer 1 Heute im Angebot Was ist Suche? Suche als Probemlösung Zustandsraumsuche Vollständigkeit
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
MehrWissensbasierte Systeme
WBS4 Slide 1 Wissensbasierte Systeme Vorlesung 4 vom 03.11.2004 Sebastian Iwanowski FH Wedel WBS4 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien
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 Expertensysteme
Frank Puppe Einführung in Expertensysteme Zweite Auflage Mit 86 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo HongKong Barcelona Budapest Inhaltsverzeichnis Teil I. Einführung
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
MehrWissensbasierte Systeme. Kombinatorische Explosion und die Notwendigkeit Heuristischer Suche. Heuristiken und ihre Eigenschaften
1 Michael Beetz Technische Universität München Wintersemester 2004/05 Kombinatorische Explosion und die Notwendigkeit Heuristischer Suche 2 3 der Eigenschaften der 4 : 8-Puzzle 5 Heuristiken und ihre Eigenschaften
MehrHeuristische Suchverfahren
Heuristische Suchverfahren Suchprozesse sind ein wichtiger Bestandteil unterschiedlicher Problemlöseverfahren z.b. Bestimmung der Konfliktmenge in Produktionssystemen Suche nach resolvierbaren Klauseln
MehrWissensbasierte Suche
Wissensbasierte Suche Jürgen Dorn Inhalt uninformierte Suche wissensbasierte Suche A* und IDA* Algorithmus Suche in Und/Oder-Graphen Jürgen Dorn 2003 Wissensbasierte Suche 1 Suche Suche in (expliziten
MehrWissensbasierte Systeme
WBS5 Slide 1 Wissensbasierte Systeme Vorlesung 5 vom 17.11.2004 Sebastian Iwanowski FH Wedel WBS5 Slide 2 Wissensbasierte Systeme 1. Motivation 2. Prinzipien und Anwendungen 3. Logische Grundlagen 4. Suchstrategien
MehrEinführung Grundbegriffe
Einführung Grundbegriffe 1.1 Der Modellbegriff Broy: Informatik 1, Springer 1998 (2) Die Modellbildung der Informatik zielt auf die Darstellung der unter dem Gesichtspunkt einer gegebenen Aufgabenstellung
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:
MehrWissensbasierte Systeme
WBS3 Slide 1 Wissensbasierte Systeme Sebastian Iwanowski FH Wedel Kap. 3: Algorithmische Grundlagen der KI WBS3 Slide 2 Suchstrategien Warum sind Suchstrategien so wichtig in Wissensbasierten Systemen?
MehrIntelligente Maschinen
William В. Gevarter Intelligente Maschinen Einführung in die Künstliche Intelligenz und Robotik VCH Inhalt Vorwort Danksagung Teil I Künstliche Intelligenz (KI) 1 1 Was ist künstliche Intelligenz? 3 1.1
MehrEigenschaften der Resolution für PL1 Formeln
Eigenschaften der Resolution für PL1 Formeln Widerlegungsvollständigkeit (ohne Beweis): Sofern man Resolution auf eine widersprüchliche Klauselmenge anwendet, so existiert eine endliche Folge von Resolutionsschritten,
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 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,
MehrKonstruktion von Common Sense-Ontologien durch Analyse natürlicher Sprache
Konstruktion von Common Sense-Ontologien durch Analyse natürlicher Sprache Bachelor of Science Abschlussarbeit Ruth Janning FernUniversität in Hagen Fakultät für Mathematik und Informatik, Lehrgebiet Wissensbasierte
MehrGrundlagen der KI + Reasoning Agents
Grundlagen der KI + Reasoning Agents Prof. Thielscher Welche heuristischen Suchverfahren gibt es? Erläutern Sie A* am Beispiel. Aufbau und Schlussfolgerungen von Bayesschen Netzen. Thielscher drängt auf
Mehr1. Grundkonzepte der logischen Programmierung 2. Syntax von Prolog 3. Rechnen in Prolog. IV.1 Grundkonzepte der logischen Programmierung - 1 -
1. Grundkonzepte der logischen Programmierung 2. Syntax von Prolog 3. Rechnen in Prolog IV.1 Grundkonzepte der logischen Programmierung - 1 - Übersicht Imperative Sprachen Deklarative Sprachen Folge von
MehrWas ist Logik? Was ist Logik? Aussagenlogik. Wahrheitstabellen. Geschichte der Logik eng verknüpft mit Philosophie
Was ist Logik? Geschichte der Logik eng verknüpft mit Philosophie Begriff Logik wird im Alltag vielseitig verwendet Logik untersucht, wie man aus Aussagen andere Aussagen ableiten kann Beschränkung auf
MehrWas bisher geschah. Aufgaben: Diagnose, Entscheidungsunterstützung Aufbau Komponenten und Funktion
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Wissensrepräsentation und -verarbeitung: Wissensbasis Kontextwissen Problemdarstellung fallspezifisches Wissen repräsentiert
MehrEinführung in Heuristische Suche
Einführung in Heuristische Suche Beispiele 2 Überblick Intelligente Suche Rundenbasierte Spiele 3 Grundlagen Es muss ein Rätsel / Puzzle / Problem gelöst werden Wie kann ein Computer diese Aufgabe lösen?
MehrUniversität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / WS 2003/2004. Jun.-Prof. Dr. B.
Universität Koblenz-Landau Fachbereich Informatik Klausur Einführung in die Künstliche Intelligenz / Künstliche Intelligenz für IM Name, Vorname: Matrikel-Nr.: Studiengang: WS 2003/2004 Jun.-Prof. Dr.
MehrSuche in Spielbäumen Spielbäume Minimax Algorithmus Alpha-Beta Suche. Suche in Spielbäumen. KI SS2011: Suche in Spielbäumen 1/20
Suche in Spielbäumen Suche in Spielbäumen KI SS2011: Suche in Spielbäumen 1/20 Spiele in der KI Suche in Spielbäumen Spielbäume Minimax Algorithmus Alpha-Beta Suche Einschränkung von Spielen auf: 2 Spieler:
MehrDeduktion in der Aussagenlogik
Deduktion in der Aussagenlogik Menge von Ausdrücken der Aussagenlogik beschreibt einen bestimmten Sachverhalt, eine "Theorie" des Anwendungsbereiches. Was folgt logisch aus dieser Theorie? Deduktion: aus
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
MehrJochen Ziegenbalg Oliver Ziegenbalg Bemd Ziegenbalg. Algorithmen. von Hammurapi bis Gödel. 2., verbesserte Auflage Verlag g;> Harri Deutsch
Jochen Ziegenbalg Oliver Ziegenbalg Bemd Ziegenbalg Algorithmen von Hammurapi bis Gödel 2., verbesserte Auflage 2007 Verlag g;> Harri Deutsch Inhalt Einleitung 1 Vorbemerkungen: Stellenwert des Themas,
MehrEinführung in die Methoden der Künstlichen Intelligenz. Klausurvorbereitung Überblick, Fragen,...
Einführung in die Methoden der Künstlichen Intelligenz Klausurvorbereitung Überblick, Fragen,... PD Dr. David Sabel SoSe 2014 Stand der Folien: 18. Juli 2014 Klausur Termin: Donnerstag 31. Juli um 9.15h
MehrDer intelligente Hamster
Der intelligente Hamster + Johannes Arz 1/17 Gliederung 1. Motivation 2. Modellbildung 3. Das Hamster-Modell 4. Grundlagen der Künstlichen Intelligenz 5. Das Problem der Wasserkrüge 6. Das Labyrinth und
MehrObjektorientierte Programmierung. Agenda für heute, 1. April, Eines der drei wichtigsten Programmierparadigmen
Agenda für heute, 1. April, 2010 Imperatives vs. objektorientiertes Programmieren Lesen Sie den Begleittext Seite 79 85 Eines der drei wichtigsten Programmierparadigmen (Paradigma: Denkmuster) Imperative
MehrPraktische Eine Einführung
Gregor Büchel Praktische Eine Einführung Lehr- und Arbeitsbuch mit Tafelbildern Mit 65 Abbildungen und Tabellen Springer Vorwort V 1 Was ist Informatik? 1 1.1 Datenflusspläne 2 1.1.1 Symbole eines 2 1.1.2
MehrAlgorithmen und Datenstrukturen
Algorithmen und Datenstrukturen Datenstrukturen: Anordnung von Daten, z.b. als Liste (d.h. in bestimmter Reihenfolge) Beispiel: alphabetisch sortiertes Wörterbuch... Ei - Eibe - Eidotter... als Baum (d.h.
MehrProseminar Komplexitätstheorie P versus NP Wintersemester 2006/07. Nichtdeterministische Turingmaschinen und NP
Proseminar Komplexitätstheorie P versus NP Wintersemester 2006/07 Vortrag am 17.11.2006 Nichtdeterministische Turingmaschinen und NP Yves Radunz Inhaltsverzeichnis 1 Wiederholung 3 1.1 Allgemeines........................................
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,
Mehr9. Heuristische Suche
9. Heuristische Suche Prof. Dr. Rudolf Kruse University of Magdeburg Faculty of Computer Science Magdeburg, Germany rudolf.kruse@cs.uni-magdeburg.de S Heuristische Suche Idee: Wir nutzen eine (heuristische)
MehrHochschule R avensburg-weingarten University of Applied S ciences Default-Logik Benjamin R ana Angewandte Informatik, Informationsnetze 7.
Default-Logik Überblick Motivation Nichtmonotone-Logik Reiter-Logik Syntax Semantik Extensions Simulator Motivation Mit klassischer Logik lassen sich viele Zusammenhänge nicht einfach darstellen Was tun
MehrProlog basiert auf Prädikatenlogik
Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:
MehrObjektorientierte Programmierung. Agenda für heute, 26. März, Eines der drei wichtigsten Programmierparadigmen
Agenda für heute, 26. März, 2009 Imperatives vs. objektorientiertes Programmieren Lesen Sie den Begleittext Seite 79 85 Eines der drei wichtigsten Programmierparadigmen (Paradigma: Denkmuster) Imperative
Mehr2. Grundlagen wissensbasierter Systeme
2. Grundlagen wissensbasierter Systeme 12 2. Grundlagen wissensbasierter Systeme Wissensbasierte Systeme (WBS) stellen einen Forschungsgegenstand dar, mit dem sich die Künstliche Intelligenz (KI) als Wissenschaftsdisziplin
MehrGrundlagen der Informatik I Einführung
Grundlagen der Informatik I Einführung Konzepte imperativer Programmierung : Six, H.W., 99 Themen der heutigen Veranstaltung 1. Informatik, Computer, Programmierung 2. Problem und Algorithmus 3. Programme
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 27. Aussagenlogik: Logisches Schliessen und Resolution Malte Helmert Universität Basel 28. April 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26.
MehrKünstliche Intelligenz
Künstliche Intelligenz Logische Agenten Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 02. November 2011 Logische Agenten Wissensbasierte Agenten Eine Modellwelt Aussagen Logik
MehrStud.-Nummer: Datenstrukturen & Algorithmen Seite 1
Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1 Aufgabe 1. / 16 P Instruktionen: 1) In dieser Aufgabe sollen Sie nur die Ergebnisse angeben. Diese können Sie direkt bei den Aufgaben notieren. 2) Sofern
MehrEIGENSCHAFTEN VON SPRACHEN
Vorlesung und Übung Universität Paderborn Wintersemester 2016/2017 Dr. Peter Pfahler EIGENSCHAFTEN VON SPRACHEN EWS, WS 2016/17, Pfahler C-1 Einführung Sprachen in der Informatik werden für bestimmte Zwecke
MehrBeispiele. mit. Beispiel 2.3. Suche einen Weg von nach. Tiefensuche bzw. Breitensuche.
2. Suchverfahren Uninformierte Suchverfahren Beispiel 2.4. Ein Weinhändler hat drei Krüge, einen von 9 Liter, einen von 7 Liter und einen von 4 Liter Inhalt. Auf den Krügen sind keine Litermarkierungen
MehrABITURPRÜFUNG 2008 LEISTUNGSFACH INFORMATIK
ABITURPRÜFUNG 2008 LEISTUNGSFACH INFORMATIK (HAUPTTERMIN) Arbeitszeit: 270 Minuten Hilfsmittel: Wörterbuch zur deutschen Rechtschreibung Taschenrechner (nicht programmierbar, nicht grafikfähig) (Schüler,
MehrEinführung in die Methoden der Künstlichen Intelligenz. Suche bei Spielen
Einführung in die Methoden der Künstlichen Intelligenz Suche bei Spielen Dr. David Sabel WS 2012/13 Stand der Folien: 5. November 2012 Zwei-Spieler-Spiele Ziel dieses Abschnitts Intelligenter Agent für
MehrKünstliche Intelligenz
Künstliche Intelligenz Vorlesung 4: Suchverfahren Informierte Suche 1/132 INFORMIERTE SUCHSTRATEGIEN (ISS) Benutzt neben der Definition des Problems auch problemspezifisches Wissen. Findet Lösungen effizienter
MehrAufgabe 1 (Allgemeines)
Klausur... Einführung in die Künstliche Intelligenz 1SS08 Aufgabe 1 (Allgemeines) (4 Punkte) a) In der Künstlichen Intelligenz unterscheidet man symbolische und subsymbolische Verfahren. Beschreibe diese
MehrKapitel 1 1 Einleitung
Kapitel 1 Einleitung 1 1 1 Einleitung 1 Einleitung Die Informatik begegnet uns im Alltag ständig. Einmal natürlich als Rechenanlagen, die wir in Büros, Arztpraxen und zu Hause sehen. Zum anderen ist sie
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)
MehrKonzepte der Programmiersprachen
Konzepte der Programmiersprachen Lehrstuhl Prof. Plödereder Eduard Wiebe Institut für Softwaretechnologie Abteilung Programmiersprachen und Übersetzerbau Sommersemester 2007 Programm-Ausführung Programmiersprachen
MehrSpiele. Programmierpraktikum WS04/05 Lange/Matthes 106
Spiele Programmierpraktikum WS04/05 Lange/Matthes 106 Theorie eines Spiels mathematisch: k-spieler Spiel ist Graph G = (V, E) wobei V partitioniert in V 1,..., V k Knoten v V heissen Konfigurationen oft
MehrDaten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten)
Was bisher geschah Daten, Information, Wissen explizites und implizites Wissen Expertensysteme (Aufgaben, Aufbau, Komponenten) Wissensrepräsentation und -verarbeitung in klassischer Aussagenlogik: Entscheidungstabellen,
MehrModellprüfung von UML-Zustandsmaschinen und UML-Kollaborationen in SAL
Institut für Informatik, Lehr- und Forschungseinheit für Programmierung und Softwaretechnik der Ludwig-Maximilians-Universität München Diplomarbeit Modellprüfung von UML-Zustandsmaschinen und UML-Kollaborationen
MehrLogische Programmierung
Logische Programmierung B-82 Deklaratives Programmieren in Prädikatenlogik: Problem beschreiben statt Algorithmus implementieren (idealisiert). Grundlagen: Relationen bzw. Prädikate (statt Funktionen);
MehrProblemlösen. Zahl Ebene und Raum Größen Daten und Vorhersagen. Fachsprache, Symbole und Arbeitsmittel anwenden
Curriculum Mathematik 3. Klasse Aus den Rahmenrichtlinien Die Schülerin, der Schüler kann Vorstellungen von natürlichen, ganzen rationalen Zahlen nutzen mit diesen schriftlich im Kopf rechnen geometrische
MehrInhaltsverzeichnis. Kurseinheit 1. Kurseinheit 2
iii Inhaltsverzeichnis Kurseinheit 1 1 Von der Aufgabenstellung zum Programm... 1 1.1 Motivation... 1 1.2 Softwareentwicklung... 2 1.3 EXKURS: Unified Modeling Language (UML)... 4 2 Anforderungsanalyse...
MehrAlgorithmentheorie 1. Vorlesung
Algorithmentheorie 1. Vorlesung Martin Dietzfelbinger 6. April 2006 FG KTuEA, TU Ilmenau AT 06.04.2006 Methode, Material Vorlesung Vorlesungsskript (Netz, Copyshop) Folien (im Netz) Vorlesung nachbereiten!
MehrWissensrepräsentation 2
Wissensrepräsentation Jürgen Dorn Inhalt Wissen und Intelligenz deklarative versus prozedurale Wissensrepräsentation Wissensbasierte Systeme Wissensrepräsentationsformalismen Das Auto springt nicht an!
MehrDiskrete Strukturen Kapitel 1: Einleitung
WS 2015/16 Diskrete Strukturen Kapitel 1: Einleitung Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_15
MehrResolutionskalkül. wird t als eine Menge K t von Klauseln geschrieben, welche die einzelnen Maxterme repräsentieren:
Resolutionskalkül Ein Kalkül ist eine Kollektion von syntaktischen Umformungsregeln, die unter gegebenen Voraussetzungen aus bereits vorhandenen Formeln neue Formeln erzeugen. Der Resolutionskalkül besteht
Mehr5.1 Inferenz. Theorie der Informatik. Theorie der Informatik. 5.1 Inferenz. 5.2 Resolutionskalkül. 5.3 Zusammenfassung. Inferenz: Motivation
Theorie der Informatik 9. März 2015 5. Aussagenlogik III Theorie der Informatik 5. Aussagenlogik III 5.1 Inferenz Malte Helmert Gabriele Röger 5.2 Resolutionskalkül Universität Basel 9. März 2015 5.3 Zusammenfassung
MehrInterdisziplinäre fachdidaktische Übung: Modelle für Sprachen in der Informatik. SS 2016: Grossmann, Jenko
Interdisziplinäre fachdidaktische Übung: Modelle für Sprachen in der SS 2016: Grossmann, Jenko Die Beschreibung orientiert sich am Begriffssystem der Beschreibung natürlicher Sprachen Sprache in der steht
MehrWissensmanagement WS 2010/2011
Wissensmanagement Sibylle Schwarz Westsächsische Hochschule Zwickau Dr. Friedrichs-Ring 2a, RII 263 http://wwwstud.fh-zwickau.de/~sibsc/ sibylle.schwarz@fh-zwickau.de WS 2010/2011 Motivation Wie wird Wissen
MehrGrundlagen der Kognitiven Informatik
Grundlagen der Kognitiven Informatik Problemlösen Ute Schmid unterstützt von Michael Siebers Kognitive Systeme, Angewandte Informatik, Universität Bamberg letzte Änderung: 27. Oktober 2010 U. Schmid (CogSys)
MehrAlgorithmierung und Programmierung - immer aktuell. Material, S.54ff.
Algorithmierung und Programmierung - immer aktuell Material, S.54ff. Was scheint den wichtig für IU? Mittelschule (10): PC-Technik kennenlernen Anwendungen beherrschen Grundwissen Internet Verständnis
MehrAnwendungen der Logik: Deklarative bzw. Logik-Programmierung in PROLOG
Logik für Informatik Technische Universität Darmstadt Sommersemester 2003 Fachbereich Mathematik Mathias Kegelmann 8. Juli 2003 Anwendungen der Logik: Deklarative bzw. Logik-Programmierung in PROLOG Übersicht
MehrEinfacher Problemlösungsagent. Übersicht. Begriffsdefinitionen für Einfach-Probleme
Übersicht I Künstliche Intelligenz II Problemlösen 3. Problemlösen durch Suche 4. Informierte Suchmethoden 5. Constraint-Probleme 6. Spiele III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres
MehrABITURPRÜFUNG 2007 LEISTUNGSFACH INFORMATIK
ABITURPRÜFUNG 2007 LEISTUNGSFACH INFORMATIK (HAUPTTERMIN) Arbeitszeit: 270 Minuten Hilfsmittel: Wörterbuch zur deutschen Rechtschreibung Taschenrechner (nicht programmierbar, nicht grafikfähig) (Schüler,
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrUninformierte Suche in Java Informierte Suchverfahren
Uninformierte Suche in Java Informierte Suchverfahren Stephan Schwiebert WS 2008/2009 Sprachliche Informationsverarbeitung Institut für Linguistik Universität zu Köln 8-Damen-Problem Gegeben: Schachbrett
MehrInduktion und Rekursion
Mathematische Beweistechniken Vorkurs Informatik SoSe13 10. April 013 Mathematische Beweistechniken Ziel Mathematische Beweistechniken Ziel beweise, dass eine Aussage A(n) für alle n N gilt. Beispiel Für
MehrSemantik von Programmiersprachen SS 2017
Lehrstuhl für Programmierparadigmen Denis Lohner Sebastian Ullrich denis.lohner@kit.edu sebastian.ullrich@kit.edu Semantik von Programmiersprachen SS 2017 http://pp.ipd.kit.edu/lehre/ss2017/semantik Lösungen
MehrObjektorientierte Programmierung. Kapitel 3: Syntaxdiagramme
Stefan Brass: OOP (Java), 3. 1/31 Objektorientierte Programmierung Kapitel 3: Stefan Brass Martin-Luther-Universität Halle-Wittenberg Wintersemester 2014/15 http://www.informatik.uni-halle.de/ brass/oop14/
MehrProgrammierkurs II. C und Assembler
Programmierkurs II C und Assembler Prof. Dr. Wolfgang Effelsberg Universität Mannheim Sommersemester 2003 1-1 Inhalt Teil I: Die Programmiersprache C 2. Datentypen und Deklarationen 3. Operatoren und Ausdrücke
MehrRationale Agenten Rationalität
Rationale Agenten Rationalität des Agentenverhaltens hängt ab von Performanzmaß (auf dem Ergebnis der Agentenfunktion) vorgegebenem Wissen des Agenten über die Umgebung ausführbaren Aktionen aktueller
MehrZusammenfassung. Definition. 1 (x i ) 1 i n Sequenz von Registern x i, die natürliche Zahlen beinhalten. 2 P ein Programm. Befehle: 1 x i := x i + 1
Zusammenfassung Zusammenfassung der letzten LVA Einführung in die Theoretische Informatik Christina Kohl Alexander Maringele Georg Moser Michael Schaper Manuel Schneckenreither Eine Registermaschine (RM)
MehrAlgorithmen und Datenstrukturen 2-1. Seminar -
Algorithmen und Datenstrukturen 2-1. Seminar - Dominic Rose Bioinformatics Group, University of Leipzig Sommersemster 2010 Outline 1. Übungsserie: 3 Aufgaben, insgesamt 30 28 Punkte A1 Spannbäume (10 8
MehrKünstliche Intelligenz. Andreas Breckheimer
Künstliche Intelligenz Andreas Breckheimer Was versteht man unter Intelligenz Keine Allgemein gültige Definition! Verschiedene Wissenschaften geben Definitionsansätze (Medizin,Philosophie,etc.) Persönliche
MehrAussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen
Einführung in die Logik - 4 Aussagenlogische Widerlegungsverfahren zum Nachweis logischer Eigenschaften und Beziehungen Widerlegungsverfahren zum Aufwärmen: Bestimmung von Tautologien mittels Quick Falsification
Mehr2 Problemlösen und Suche
Universität Bielefeld Was ist Problemlösen? Problemlösen und Suche. Vorlesung: Suchprobleme und Suchalgorithmen; heuristische Suche Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 003/00 Unter Problemlösen
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 28. Aussagenlogik: DPLL-Algorithmus Malte Helmert Universität Basel 2. Mai 2014 Aussagenlogik: Überblick Kapitelüberblick Aussagenlogik: 26. Grundlagen 27. Logisches
Mehr3. Exkurs in weitere Arten der Programmierung
3. Exkurs in weitere Arten der Programmierung Inhalt: Objektorientierte Programmierung in C++ Funktional-Logische Programmierung in Prolog Funktional-logische Programmierung in Prolog Prolog Programming
Mehr2 Problemlösen und Suche
2 Problemlösen und Suche 4. Vorlesung: Suchprobleme und Suchalgorithmen; heuristische Suche Methoden der Künstlichen Intelligenz Ipke Wachsmuth WS 2008/2009 Kernfragen der Vorlesung 1. Wie lässt sich Wissen
MehrTeil III. Komplexitätstheorie
Teil III Komplexitätstheorie 125 / 160 Übersicht Die Klassen P und NP Die Klasse P Die Klassen NP NP-Vollständigkeit NP-Vollständige Probleme Weitere NP-vollständige Probleme 127 / 160 Die Klasse P Ein
MehrOntologiesprachen. 1.Was ist eine Ontologie 2.Aufbau einer Ontologie 3.RDF 4.RDFSchema 5.DAML+OIL / OWL 6.Frame-Logic
Ontologiesprachen 1.Was ist eine Ontologie 2.Aufbau einer Ontologie 3.RDF 4.RDFSchema 5.DAML+OIL / OWL 6.Frame-Logic 1.Was ist eine Ontologie Der Begriff leitet sich vom griechischen onta (das Seiende)
MehrEinführung in die Informatik I (autip)
Einführung in die Informatik I (autip) Dr. Stefan Lewandowski Fakultät 5: Informatik, Elektrotechnik und Informationstechnik Abteilung Formale Konzepte Universität Stuttgart 24. Oktober 2007 Was Sie bis
MehrGrundlagen der Künstlichen Intelligenz
Grundlagen der Künstlichen Intelligenz 6. Klassische Suche: Datenstrukturen für Suchalgorithmen Malte Helmert Universität Basel 7. März 2014 Klassische Suche: Überblick Kapitelüberblick klassische Suche:
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
Mehr1.3 Geschichte der Programmiersprachen
50er Jahre erste Definition höherer Programmiersprachen Effizienz maßgebliches Designziel FORTRAN (Backus) als Sprache für wissenschaftliches Rechnen (komplexe Berechnungen, einfachen Daten), Arrays, Schleifen,
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
MehrPhysical Symbol Systems Hypothesis (Newell, Simon)
HS Philosophische Grundlagen Kognitiver Systeme Physical Symbol Systems Hypothesis (Newell, Simon) Thomas Hecker 3. Sem. WI/Master SoSe 2006 Einleitung Physical Symbol Systems Hypothese Mitte der 50er
MehrProgrammieren. Hexenwerk oder Zauberspuk? Kinderuniversität Mittwoch, 16. März 2016 Kinder-Akademie Fulda & Hochschule Fulda
Programmieren Hexenwerk oder Zauberspuk? Kinderuniversität Mittwoch, 16. März 2016 Kinder-Akademie Fulda & Hochschule Fulda Peter Klingebiel, HS Fulda, DVZ Zur Vorlesung Wer bin ich? Peter Klingebiel Dipl.-Ing.
MehrUnentscheidbarkeitssätze der Logik
Unentscheidbarkeitssätze der Logik Elmar Eder () Unentscheidbarkeitssätze der Logik 1 / 30 Die Zahlentheorie ist nicht formalisierbar Satz (Kurt Gödel) Zu jedem korrekten formalen System der Zahlentheorie
MehrPro Informatik 2009: Objektorientierte Programmierung Tag 18. Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik
Tag 18 Marco Block-Berlitz, Miao Wang Freie Universität Berlin, Institut für Informatik 09.09.2009 Agenda Tag 16 Datenstrukturen Abstrakte Datentypen, ADT Folge: Stack, Queue, Liste, ADT Menge: Bäume:
MehrSmart Graphics: Methoden 2 Suche
LMU München Medieninformatik Butz/Hilliges Smart Graphics WS2005 23.11.2005 Folie 1 Smart Graphics: Methoden 2 Suche Vorlesung Smart Graphics Andreas Butz, Otmar Hilliges Mittwoch, 23. November 2005 LMU
Mehr