Künstliche Intelligenz

Transkript

1 Stuart Russell, Peter Norvig Künstliche Intelligenz Ein moderner Ansatz 2. Auflage Mit Beiträgen von: John F. Canny Douglas D. Edwards Jitendra M. Malik Sebastian Thrun ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam

2 Inhaltsverzeichnis Vorwort 11 Überblick über das Buch 12 Änderungen gegenüber der ersten Auflage 12 Wie Sie dieses Buch einsetzen können 13 Die Website 14 Danksagungen 14 Die Autoren 16 Kapitel 1 Einführung Was ist KI? Die Grundlagen der künstlichen Intelligenz Die Geschichte der künstlichen Intelligenz Die aktuelle Situation 49 Kapitel 2 Intelligente Agenten Agenten und Umgebungen Gutes Verhalten: das Konzept der Rationalität Die Natur der Umgebungen Die Struktur von Agenten 70 Kapitel 3 Problemlösung durch Suchen Problemlösende Agenten Beispielprobleme Die Suche nach Lösungen Uninformierte Suchstrategien Wiederholte Zustände vermeiden Suche mit partieller Information 117 Kapitel 4 Informierte Suche und Exploration Informierte (heuristische) Suchstrategien Heuristikfunktionen Lokale Suchalgorithmen und Optimierungsprobleme Lokale Suche in stetigen Räumen Online-Suchagenten und unbekannte Umgebungen 164 Kapitel 5 Probleme unter Rand- oder Nebenbedingungen Probleme unter Rand- und Nebenbedingungen Backtracking-Suche für CSPs 188

3 6 Inhaltsverzeichnis 5.3 Lokale Suche für Probleme unter Randund Nebenbedingungen Die Struktur von Problemen 200 Kapitel 6 Adversariale Suche Spiele Optimale Entscheidungen in Spielen Alpha-Beta-Kürzung Unvollständige Echtzeitentscheidungen Spiele mit Zufallskomponente Hochklassige Spielprogramme Diskussion 236 Kapitel 7 Logische Agenten Wissensbasierte Agenten Die Wumpus-Welt Logik Aussagenlogik: eine sehr einfache Logik Inferenzschemata in der Aussagenlogik Effektive aussagenlogische Inferenz Agenten auf der Basis von Aussagenlogik 285 Kapitel 8 Logik erster Stufe First-Order-Logik Wiederholung der Repräsentation Syntax und Semantik der Logik erster Stufe Anwendung der Logik erster Stufe Wissens-Engineering in Logik erster Stufe 327 Kapitel 9 Inferenz in der Logik erster Stufe Aussagen- und prädikatenlogische Inferenz Unifikation und Lifting Vorwärtsverkettung Rückwärtsverkettung Resolution 368 Kapitel 10 Wissensrepräsentation Ontologisches Engineering Kategorien und Objekte Aktionen, Situationen und Ereignisse Mentale Ereignisse und mentale Objekte Die Internet-Shopping-Welt Inferenzsysteme für Kategorien Schließen mit Defaultinformation Truth Maintenance-Systeme 446

4 Inhaltsverzeichnis 7 Kapitel 11 Planen Das Planungsproblem Planen mit Zustandsraumsuche Partiell ordnendes Planen Planungsgraphen Planen mit Aussagenlogik Analyse von Planungsansätzen 502 Kapitel 12 Planen und Agieren in der realen Welt Zeit, Zeitpläne und Ressourcen Hierarchisches Task-Netzwerk-Planen Planen und Agieren in nicht deterministischen Domänen Bedingtes Planen Ausführungsüberwachung und Neuplanen Stetiges Planen Multiagenten-Planen 553 Kapitel 13 Unsicherheit Handeln unter Unsicherheit Grundlegende Notation für die Wahrscheinlichkeit Die Axiome der Wahrscheinlichkeit Inferenz unter Verwendung vollständig gemeinsamer Verteilungen Unabhängigkeit Die Bayessche Regel und ihre Verwendung Eine erneute Betrachtung der Wumpus-Welt 594 Kapitel 14 Probabilistisches Schließen Wissensrepräsentation in unsicheren Domänen Die Semantik Bayesscher Netzwerke Effiziente Repräsentation bedingter Verteilungen Exakte Inferenz in Bayesschen Netzwerken Annähernde Inferenz in Bayesschen Netzwerken Erweiterung der Wahrscheinlichkeit auf Repräsentationen erster Stufe Weitere Ansätze zum unsicheren Schließen 641 Kapitel 15 Probabilistisches Schließen über die Zeit Zeit und Unsicherheit Inferenz in temporalen Modellen Hidden-Markov-Modelle Kalman-Filter Dynamische Bayessche Netzwerke Spracherkennung 696

5 8 Inhaltsverzeichnis Kapitel 16 Einfache Entscheidungen Glauben und Wünsche unter Unsicherheit kombinieren Grundlagen der Nutzentheorie Nutzenfunktionen Nutzenfunktionen mit Mehrfachattributen Entscheidungsnetzwerke Der Wert von Information Entscheidungstheoretische Expertensysteme 739 Kapitel 17 Komplexe Entscheidungen Sequentielle Entscheidungsprobleme Wert-Iteration Taktik-Iteration Partiell beobachtbare MEPs Entscheidungstheoretische Agenten Entscheidungen mit mehreren Agenten: Spieltheorie Mechanismenentwurf 781 Kapitel 18 Aus Beobachtungen lernen Lernformen Induktives Lernen Lernentscheidungsbäume Gruppenlernen Warum das Lernen funktioniert: Computer-Lerntheorie 815 Kapitel 19 Wissen beim Lernen Eine logische Formulierung des Lernens Wissen im Lernen Erklärungsbasiertes Lernen Lernen mit Relevanzinformation Induktive Logikprogrammierung 851 Kapitel 20 Statistische Lernmethoden Statistisches Lernen Lernen mit vollständigen Daten Lernen mit verborgenen Variablen: der EM-Algorithmus Instanzbasiertes Lernen Neuronale Netze Kernel-Maschinen Fallstudie: handschriftliche Ziffernerkennung 914 Kapitel 21 Verstärkendes (Reinforcement-)Lernen Einführung Passives verstärkendes Lernen 929

6 Inhaltsverzeichnis Aktives verstärkendes Lernen Verallgemeinerung beim verstärkenden Lernen Strategiesuche 948 Kapitel 22 Kommunikation Kommunikation als Aktion Eine formale Grammatik für ein Fragment von Englisch Syntaktische Analyse (Parsing) Erweiterte Grammatiken Semantische Interpretation Mehrdeutigkeit und Auflösung der Mehrdeutigkeit Gesprächsverständnis Grammatikinduktion 998 Kapitel 23 Probabilistische Sprachverarbeitung Probabilistische Sprachmodelle Informationsermittlung Informationsextraktion Maschinenübersetzungen 1032 Kapitel 24 Wahrnehmung Einführung Bildaufbau Frühe Operationen der Bildverarbeitung Dreidimensionale Information extrahieren Objekterkennung Verwendung der Vision für Manipulation und Navigation 1082 Kapitel 25 Robotik Einführung Roboter-Hardware Roboterwahrnehmung Bewegung planen Planung unsicherer Bewegungen Bewegung Software-Architekturen in der Robotik Anwendungsbereiche 1133 Kapitel 26 Philosophische Grundlagen Schwache KI: Können Maschinen intelligent handeln? Starke KI: Können Maschinen wirklich denken? Ethik und Risiken bei der Entwicklung künstlicher Intelligenz 1165

7 10 Inhaltsverzeichnis Kapitel 27 KI: Gegenwart und Zukunft Agentenkomponenten Agentenarchitekturen Gehen wir in die richtige Richtung? Was passiert, wenn die KI erfolgreich ist? 1182 Anhang A Mathematischer Hintergrund 1185 A.1 Komplexitätsanalyse und O()-Notation 1185 A.2 Vektoren, Matrizen und lineare Algebra 1188 A.3 Wahrscheinlichkeitsverteilungen 1190 Anhang B Hinweise zu Sprachen und Algorithmen 1193 B.1 Sprachen mit Backus-Naur-Form (BNF) definieren 1193 B.2 Algorithmen mit Pseudocode beschreiben 1194 B.3 Online-Hilfe 1195 Bibliographie 1197 Weitere deutschsprachige Bücher zur KI 1296 Sachregister 1299