Künstliche Intelligenz Stuart Russell/Peter Norvig (2004) Universität zu Köln HKI Hautseminar WS 05/06 Semantic Web Prof.Dr. Manfred Thaller Referentin: Zroud Marta Zusammenfassung: Künstliche Intelligenz Stuart Russell/Peter Norvig (2004)

Kapitel 1 Einführung

KI versucht intelligente Einheiten zu erstellen ist eine der neueren Wissenschaften es wurde schon unmittelbar nach dem 2. Weltkrieg mit ernsthaften Arbeiten begonnen

Viele Unterbereiche der KI Allgemeine Das Lernen Die Wahrnehmung Spezielle Schach spielen Schreiben von Gedichten Krankheitsdiagnose

4 Ansätze der KI Systeme, die wie Menschen denken Systeme, die rational denken Systeme, die wie Menschen agieren Systeme, die rational agieren

Menschliches handeln - Turing-Test - entwickelt von Alan Turing (1950) Turing schlug ein Test vor, der auf der Unmöglichkeit der Unterscheidung vom Menschen basiert Der Computer besteht den Test, wenn eine Testperson (Mensch) schriftliche Fragen stellt und nicht erkennen kann, ob die Antworten von einem Menschen stammen oder nicht

Der Computer muß folgende Eigenschaften besitzen Verarbeitung natürlicher Sprachen- um sinnvoll in Deutsch kommunizieren zu können Wissensrepräsentation- damit er speichern kann, was er weiß oder hört Automatisches logisches Schließen- um die gespeicherten Informationen zu nutzen, Fragen zu beantworten und neue Schlüsse zu ziehen Maschinenlernen- um sich an neue Zustände anzupassen und neue Muster zu erkennen

Der totale Turing Test - beinhaltet noch zusätzlich Computervision- um Objekte wahrzunehmen Robotik- um Objekte zu manipulieren und sich zu bewegen Diese 6 Disziplinen bilden einen Großteil der KI

Grundlagen der KI Disziplinen, die zu den Ideen, Anschauungen und Techniken beigetragen haben Philosophie- Philosophen machten die KI wahrnehmbar, indem sie Theorien aufstellten, daß sich der Verstand, manchmal wie eine Maschine verhält, daß er mit Wissen arbeitet etc. Mathematik- durch sie wurden die Werkzeuge bereitgestellt, um logisch sichere Aussagen sowie unsichere zu manipulieren Psychologie- Psychologen haben die Idee übernommen, daß Menschen und Tiere als Maschinen der Informationsverarbeitung betrachtet werden können Ingenieure- haben die Maschinen entwickelt, die KI-Applikationen erst möglich machen

Kapitel 2 Intelligente Agenten

Agenten und Umgebungen Ein Agent- ist alles was seine Umgebung über Sensoren wahrnehmen kann und in dieser Umgebung durch Aktuatoren handelt - Ein menschlicher Agent- hat z.B. Augen, Ohren als Sensoren und Hände, Füße als Aktuatoren - Ein Roboter-Agent- könnte Kameras als Sensoren benutzen und versch. Motoren als Aktuatoren

Rationalität- was zu jedem beliebigen Zeitpunkt rational ist, ist von 4 Dingen abhängig Der Leistungsbewertung, die das Erfolgskriterium definiert Dem Vorwissen des Agenten über die Umgebung Den Aktionen, die der Agent ausführen kann Der bisherigen Wahrnehmungsfolge des Agenten

Arbeitsumgebungen (z. B Arbeitsumgebungen (z.B. von einem automatisierten Taxifahrer) beinhalten 4 Komponenten Leistung – angenehme Fahrweise, sicher, schnell Umgebung – Straßen, Fußgänger, Fahrgäste Aktuatoren- Gas, Bremse, Hupe Sensoren- Kameras, Tachometer, KM-Zähler

Eigenschaften von Arbeitsumgebungen vollständig beobachtbar | teilweise beobachtbar deterministisch | stochastisch episodisch | sequentiell statisch | dynamisch diskret | stetig Einzelagent | Multiagent

4 Arten von Agentenprogrammen einfache Reflexagenten- wählen Aktionen auf Grundlage der aktuellen Wahrnehmung aus und ignorieren den restlichen Wahrnehmungsverlauf modellbasierte Reflexagenten- verwalten den aktuellen Zustand der Welt mit Hilfe eines internen Modells zielbasierte Agenten- verwalten den Zustand der Welt, sowie eine Menge von Zielen, die sie zu erreichen versuchen nutzenbasierte Agenten- verwenden ein Modell der Welt mit einer Nutzenfunktion Alle Agenten können ihre Leistung durch Lernen verbessern

Lernende Agenten können in 4 Komponenten unterteilt werden Lernelement- ist verantwortlich, Verbesserungen zu erzielen Leistungselement- für die Auswahl externer Aktionen verantwortlich Kritik- das Feedback aus Kritik verwendet das Lernelement um zu entscheiden, ob das Leistungselement abgeändert werden soll, damit in Zukunft bessere Ergebnisse erzielt werden Problemgenerator- ist dafür verantwortlich, Aktionen vorzuschlagen, die zu neuen und informativen Erfahrungen führen

Kapitel 7 Logische Agenten

Intelligente Agenten- brauchen Wissen über die Welt, um sinnvolle Entscheidungen treffen zu können Wissen- ist in den Agenten in Form von Sätzen, die in einer Wissensbasis gespeichert sind, in einer Wissensrepräsentationssprache enthalten

Wissensbasierte Agenten - Ein wissensbasierter Agent setzt sich aus einer Wissensbasis (seine zentrale Komponente) und einem Inferenzmechanismus zusammen. Er arbeitet, in dem er Sätze über die Welt in seiner Wissensbasis speichert und den Inferenzmechanismus einsetzt um neue Sätze abzuleiten und anhand dieser Sätze zu entscheiden, welche Aktion ausgeführt werden soll

Logik Aussagenlogik

Kapitel 12 Planen und Agieren in der realen Welt

Zeit, Zeitpläne und Ressourcen Zeit- eine der wichtigsten Ressourcen, auch als Job Shop Scheduling bezeichnet Es muß eine Menge von Jobs erledigt werden, die jeweils aus einer Aktion bestehen, wobei jede Aktion best. Dauer hat und möglicherweise best. Ressourcen benötigt -es muß ein Zeitplan gefunden werden, um alle Jobs in minimaler Zeit erledigen zu können, währen gleichzeitig die Ressourcenbedingungen b

Hierarchische Task-Netzwerke (HTN) Erlauben dem Agenten von Domänenentwickler Rat in Form von Zerlegungsregeln, entgegen zu nehmen. Das macht es möglich, die häufig sehr großen Pläne zu erzeugen, die in vielen Anwendungen aus der realen Welt benötigt werden beim HTN Planen wird der ursprüngliche Plan, der das Problem beschreibt, als Beschreibung auf höchster Ebene betrachtet, die angibt, was zu tun ist z.B. ein Haus bauen

Pläne werden verfeinert indem Aktionszerlegungen vorgenommen werden Pläne werden verfeinert indem Aktionszerlegungen vorgenommen werden. Jede Aktionszerlegung reduziert eine Aktion auf höherer Ebene in eine geordnete Menge von Aktionen auf niedriger Ebene Der Bau eines Hauses könnte z.B. darauf reduziert werden eine Genehmigung zu erhalten, den Unternehmer zu bezahlen usw. Diese Zerlegung geschieht so lange, bis nur primitive Aktionen im Plan verbleiben. Das sind Aktionen die der Agent automatisch ausführen kann

allg. Beschreibungen von Methoden zur Aktionszerlegungen sind in einer Planbibliothek abgelegt Standardplanungsalgorithmen setzen vollständige und korrekte Informationen sowie deterministische, vollständig beobachtbare Umgebungen voraus Unvollständige Informationen werden berücksichtigt, indem man beim Planen Sensoreinheiten verwendet um die benötigten Informationen zu ermitteln

4 Planungsmethoden Sensorloses Planen (auch komformantes Planen)- es wird ein Plan konstruirt, der ohne Wahrnehmung ausgeführt werden kann Bedingtes Planen (auch kontingenz Planen)- es wird dem Agenten erlaubt, die Welt während der Ausführung zu beobachten, um zu entscheiden, welcher Verzweigung des Plans gefolgt werden soll

Ausführungsüberwachung und Neuplanen- hier verwendet der Agent eine der oben genannten Planungstechniken, um einen Plan zu konstruieren, setzt aber gleichzeitig eine Ausführungsüberwachung ein, ob der Plan aussichtsreich ist, oder ob er überarbeitet werden muß. Wenn etwas schief läuft erfolgt Neuplanen Stetiges Planen- dieser Planer ist darauf angelegt ein Leben lang zu arbeiten, kann unerwartete Umstände in der Umgebung verarbeiten, selbst wenn diese auftreten während der Agent gerade einen Plan erstellt

Kapitel 18 Aus Beobachtungen lernen

- In diesem Kapitel werden Agenten beschrieben, die ihr Verhalten durch eine sorgfältige Beobachtung ihrer eigenen Erfahrungen verbessern können

Lernformen - In Kap. 2 war die Rede über einen Lernenden Agenten, den man sich vorstellen kann als beinhalte er ein Leistungselement, sowie ein Lernelement - Die Forscher im Bereich des maschinellen Lernens, haben eine Vielzahl von maschinellen Elementen entwickelt

Der Entwurf eines Lernelements beeinflussen hauptsächlich drei Aspekte: = welche Komponenten des Leistungselements gelernt werden sollen = welches Feedback zur Verfügung steht, um diese Komponenten zu lernen = welche Repräsentationen für die Komponenten verwendet werden

In Kap. 2 sind verschiedene Agentenentwürfe beschrieben worden In Kap. 2 sind verschiedene Agentenentwürfe beschrieben worden. Die Komponenten dieser Agenten sind unter anderem folgende: Eine direkte Abbildung der Bedingungen auf den aktuellen Zustand von Aktionen Informationen darüber wie sich die Welt entwickelt und über die Ergebnisse möglicher Aktionen, die der Agent ausführen kann Nutzeninformationen, die angeben, wie wünschenswert Weltzustände sind etc.

- Jede dieser Komponente kann aus einem geeignetem Feedback gelernt werden z. B. ein Agent der lernt ein Taxifahrer zu werden, immer wenn der Lehrer bremsen ruft, kann der Agent eine Bedingung/Aktion-Regel lernen, wann er bremsen soll (Komponente 1).

Der für das Lernen verfügbare Feedbacktyp ist im allg Der für das Lernen verfügbare Feedbacktyp ist im allg. der wichtigste Faktor bei der Entscheidung, welchem Lernproblem der Agent gegenüber steht. Es werden drei Fälle unterschieden: = überwachtes Lernen =nicht überwachtes Lernen =verstärkendes Lernen

Die Repräsentation der gelernten Informationen spielt ebenfalls eine sehr wichtig Rolle, bei der Entscheidung, wie der Lernalgorithmus arbeiten muß Die Leistung eines Lernalgorithmus wird anhand der Lernkurve gemessen

Kapitel 24 Wahrnehmung

künstliche Agenten haben eine Vielzahl von Sensor-Modalitäten mit dem Menschen haben sie den Gesichtssinn, das Gehör und den Tastsinn gemeinsam in diesem Kapitel geht es um den Gesichtssinn

Bildaufbau Der Gesichtssinn nimm Licht auf, das von Objekten in einer Szene abgestrahlt wird, und erzeugt ein zweidimensionales Bild auf einer Bildebene Die Szene ist sehr groß und die Bildebene ist relativ klein- es muß also eine Möglichkeit geben, das Licht auf der Bildebene zu fokussieren Das kann mit oder ohne Linse passieren Die einfachste Möglichkeit, ein Bild aufzubauen, ist die Verwendung einer Lochkamera In modernen Kameras werden Linsen verwendet- eine Linse ist sehr viel breiter als ein Loch und erlaubt damit, das mehr Licht eintritt (Nachteil: daß nicht die ganze Szene gleichzeitig im Fokus stehen kann

Licht Licht ist eine wichtige Voraussetzung für den Gesichtssinn Photometrie- Lehre vom Licht

Reflexion – 2 Arten spiegelnde Reflexion- das Licht wird von der äußeren Oberfläche des Objektes reflektiert diffuse Reflexion- bedeutet, daß das Licht die Oberfläche des Objektes durchdringt, von dem Objekt absorbiert und dann wieder abgestrahlt wird

Frühe Operationen (als frühe Operationen bezeichnet, weil sie als erste in einer langen Reihe von Operationen sind) Glättung- bedeutet die Vorhersage des Werts eines Pixels bei bekannten Nachbarpixeln Kanten- sind gerade Linien oder Kurven in der Bildebene, entlang derer sich eine Änderung der Bildhelligkeit erstreckt

Dreidimensionale Informationen extrahieren - Es gibt mehrere Hinweise im Bild, die es ermöglichen, dreidimensionale Informationen über die Szene zu erhalten: Bewegung, Oberflächenstruktur, Schattierung, Konturenanalyse

Objekterkennung Der Gesichtssinn erlaubt uns, zuverlässig Menschen, Tiere oder nicht bewegte Objekte zu erkennen. Für alle diese Möglichkeiten wird in der KI der Begriff der Objekterkennung verwendet Es wird nicht nur verwendet um Objekte zu erkenn, sondern auch Aktivitäten wie z. B. Gangarten, Gesten, Gesichtsausdrücke etc. zu erkennen

Kapitel 26 Philosophische Grundlagen

Gedanken der Philosophen Schwache KI- Behauptung, daß Maschinen sich möglicherweise intelligent verhalten Starke KI- Behauptung, daß Maschinen tatsächlich Verstand haben könnten

Kapitel 27 KI: Gegenwart und Zukunft

Wie genau soll das Ziel der KI aussehen? Wir wollen Agenten bauen, aber wie soll man sie spezifizieren?

4 Möglichkeiten Perfekte Rationalität- perfekt rationaler Agent handelt in jedem Moment so, daß er seinen erwarteten Nutzen für die Information, die er aus der Umgebung erhalten hat, maximieren kann Kalkulatorische Rationalität- ein kalkulatorisch rationaler Agent gibt irgendwann zurück, was die rationale Auswahl am Anfang seines Nachdenkens gewesen wäre

Begrenzte Rationalität- Herbert Simon(1957) widerlegte das Konzept der perfekten Rationalität und ersetzte sie durch begrenzte R. Er sagte, daß die begrenzte Rationalität hauptsächlich versucht, befriedigende Ergebnisse zu erzielen- d.h. sie denkt nur so lange nach, bis sie eine Antwort gefunden hat, die „gut genug“ ist. Begrenzte Optimalität- begrenzt optimaler Agent verhält sich so gut wie möglich wie es ihm mit seinen vorgegebenen Rechenressourcen möglich ist Von diesen 4 Möglichkeiten scheint die letzte die beste Hoffnung für eine starke theoretische Grundlage der KI zu sein.

Wohin geht die Zukunft? Wir können nicht weit in die Zukunft sehen, aber wir können sehen, daß noch viel zu tun ist. (Satz von Alan Turing)

Vielen Dank Fragen?