Physical Symbol Systems Hypothesis (Newell, Simon)
|
|
- Kathrin Brinkerhoff
- vor 6 Jahren
- Abrufe
Transkript
1 HS Philosophische Grundlagen Kognitiver Systeme Physical Symbol Systems Hypothesis (Newell, Simon) Thomas Hecker 3. Sem. WI/Master SoSe 2006
2 Einleitung Physical Symbol Systems Hypothese Mitte der 50er Jahre von Newell/Simon entwickelt gesamte KogWiss geprägt durch Annahmen dieser Hypothese
3 Grundlagen/Definitionen Symbole physikalische Muster Ausdrücke (Symbolstrukturen) bestehen aus Symbolinstanzen stehen physikalisch in Beziehung S 1,S 2...S n (z.b. nebeneinander) Anzahl unbeschränkt
4 Grundlagen/Definitionen Typen, Rollen jeder Ausdruck besitzt einen Typ weist jeder Symbolposition eine Rolle zu S 1, S 2... S n T R 1, R 2... R n
5 Grundlagen/Definitionen Prozesse arbeiten auf Ausdrücken verändern dabei Ausdrücke an anderer Stelle create modify copy delete ansonsten sind Ausdrücke invariant! einige grundlegende Prozesse fest im System implementiert (Operatoren)
6 Grundlagen/Definitionen Bezeichnung (Designation) Ausdruck kann ein anderes Objekt bezeichnen gdw. System mit diesem Ausdruck das Objekt verändern sein Verhalten vom Objekt abhängig wird Symbole können bel. Audrücke bezeichnen (analog zu Variablen vs. Objekte) Ausdrücke können Prozesse bezeichnen (analog zu Funktionen vs. Fkt.Symbole)
7 Grundlagen/Definitionen Interpretation ein Ausdruck der einen Prozess bezeichnet, wird bei seiner Ausführung interpretiert d.h. Ausdrücke bilden selbst Prozesse können selbst über Symbole in anderen Prozessen interpretiert werden (Analogie zu Programmiersprachen)
8 Beispiel Newell (1980): Beispiel eines PSS
9 Beispiel Newell zeigte, dass mit diesem PSS beliebige Turingmaschinen simuliert werden können Turingmaschine lediglich symbolisch im Speicher des PSS repräsentiert
10 PSS & Universalität Church-Turing-These: alle algorithmisch berechenbaren Funktionen sind Turing-berechenbar PSS können bel. I/O Funktionen lernen (I/O in Abhängigkeit interner Zustände) PSS = universelle Maschine
11 PSS Hypothese Ein PSS hat die notwendigen und hinreichenden Mittel für allgemeine intelligente Handlungen allgemeine Intelligenz : charakterisiert durch menschl. Handlungsweisen zielorientiertes Verhalten Anpassungsfähigkeit an Umwelt (erzeugen/modifizieren v. Ausdrücken) allgemein schließt domänen-spezifische Systeme aus (rein reaktive Systeme können in kleinen Domains auch als intelligent angesehen werden)
12 Menschliche Intelligenz Newell (1980): Universalität Verhalten in Echtzeit Rationalität Verwendung v. Wissen über die Umwelt Robustheit gegenüber Fehler/Irrtümer Verwendung v. Symbolen Verwendung v. natürlicher Sprache (Selbst-)Bewußtsein Lernfähigkeit Weiterentwickeln von Fähigkeiten Weiterentwicklung durch Evolution Implementierbarkeit mit dem Gehirn als phys. System Implementierbarkeit als phys. System
13 PSS Hypothese (PSSH) Ein PSS hat die notwendigen und hinreichenden Mittel für allgemeine intelligente Handlungen notwendig : jedes intell. System ein PSS
14 PSS Hypothese (PSSH) Newell (1980) Notwendigkeit der symbolischen Informationsverarbeitung für Intell. Verhalten: vor Bearbeiten einer Aufgabe muss Ziel bezeichnet werden (nur symb. möglich) Kandidaten müssen generiert werden (auch nur symb. möglich) zur Lösung neuer Probleme ist Universalität nötig symb. Verarbeitung
15 PSS Hypothese (PSSH) Ein PSS hat die notwendigen und hinreichenden Mittel für allgemeine intelligente Handlungen hinreichend nicht jedes PSS per se intelligent sondern PSS hinreichender Größe weiter organisierbar sodass intell. Verhalten möglich
16 PSS Hypothese (PSSH) hinreichend (Forts.) jede universelle Maschine hat das Potential jede andere Maschine zu simulieren aber: Potential für Intell. System!= Intell. System Bsp: Computer ein System muss sich selbst zu einem intelligenten System machen können Voraussetzung: (autonome) Lernfähigkeit
17 PSS Hypothese (PSSH) Begründung für Formulierung der Hypothese eher vage: Historisch aufbauend auf Formale Logik Turingmaschinen + v. Neumann Rechner Listenverarbeitung + symb. Sprachen (LISP) Verbindung der Konzepte Berechenbarkeit phys. Realisierbarkeit Universalität symb. Interpretation v. Prozessen (Interpretierbarkeit) symb. Struktur und Bezeichnung (Designation)
18 PSS Hypothese (PSSH) PSSH ist eine Hypothese, kein Theorem nicht bewiesen (nicht beweisbar?) muss empirisch belegt werden 2 Teile: hinreichende Bedingung (KI): Systeme mit künstlicher Intelligenz entwickeln notwendige Bedingung (KogWiss) menschliche Kognition anhand von PSS erklären ( Kognitive Architekturen)
19 Heuristische Suche Erkenntnisse aus KI und KogWiss in die jeweils andere Disziplin übertragbar Bsp: Grundmechanismen von KI-Systemen (GPS) stammen Experimenten mit Versuchspersonen Suche nach Gemeinsamkeiten in KI-Systemen (zwecks Wiederverwendbarkeit) Erkenntnis: die meisten verwenden heuristische Suche zum Problemlösen Hypothese d. heuristischen Suche
20 Heuristische Suche Hypthese der Heur. Suche: Die Lösungen von Problemen werden als Symbolstrukturen repräsentiert. Ein PSS zeigt seine Intelligenz beim Problemlösen durch die Anwendung eines Suchprozesses, d.h. durch die Erzeugung und schrittweise Veränderung von Symbolstrukturen, bis eine Lösungsstruktur erreicht ist
21 Heuristische Suche Problembeschreibung Funktion zum Test ob Zustand eine Lösung ist (implizite Definition der Klasse aller Lösungsstrukturen) Funktion zur Generierung von Lösungsvorschlägen (Nachfolgezuständen) ausgehend vom aktuellen Zustand Problemlösen Suchbaum
22
23 Heuristische Suche die meisten Suchprobleme zu komplex um kompletten Suchbaum zu durchlaufen z.b. Schach: durchschnittl. Verzweigungsfaktor: intelligente Systeme beschränken den Verzweigungsfaktor Intelligenz nicht Umfang der realisierten Suche sondern Differenz zur uninformierten Suche
24 Heuristische Suche Beschränkung des Verzweigungsfaktors durch: αβ-pruning Best-First-Search (Means-End-Analysis) schwache Methoden beschränken Suchraum zwar, vermeiden aber Suche nicht vgl. hochstrukturierte Probleme: z.b. Lineare Programmierung
25 Heuristische Suche Intelligenz auch durch Fähigkeit, Problemlösungskapazität zu erhöhen: Gewinnen von neuem Wissen über Problemraum nichtlokale Informationsnutzung Identifizieren von Aktionen die später zu schlechten Ergebnissen führen semantische Erkennungssysteme Muster erkennen daraus Handlungen ableiten Erkennen ersetzt Suche (Bsp: Muster bei Schachmeistern) Auswahl geeigneter Problemrepräsentationen Vermeidung v. Suche durch richtige Repräsentation
26 Kritik an der PSSH Philosophie: z.b. Searle (1980):... simply based on the assumption that if the robot looks and behaves sufficiently like us,... it must have mental states like ours that cause and are expressed by its behavior and it must have an inner mechanism capable of producing such mental states. emp. Belege für PSSH nicht ausreichend? Psychologie: Behavorismus bis Gestalttheorie Newell/Simon: keine Konkurrenz zur PSSH, da zu vage, können immer im Sinne der PSSH interpretiert werden können nicht beweisen/zeigen, dass Erklärungsmechanismen hinreichend für intell. Systeme
27 Kritik an der PSSH Neurologie: Kritik durch Nichtbeachtung Newell (1980): Es muss eine neuronale Struktur geben, die als Architektur Symbolstrukturen unterstützt cf. Geschwind (1980), Newell (1962) neuronale Strukturen nur phys. Implementierung der PSSH
Seminar 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,
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
MehrDenken und Problemlösen: Einsicht und Umstrukturierung beim Problemlösen. Vanessa Mayer
Denken und Problemlösen: Einsicht und Umstrukturierung beim Problemlösen 25. 11. 2004 Vanessa Mayer I. Einsicht und Umstrukturierung beim Problemlösen Einsicht als plötzlicher Geistesblitz Vier-Phasen
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
MehrDie Grenzen der KI: Können Maschinen denken?
Die Grenzen der KI: Können Maschinen denken? Eine Argumentation von Searle (1986, 1990) und Churchland und Churchland (1990) Proseminar Denkmaschinen Sommersemester 2005 Vorgestellt von Matthias Bonnesen
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
MehrPsycholinguistik. Definition: Psycholinguistik (synonym: Sprachpsychologie) erforscht das kognitive (mentale) System, das den Sprachgebrauch erlaubt.
Psycholinguistik Definition: Psycholinguistik (synonym: Sprachpsychologie) erforscht das kognitive (mentale) System, das den Sprachgebrauch erlaubt. Teilgebiete der Psycholinguistik Können danach klassifiziert
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik 0 KIT 17.05.2010 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik nationales Forschungszentrum Vorlesung in am
MehrEINFÜHRUNG IN DIE THEORETISCHE INFORMATIK 0. ORGANISATORISCHES UND ÜBERBLICK
EINFÜHRUNG IN DIE THEORETISCHE INFORMATIK Prof. Dr. Klaus Ambos-Spies Sommersemester 2014 0. ORGANISATORISCHES UND ÜBERBLICK Theoretische Informatik (SoSe 2014) 0. Organisatorisches und Überblick 1 / 16
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
MehrSystem und Modell. System und Modell. System und Modell. System und Modell. Beispiel 2: Fail-Save-Überprüfung einer Presse
und und Beispiel 1: Der unbequeme Philosoph Beispiel 2: Fail-Save-Überprüfung einer Presse? : ẋ d = p a A K p b A R F = Komponentenmodelle, physikalische Gleichungen : x y : mensch(x) trinkt(x, y) gift(y)
MehrBerechenbarkeit. Script, Kapitel 2
Berechenbarkeit Script, Kapitel 2 Intuitiver Berechenbarkeitsbegriff Turing-Berechenbarkeit WHILE-Berechenbarkeit Church sche These Entscheidungsprobleme Unentscheidbarkeit des Halteproblems für Turingmaschinen
MehrWir suchen Antworten auf die folgenden Fragen: Was ist Berechenbarkeit? Wie kann man das intuitiv Berechenbare formal fassen?
Einige Fragen Ziel: Wir suchen Antworten auf die folgenden Fragen: Wie kann man das intuitiv Berechenbare formal fassen? Was ist ein Algorithmus? Welche Indizien hat man dafür, dass ein formaler Algorithmenbegriff
MehrLOOP-Programme: Syntaktische Komponenten
LOOP-Programme: Syntaktische Komponenten LOOP-Programme bestehen aus folgenden Zeichen (syntaktischen Komponenten): Variablen: x 0 x 1 x 2... Konstanten: 0 1 2... Operationssymbole: + Trennsymbole: ; :=
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
MehrEINLEITUNG. Kurs: Der Sprachinstinkt (Gergely Pethő), 1. Sitzung
Kurs: Der Sprachinstinkt (Gergely Pethő), 1. Sitzung 2002. 02. 27. 18 00 Uhr, Universität Debrecen, Institut für Germanistik I. Was ist die Kognitionswissenschaft? Def. KOGNITIONSWISSENSCHAFT (= KW) (ung.
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
MehrAllgemeine Psychologie Denken und Sprache
Allgemeine Psychologie Denken und Sprache von Sieghard Beller und Andrea Bender GOTTINGEN BERN WIEN PARIS OXFORD PRAG TORONTO CAMBRIDGE, MA AMSTERDAM KOPENHAGEN STOCKHOLM Vorwort 11 1 Einleitung 13 1.1
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
MehrProseminar: Geschichte des Computers Schachprogrammierung Die Digitale Revolution
Die Digitale Revolution Internet 3D-Drucker Quants Singularität 27.02.14 Johannes Polster Das Spiel der Könige Sehr altes Spiel: Entstehung vor 1500 Jahren Weltberühmt Strategisches Spiel Kein Glück, Intelligenz,
MehrSeminar: Denken und Problemlösen Dozent: Prof. Dr. Joachim Funke. Referent: Philip Furley
Seminar: Denken und Problemlösen Dozent: Prof. Dr. Joachim Funke Referent: Philip Furley Gliederung Einleitung Ziel: Gemeinsamkeiten und Unterschiede der Sichtweisen der Künstlichen Intelligenz und der
MehrKünstliche Intelligenz
Künstliche Intelligenz Intelligente Agenten Claes Neuefeind Sprachliche Informationsverarbeitung Universität zu Köln 26. Oktober 2011 Agenten Konzept des Agenten Rationalität Umgebungen Struktur von Agenten
MehrTheoretische Informatik SS 03 Übung 3
Theoretische Informatik SS 03 Übung 3 Aufgabe 1 a) Sind die folgenden Funktionen f : partiell oder total: f(x, y) = x + y f(x, y) = x y f(x, y) = x y f(x, y) = x DIV y? Hierbei ist x DIV y = x y der ganzzahlige
MehrPhysik eine empirische Wissenschaft
Experimentalphysik A 1. Einleitung Physik eine empirische Wissenschaft Die Naturerscheinungen laufen nicht regellos ab, sondern sie werden durch Naturgesetze gesteuert. Die Physik befaßt sich mit der Erforschung
MehrThe Faculty of Language: What is It, Who Has It and How Did It Evolve? Marc D. Hauser, Noam Chomsky, W. Tecumseh Fitch
The Faculty of Language: What is It, Who Has It and How Did It Evolve? Marc D. Hauser, Noam Chomsky, W. Tecumseh Fitch Gliederung 1. Definition des Targets 3. Komparative Untersuchung der Sprachevolution
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
MehrKinga Szűcs Friedrich-Schiller-Universität Jena Fakultät für Mathematik und Informatik Abteilung Didaktik
Die Stufentheorie von Piaget Kinga Szűcs Friedrich-Schiller-Universität Jena Fakultät für Mathematik und Informatik Abteilung Didaktik 14.04.2016 Hintergrund Die umfassendste und bedeutendste Theorie des
MehrKognitive Modellierung. Übung zur Vorlesung
Kognitive Modellierung Übung zur Vorlesung S. 1 Organisatorisches Kurstyp: Übung zur Vorlesung Die Veranstaltung findet jeden Donnerstag von 10.15 11.45 Uhr statt. Nächste Woche (24.10.) findet an Stelle
MehrWas Computer nicht berechnen können
Was Computer nicht berechnen können Hochschulinformationstag 13 Juni 2003 Christoph Kreitz Theoretische Informatik, Raum 119, Telephon 3064 kreitz@csuni-potsdamde http://wwwcsuni-potsdamde/ti Computer
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
MehrSprachliches Wissen: mentales Lexikon, grammatisches Wissen. Gedächtnis. Psycholinguistik (2/11; HS 2010/2011) Vilnius, den 14.
Sprachliches Wissen: mentales Lexikon, grammatisches Wissen. Gedächtnis Psycholinguistik (2/11; HS 2010/2011) Vilnius, den 14. September 2010 Das Wissen Beim Sprechen, Hören, Schreiben und Verstehen finden
MehrFormale Sprachen. Grammatiken und die Chomsky-Hierarchie. Rudolf FREUND, Marian KOGLER
Formale Sprachen Grammatiken und die Chomsky-Hierarchie Rudolf FREUND, Marian KOGLER Grammatiken Das fundamentale Modell zur Beschreibung von formalen Sprachen durch Erzeugungsmechanismen sind Grammatiken.
Mehr1. Lernen von Konzepten
1. Lernen von Konzepten Definition des Lernens 1. Lernen von Konzepten Lernziele: Definitionen des maschinellen Lernens kennen, Klassifikationen des maschinellen Lernens kennen, Das Prinzip des induktiven
MehrInfovorkurs, Teil II: Theoretische Informatik. Motivation. Turing-Maschine. Programmiersprachen
Infovorkurs, Teil 08.10.2015 Webseite Mittlerweile gibt es die Folien und die Übungen online. Außerdem die Ergebnisse der Umfrage! Ich empfehle auch die Links. www.geile-hirnbude.de/vorkurs Rückblick Haben
MehrÜbung Theoretische Grundlagen
Übung Theoretische Grundlagen Berechenbarkeit/Entscheidbarkeit Nico Döttling November 26, 2009 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory
MehrKünstliche Intelligenz
Künstliche Intelligenz Inhalt Flirts mit einem Roboter Simulation als bare Münze Die Qualität der Emergenz Artificial Life Künstliches Leben im Computer Flirts mit einem Roboter Mensch-Maschine Beziehung
MehrFunktionale Programmierung ALP I. λ Kalkül WS 2012/2013. Prof. Dr. Margarita Esponda. Prof. Dr. Margarita Esponda
ALP I λ Kalkül WS 2012/2013 Berechenbarkeit - inspiriert durch Hilbert's Frage - im Jahr 1900, Paris - Internationaler Mathematikerkongress Gibt es ein System von Axiomen, aus denen alle Gesetze der Mathematik
Mehr1. Methoden der Hirnforschung 2. Mechanistische Erklärung 3. Neuronale Mechanismen 4. Erklärung des Bewusstseins?
1. Methoden der Hirnforschung 2. Mechanistische Erklärung 3. Neuronale Mechanismen 4. Erklärung des Bewusstseins? Brigitte Falkenburg 1 1. Methoden der Hirnforschung 2 top-down down/analytisch: Atomistisch
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik 4. Kellerautomaten und kontextfreie Sprachen (III) 17.06.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Übersicht 1. Motivation 2. Terminologie
MehrFrauen und Männer am Computer
Sabine Collmer Frauen und Männer am Computer Aspekte geschlechtsspeziffischer Technikaneignung ^j DeutscherUniversitätsVerlag I y< K! GABLER VIEWEG WESTDEUTSCHER VERLAG INHALTSVERZEICHNIS 1. Einleitung
MehrFunktionale Programmiersprachen
Funktionale Programmiersprachen An den Beispielen Haskell und Erlang Übersicht Programmiersprachen λ-kalkül Syntax, Definitionen Besonderheiten von funktionalen Programmiersprache, bzw. Haskell Objektorientierte
MehrInformatik I. Informatik I Was haben wir gelernt? 28.2 Algorithmusbegriff Was geht nicht? 28.1 Was haben wir gelernt?
Informatik I 14.02.2014 28. Ausblick Informatik I 28. Ausblick Bernhard Nebel Albert-Ludwigs-Universität Freiburg 28.1 28.2 28.3 Was geht nicht? 14.02.2014 Bernhard Nebel (Universität Freiburg) Informatik
MehrEinführung in die Linguistik, Teil 4
Einführung in die Linguistik, Teil 4 Menschliche Sprachverarbeitung im Rahmen der Kognitionswissenschaft Markus Bader, Frans Plank, Henning Reetz, Björn Wiemer Einführung in die Linguistik, Teil 4 p. 1/19
MehrEmpirische Forschung 4. Übung zur Vorlesung Kognitive Modellierung
Empirische Forschung 4 Übung zur Vorlesung Kognitive Modellierung S. 1 Gliederung Literaturangaben zu empirischer Forschung Einführung in den Themenbereich Analogien / Analoges Schließen Veranschaulichung
MehrIntelligente Agenten
KI Wintersemester 2013/2014 Intelligente Agenten Grundlagen der Künstlichen Intelligenz Wintersemester 2014/2015 Marc Toussaint 2006-2014 Heidemann, Bruhn, Toussaint Überblick Überblick Agentenbegriff,
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:
MehrANALYSIS I FÜR TPH WS 2016/17 1. Übung Übersicht
. Übung Übersicht Aufgaben zu Kapitel und 2 Aufgabe : Drei klassische Ungleichungen Aufgabe 2: ) Beweis einer Summenformel Induktion) Aufgabe : ) Teleskopsummen Aufgabe 4: Noch etwas Formelmanipulation
MehrENTWICKLUNGSPSYCHOLOGIE & SOZIALISATION. Mädchenschachpatent 2015 in Nußloch Referentin: Melanie Ohme
ENTWICKLUNGSPSYCHOLOGIE & SOZIALISATION 1 Mädchenschachpatent 2015 in Nußloch Referentin: Melanie Ohme ÜBERSICHT Entwicklungspsychologie Einführung Faktoren der Entwicklung Geschlechterunterschiede Diskussionen
MehrIntuitionistische Lineare Logik
Lineare Logik Intuitionistische Lineare Logik Zusammenhang zur intuitionistischen Logik Termzuweisung und funktionale Interpretation Intuitionistische Lineare Logik Sinn und Zweck : Kontrolle über Ressourcen
MehrSozialwissenschaftliche Modelle und Daten SoSe 2010
Sozialwissenschaftliche Modelle und Daten SoSe 2010 LS Sozialwissenschaftliche Methodenlehre und Sozialstatistik C. Dudel C. Dudel Sozialwissenschaftliche Modelle und Daten SoSe 2010 1 23 1 Formalia 2
MehrÜberblick. 1 Vorbemerkungen. 2 Algorithmen. 3 Eigenschaften von Algorithmen. 4 Historischer Überblick. Einführung
Teil I Einführung Überblick 1 Vorbemerkungen 2 Algorithmen 3 4 Historischer Überblick Prof. G. Stumme Algorithmen & Datenstrukturen Sommersemester 2009 1 1 Vorbemerkungen Was ist Informatik? Informatik
MehrEntwicklung von Wissen in verschiedenen Bereichen (Domänen) (20.6.)
Entwicklung von Wissen in verschiedenen Bereichen (Domänen) (20.6.) Verortung von Theorien der kognitiven Entwicklung Bereiche: Physik, Mathematik, Geographie, Biologie Pädagogische Konsequenzen Verortung
MehrKognitive Architekturen
Kognitive Architekturen Thomas Röfer Überblick Theorien Architekturen Multiagenten Kognitive Architekturen ko gni tiv «Adj.» (bes. Psych., Päd.): das Wahrnehmen, Denken, Erkennen betreffend; erkenntnismäßig:
MehrPhysiologische Komponente. Erlebenskomponente
Emotion Physiologische Komponente Kognitive Komponente Konative Komponente Vegetative Reaktionen (z.b. EDA; Puls) Zentral nervöse Prozesse (z.b. Aktivierung d. Amygdala) Bewertung der Situation (z.b. gut
MehrLOOP-Programme: Syntaktische Komponenten
LOOP-Programme: Syntaktische Komponenten LOOP-Programme bestehen aus folgenden Zeichen (syntaktischen Komponenten): Variablen: x 0 x 1 x 2... Konstanten: 0 1 2... Operationssymbole: + Trennsymbole: ; :=
Mehr1. Wissenschaftstheoretische Grundlagen Soziologische Theorie als erfahrungswissenschaftliche
1. Wissenschaftstheoretische Grundlagen 1.1. Soziologische Theorie als erfahrungswissenschaftliche Theorie 1.1.1. Was sind keine erfahrungswissenschaftlichen Theorien? Aussagen der Logik und der Mathematik
MehrGrundlagen der Kognitiven Informatik
Grundlagen der Kognitiven Informatik Einführung Ute Schmid unterstützt von Michael Siebers Kognitive Systeme, Angewandte Informatik, Universität Bamberg letzte Änderung: 2. November 2011 U. Schmid (CogSys)
MehrÜbung zur Vorlesung Algorithmische Geometrie
Übung zur Vorlesung Algorithmische Geometrie Dipl.-Math. Bastian Rieck Arbeitsgruppe Computergraphik und Visualisierung Interdisziplinäres Zentrum für Wissenschaftliches Rechnen 8. Mai 2012 B. Rieck (CoVis)
Mehr6 Aneignung von Begriffen 6.1 Theoretische Grundlagen
6 Aneignung von Begriffen 6.1 Theoretische Grundlagen 6.1.1 Grundlagen aus anderen Wissenschaften a) Umgangssprache: Begriff = Wort, Begriff = Definition (oft im Denken von Mathematikern), für Lernprozesse
MehrÜbung Kausalanalyse. Das kontrafaktische Kausalmodell. Kausalanalyse. Das Ziel der erklärenden Sozialwissenschaften
Übung Kausalanalyse Das kontrafaktische Kausalmodell Prof. Dr. Josef Brüderl WS 22/3 Kausalanalyse Das Ziel der erklärenden Sozialwissenschaften Die kausale Erklärung von Ereignissen und sozialen Strukturen
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
MehrThema 8 Ein Schätzverfahren für das Wachstum von Gefäßnetzwerken auf der Grundlage von Zufallsgraphen. 2.Definitionen aus Graphentheorie
Seminar Mustererkennung mit syntaktischen und graphenbasierten Methoden Thema 8 Ein Schätzverfahren für das Wachstum von Gefäßnetzwerken auf der Grundlage von Zufallsgraphen 1.Einleitung Stefan Böcker
Mehr-> Die drei Argumentationsformen u. ihr jeweiliges Kriterium
Gliederung -> Die drei Argumentationsformen u. ihr jeweiliges Kriterium -> Worauf rekurriert eine Naturrechtstheorie? -> Kurzer Einstieg: Der naturrechtliche Ansatz Martha C. Nussbaums in der modernen
MehrKonzepte der Programmiersprachen
Konzepte der Programmiersprachen Lehrstuhl Prof. Plödereder Eduard Wiebe Institut für Softwaretechnologie Abteilung Programmiersprachen und Übersetzerbau Sommersemester 2007 Programm-Ausführung Programmiersprachen
MehrTheoretische Informatik Kap 2: Berechnungstheorie
Gliederung der Vorlesung 0. Grundbegriffe 1. Formale Sprachen/Automatentheorie 1.1. Grammatiken 1.2. Reguläre Sprachen 1.3. Kontextfreie Sprachen 2. Berechnungstheorie 2.1. Berechenbarkeitsmodelle 2.2.
Mehr33 Diplom-Studiengang Allgemeine Informatik
33 Diplom-Studiengang Allgemeine (1) Im Studiengang Allgemeine umfasst das Grundstudium drei Semester. () Der Gesamtumfang der den erfolgreichen Abschluss des Studiums erforderlichen Lehrveranstaltungen
MehrPersönlichkeitspsychologie. Frage nach Ähnlichkeiten und Unterschieden zwischen Menschen
Persönlichkeitspsychologie Every individual is in certain respects Frage nach Ähnlichkeiten und Unterschieden zwischen Menschen Ziele > like all other persons > like some other persons > like no other
Mehr2.2.4 Logische Äquivalenz
2.2.4 Logische Äquivalenz (I) Penélope raucht nicht und sie trinkt nicht. (II) Es ist nicht der Fall, dass Penélope raucht oder trinkt. Offenbar behaupten beide Aussagen denselben Sachverhalt, sie unterscheiden
MehrVorlesung Programmieren
Vorlesung Programmieren Einführung 26.10.2016 Jun.-Prof. Dr.-Ing. Anne Koziolek Version 1.0 ARBEITSGRUPPE ARCHITECTURE-DRIVEN REQUIREMENTS ENGINEERING (ARE) INSTITUT FÜR PROGRAMMSTRUKTUREN UND DATENORGANISATION
MehrKlausurrelevante Zusammenfassung WS Kurs Teil 2 Modul 1A B A 1 von
Klausurrelevante Zusammenfassung WS 2010 2011 Kurs 33042 Teil 2 Modul 1A B A 1 von 12-21.02.11 Lernzusammenfassung Dilthey und der hermeneutische Zirkel - 33042 - T2...3 Lebensphilosophie Dilthey - (3)...3
MehrBedingungsvariablen schöpferischen Denkens
Frank Urbschat Bedingungsvariablen schöpferischen Denkens Kognition, Persönlichkeit, Umwelt VDM Vertag Dr. Müller Inhaltsverzeichnis Einleitung 6 1. Definition des Konstrukts Kreativität 8 2. Geschichte
MehrKapitel MK:III. III. Begriffe der Modellierung
Kapitel MK:III III. Begriffe der Modellierung System und Modell Modellieren zum Schlussfolgern Modellbildung Systemraum und Modellraum Adäquate Modellierung MK:III-19 Modeling Concepts STEIN 2000-2015
MehrEinführung in die Programmierung
Prof. Dr. Rudolf Berrendorf Fachbereich Informatik Fachhochschule Bonn-Rhein-Sieg URM - Programmierung Dipl.-Inf. Sigrid Weil Fachbereich Informatik Fachhochschule Bonn-Rhein-Sieg Einordnung Programmier-Paradigma:
MehrDie hier angegebenen Seitenzahlen stimmen nicht mit denen im Buch überein. Vorwort... 1
Die hier angegebenen Seitenzahlen stimmen nicht mit denen im Buch überein Vorwort... 1 Teil I: Woraus besteht das Geist-Materie-Problem? 1. Einleitung... 10 2. Erkenntnistheoretische Voraussetzungen zur
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
MehrEntwicklung eines korrekten Übersetzers
Entwicklung eines korrekten Übersetzers für eine funktionale Programmiersprache im Theorembeweiser Coq Thomas Strathmann 14.01.2011 Gliederung 1 Einleitung
MehrEinführung in die Informatik. Programming Languages
Einführung in die Informatik Programming Languages Beschreibung von Programmiersprachen Wolfram Burgard Cyrill Stachniss 1/15 Motivation und Einleitung Wir haben in den vorangehenden Kapiteln meistens
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
Mehr3. Übungsblatt zu Algorithmen I im SoSe 2017
Karlsruher Institut für Technologie Prof. Dr. Jörn Müller-Quade Institut für Theoretische Informatik Björn Kaidel, Sebastian Schlag, Sascha Witt 3. Übungsblatt zu Algorithmen I im SoSe 2017 http://crypto.iti.kit.edu/index.php?id=799
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.
Mehr1.3 Charakteristische Eigenschaften von objektorientierten Systemen
1.3 Charakteristische Eigenschaften von objektorientierten Systemen Einkapselung (Encapsulation) Geheimhaltungsprinzip (Information / Implementation hiding) Persistenz (State retention) Objektidentität
MehrKonzepte von Betriebssystem-Komponenten. Programmstart & dynamische Bibliotheken SS 05. Wladislaw Eckhardt.
Proseminar KVBK Programmstart dynamische Bibliotheken Konzepte von Betriebssystem-Komponenten Programmstart & dynamische Bibliotheken SS 05 Wladislaw Eckhardt Wladi23@gmx.net 1 1 Einleitung 1.1 Problematik
MehrGrundlagen der Theoretischen Informatik Musterlösungen zu ausgewählten Übungsaufgaben
Dieses Dokument soll mehr dazu dienen, Beispiele für die formal korrekt mathematische Bearbeitung von Aufgaben zu liefern, als konkrete Hinweise auf typische Klausuraufgaben zu liefern. Die hier gezeigten
Mehr1. Workshop Mensch-Roboter-Zusammenarbeit
1. Workshop Mensch-Roboter-Zusammenarbeit Von der Mensch-Roboter-Kollaboration zu Mensch-Roboter-Teams Chancen und Risiken Dortmund, 09.03.2015 1 Von der Mensch-Roboter-Kollaboration zu MR-Teams Übersicht
MehrInhaltsverzeichnis. Grundbegriffe und Grundideen. Geleitwort Vorwort
Inhaltsverzeichnis Geleitwort Vorwort Inhaltsverzeichnis Symbole und Abkürzungen VII IX XIII XIX Einleitung 1 Anliegen und Besonderheiten des Buches...1 Hinweise zum Lesen des Buches...8 Teil 1 Grundbegriffe
MehrTheoretische Informatik: Berechenbarkeit und Formale Sprachen
Prof. Dr. F. Otto 26.09.2011 Fachbereich Elektrotechnik/Informatik Universität Kassel Klausur zur Vorlesung Theoretische Informatik: Berechenbarkeit und Formale Sprachen SS 2011 Name:................................
MehrKünstliche Intelligenz im Informatikunterricht -Unterrichtseinheit Chatbots- Klasse 9/10. Helmut Witten & Malte Hornung
Künstliche Intelligenz im Informatikunterricht -Unterrichtseinheit Chatbots- Klasse 9/10 Helmut Witten & Malte Hornung KI im Informatikunterricht: Unterrichtseinheit Chatbots 1 Agenda Motivation und Ziele
MehrLG Allgemeine und Pädagogische Psychologie
LG Allgemeine und Pädagogische Psychologie Prof. Dr. Wolfgang Mack Lehrgebiet Team des Lehrgebietes: Fakultät für Kultur- und Sozialwissenschaften Prof. Dr. Wolfgang Mack (modulverantwortlich für M3 und
MehrVorwort Kapitel: Pädagogische Förderung aus entwicklungspsychologischer
Vorwort..................................................... XI 1. Kapitel: Lernen, Lehren und die Pädagogische Psychologie... 1 1.1 Kennzeichnung der Pädagogischen Psychologie.................. 4 1.1.1
MehrStefan Schmid TU Berlin & T-Labs, Berlin, Germany. Reduktionen in der Berechenbarkeitstheorie
Stefan Schmid TU Berlin & T-Labs, Berlin, Germany Reduktionen in der Berechenbarkeitstheorie Problem: Wie komme ich von hier zum Hamburger Hbf? 2 Beispiel P1 Wie komme ich von hier zum Hamburger Hbf? kann
Mehr12. LA- und PS-Hierarchien im Vergleich
Kapitel 12: LA- und PS-Hierarchien im Vergleich 210 12 LA- und PS-Hierarchien im Vergleich 121 Sprachklassen der LA- und PS-Grammatik 1211 Komplexitätsklassen der LA- und PS-Hierarchie LA-Grammatik PS-Grammatik
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
MehrInformatik II, SS 2014
Informatik II SS 2014 (Algorithmen & Datenstrukturen) Vorlesung 7 (21.5.2014) Binäre Suche, Hashtabellen I Algorithmen und Komplexität Abstrakte Datentypen : Dictionary Dictionary: (auch: Maps, assoziative
MehrEin selbstmodellierendes System für die Wasserwirtschaft
Ein selbstmodellierendes System für die Wasserwirtschaft Dipl.-Ing. Dr. ANDRADE-LEAL Wien, im Juli 2001 1 Einleitung, Motivation und Voraussetzungen Künstliche Intelligenz Neuronale Netze Experte Systeme
MehrSpieltheorie. Nash-Gleichgewichts-Berechnung. Bernhard Nebel und Robert Mattmüller. Arbeitsgruppe Grundlagen der Künstlichen Intelligenz 14.
Spieltheorie Nash-Gleichgewichts-Berechnung Albert-Ludwigs-Universität Freiburg Bernhard Nebel und Robert Mattmüller Arbeitsgruppe Grundlagen der Künstlichen Intelligenz 14. Mai 2012 14. Mai 2012 B. Nebel,
MehrEinführung in die Bewegungswissenschaft SS 2007
Einführung in die SS 2007 Fragen zum Mentalen Was ist? Lässt sich die behauptete Wirkung von Mentalem empirisch nachweisen? Wie lässt sich die Wirkung von Mentalem erklären? Definitionen von Mentalem I...
Mehr2. Programmierung in C
2. Programmierung in C Inhalt: Überblick über Programmiersprachen, Allgemeines zur Sprache C C: Basisdatentypen, Variablen, Konstanten, Operatoren und Ausdrücke Anweisungen und Kontrollstrukturen (Steuerfluss)
Mehr1.2 LOOP-, WHILE- und GOTO-Berechenbarkeit
Die Programmiersprache LOOP (i) Syntaktische Komponenten: Variable: x 0, x 1, x 2,... Konstanten: 0, 1, 2,... Trennsymbole: ; := Operationszeichen: + Schlüsselwörter: LOOP DO END (ii) LOOP-Programme: Wertzuweisungen:
Mehr