Laden im
Google Play
Herausbildung moderner strukturen in gesellschaft und staat
Die moderne industriegesellschaft zwischen fortschritt und krise
Die zeit des nationalsozialismus
Friedensschlüsse und ordnungen des friedens in der moderne
Deutschland zwischen demokratie und diktatur
Das 20. jahrhundert
Europa und globalisierung
Der mensch und seine geschichte
Das geteilte deutschland und die wiedervereinigung
Großreiche
Imperialismus und erster weltkrieg
Europa und die welt
Frühe neuzeit
Bipolare welt und deutschland nach 1953
Demokratie und freiheit
Alle Themen
Herausforderungen an die menschen des 21. jahrhunderts
Klimawandel und klimaschutz
Die subpolare und polare zone
Entwicklung in tropischen räumen
Europa
Planet erde
Russland
Entwicklungsperspektiven
Mensch-umwelt-beziehungen
Klima und vegetationszonen
China
Globalisierung
Ressourcenkonflikte und ressourcenmanagement
Australien und ozeanien
Usa
Alle Themen
5.7.2022
6108
177
Teilen
Speichern
Herunterladen
Künstliche Intelligenz Von: Hannes Bauer Inhaltsverzeichnis * Was ist ,,Künstliche Intelligenz"? * * Maschinelles Lernen Kl im Einsatz Schwächen und Stärken der Kl Vergleich: Maschinelles Lernen — Deep Learning * Geschichte Vor- und Nachteile Künstlich Neuronale Netze und Deep Learning * Praktisches Beispiel: Autonomes fahren ▪ Quellen Was ist ,,Künstliche Intelligenz"? * Ziele: * Teilgebiet der Informatik * Befasst sich mit der technischen Nachbildung menschlicher Intelligenz * Funktion unseres Gehirns und Geistes zu verstehen * Gehirn und Geist künstlich nachbauen zu können. Q KI Was ist „Künstliche Intelligenz" Schwäche und Stärke der KI * Schwäche der Kl * Fokussiert sich auf korrekte Anwendungsprobleme * Problemlösung erfolgt auf Basis von Methoden der Mathematik und Informatik * Kann sich selbst Optimieren * Ist auf die Erfüllung klar definierter Aufgaben ausgerichtet * Beispiele: ▪ Zeichnen- und Texterkennung * Spracherkennung * Individuelle Aussteuerung von Werbung * Stärke der Kl: * Ziel ist es, die gleichen Intellektuellen Fertigkeiten von Menschen zu erlangen oder zu übertreffen * Handelt aus eigenem Antrieb, Intelligent und flexibel * Es gilt als realistisch, dass in 20 - 40 Jahren eine starke Kl entwickelt wird Eigenschaften Beispiele: - ▪ Logisches Denkvermögen * Entscheidungsfähigkeit ▪ Lernfähigkeit Überwachtes Lernen Unüberwachtes Lernen Bestärktes Lernen Maschinelles Lernen Überwachtes Lernen * Nutzt bekannte Daten um daraus Muster und Zusammenhänge zu erkennen * Versucht eine zufallsvariable vorherzusagen. 1. SCHRITT: Parameter 1 / Input Parameter 2 / Output DIESE DATEN STELLEN KIRSCHEN DAR. 90 TRAINIERTES MODELL 2. SCHRITT: EINGABE Es ist eine Kirsche 90 TRAINIERTES VORHERSAGEMODELL Maschinelles Lernen Unüberwachtes Lernen Input MUSTERERKENNUNG Output b b b b Mit Hilfe von Datensätzen sollen Muster erkannt werden, welche vorher nicht bekannt waren. ▪ Dadurch können große Datenmengen nach Struktur erkundet...
Durchschnittliche App-Bewertung
Schüler:innen lieben Knowunity
In Bildungs-App-Charts in 11 Ländern
Schüler:innen haben Lernzettel hochgeladen
iOS User
Philipp, iOS User
Lena, iOS Userin
werden, um Informationen herauszubekommen Maschinelles Lernen Bestärktes Lernen Soll das natürliche lernen, wie bei Menschen, simulieren. * Es beruht auf ein positives oder negatives Feedback auf eine Aktion, abhängig vom Ausgang 1. SCHRITT: 2. SCHRITT: ? » EINGABE Es ist eine Birne! EINGABE RÜCKMELDUNG Es ist ein Apfel! ? >>> ** RÜCKMELDUNG Falsch! Es ist ein Apfel. FEEDBACK BESTÄRKTER LERNPROZESS Alles klar! LERNPROZESS Maschinelles lernen künstl. Neuronale Netze und Deep Learning Es ist eine Methode des maschinellen Lernens * In dieser Methode lernt ein Algorithmus, mithilfe von künstlichen Neuronalen Netzen, Zusammenhänge in Datenmenge zu erkennen Künstlich Neuronale nützen Ihnen der Struktur im menschlichen Gehirn Vergleich Datenstruktur Datensatzgröße Hardware Feature Extraktion Laufzeit Interpretierbarkeit Maschinelles Lernen Strukturierte Daten Klein Groß Funktioniert mit einfacher Hardware Sie müssen die Merkmale in der Regel verstehen Ein paar Minuten bis Stunden Einige sind leicht und manche fast unmöglich Deep Learning Unstrukturierte und strukturierte Daten Groß Braucht leistungsstarke Computer (mit GPUs). Neuronale Netze multiplizieren Matrizen, die sehr viel Rechenzeit brauchen - GPUs beschleunigen den Vorgang. Sie müssen die Merkmale nicht verstehen Bis zu Wochen und Monaten. Künstliche Neuronale Netze müssen eine enorm viele Gewichte berechnen. Schwer zu interpretieren und oft unmöglich 930 1938-1946: 1950: Können Maschinen denken? Turing-Test von A. Turing Goldenes Zeitalter der Science Fiction 1940 1955: Erstes KI-Programm - Logic Theorists 1950 Geschichte 1949: Erster speicher- programmierter Rechner - Manchester Mark 1 1968: ,,2001 wird es Maschinen geben, die mindestens ebenso intelligent sind wie Menschen“ (A. Clarke und S. Kubrik) 1965: Formulierung des Mooreschen Gesetzes 1960 1963: DARPA-Investitionen in KI-Forschung am MIT 1956: Dartmouth-Konferenz - Prägung des Begriffs ,,Künstliche Intelligenz" 1970 1980: Erstes Expertensystem - E. Feigenbaum 1970: ,,In drei bis acht Jahren werden wir eine Maschine mit der allgemeinen Intelligenz 1986: Erstes autonomes Fahrzeug - Navlab - Carnegie Mellon University eines durchschnittlichen Menschen haben" (M. Minsky) 1980 1982: Projektbeginn ,,Computer der fünften Generation" in Japan 1990 1997: Deep Blue schlägt Garri Kasparow 2000 1997: Erste Sprachenerkennungs software für den Massenmarkt - Dragon Systems Kl im Einsatz Medizin (Unterstützt Ätzte bei Diagnosen) Visuelle Assistenten (Siri, Alexa, Google Assistent,...) In der Industrie (Virtuellen Assistenten) Im Vertrieb (Virtuellen Assistenten) 8 In der Sicherheit (Risiken und Risikobereiche Vorhersagen) Vor- und Nachteile Vorteile Entscheidungen werden nicht von Emotionen beeinflusst Überblick und Analyse über große Datenmenge möglich Weitergabe von gelerntem Wissen an andere Geräte in Kürze Viele Unternehmen profitieren von der hohen Effizienz Nachteile Besonders bei KI- gesteuerten Verkehrsleitungssystemen, welche den Verkehrsfluss steuern, entscheiden ethische Probleme bei Unfällen. Beeinflusst viele Berufsfelder Hecker Angriffe werden erleichtert, welche dann schlimmere Folgen haben können Praktisches Beispiel: Autonomes fahren Autonomous Mode NETWORK Driving DRIVER 48 aph Quellen http://www.fh-muenster.de/itb/downloade/Infopaper- Kuenstlichelntelligenz.pdf https://kompetenzentrum-Augsburg-digital.de/künstliche-Intelligenz- einfach-erklärt/ https://datasolut.com/machine-Learning-Sven-Deep-Learning/ http://www.Knowunity.de Vielen Dank für ihr Aufmerksamkeit