Artificial Intelligence

Präsentation zum Thema: "Artificial Intelligence"—  Präsentation transkript:

1 Artificial Intelligence
Accenture-Stiftung: Artificial Intelligence Trainerhinweise / Script:

2 Hinweis - Haftungsausschluss
Inhalt der Digitalen Lernwerkstatt Sämtliche Inhalte unserer Digitalen Lernwerkstatt wurden und werden mit äußerster Sorgfalt erstellt und regelmäßig überprüft. Die Accenture-Stiftung übernimmt jedoch keinerlei Gewähr für die Aktualität, Korrektheit, Vollständigkeit oder Qualität der bereitgestellten Informationen sowie für Links oder Webseiten Dritter. Die Inhalte der digitalen Lernwerkstatt stellen keine Rechtsberatung dar. Haftungsansprüche gegen die Accenture-Stiftung, gegen die Accenture GmbH oder mit ihr verbundene Unternehmen, welche sich auf Schäden materieller oder ideeller Art beziehen, die durch die Nutzung oder Nichtnutzung der dargebotenen Informationen bzw. durch die Nutzung fehlerhafter und unvollständiger Informationen verursacht wurden, sind grundsätzlich ausgeschlossen. Die Inhalte der Accenture-Stiftung stehen zur freien Verfügung und Download bereit. Der Nutzer haftet selbst für die Verwendung der Materialien. Alle Copyrights Dritter wurden als solche markiert und sollten bei Wiederverwertung der Inhalte und Materialien angegeben werden.

3 Inhalte Einführung in die Thematik Was ist Artificial Intelligence (künstliche Intelligenz)? Wie funktioniert Artificial Intelligence? Anwendungsfälle Was für praktische Beispiele gibt es? Was würdet ihr gerne einer Maschine beibringen? Reflektionen Was sind die Vor- und Nachteile? Wie stellt ihr euch unsere Zukunft mit Artificial Intelligence vor? Abschluss Zusammenfassung Quellenangaben und weiterführende Links

4 Was ist Artificial Intelligence?
Intelligenz: Sammelbegriff für die kognitive Leistungsfähigkeit des Menschen Kognitive Fähigkeiten: Logik, Verstehen, Selbsterfahrung, Planen, Kreativität, Problemlösung, Sinneswahrnehmung, Entscheidungen Treffen, Sprache, Lernen Künstliche Intelligenz: Nachbildung menschlicher Intelligenz mittels Computerprogrammierung Beispiele intelligenter kognitiver Prozesse, welche in AI mittels Computerprogrammierung nachgebildet werden Die Fähigkeit mit der Welt zu interagieren Wahrnehmen, verstehen, handeln Die beste Lösung finden Denken und planen Sich ein Model von der Welt machen basierend auf Inputs (z.B. durch Sinneswahrnehmung) Neue Probleme lösen, planen, Entscheidungen treffen Die Fähigkeit mit unerwarteten Ereignissen und Ungewissheit umzugehen Lernen und sich Anpassen Wir lernen ständig Neues und passen uns an unsere Umwelt an Wir bringen unser internes Model unserer Umwelt immer auf den neusten Stand (´updating´) Z.B. ein Baby, dass lernt Tiere zu erkennen und zu kategorisieren

5 Was ist Artificial Intelligence?
Beispiele intelligenter kognitiver Prozesse Die Fähigkeit mit der Welt zu interagieren Wahrnehmen, verstehen, handeln Die beste Lösung finden Denken und planen Sich ein Model von der Welt machen basierend auf Inputs (z.B. durch Sinneswahrnehmung) Neue Probleme lösen, planen, Entscheidungen treffen Die Fähigkeit mit unerwarteten Ereignissen und Ungewissheit umzugehen Lernen und sich anpassen Wir lernen ständig Neues und passen uns an unsere Umwelt an Wir bringen unser internes Model unserer Umwelt immer auf den neuesten Stand (´updating´) Z.B. ein Baby, das lernt, Tiere zu erkennen und zu kategorisieren * Diese Folie fällt weg, wenn der Trainer bereits Beispiele für intelligente kognitive Prozesse zu Folie 3 nennt

6 Was ist Artificial Intelligence?
Artificial Intelligence: Ist ein Teilgebiet der Informatik Hier werden Programme entwickelt, um die menschliche Intelligenz, das Denken und Handeln (intelligente kognitive Prozesse) nachzubilden Z.B. ein Computer löst eigenständig Probleme, trifft Entscheidungen etc. Starke AI Schwache AI Intelligenz erschaffen, die das komplexe menschliche Denken mechanisieren soll (Mensch als Maschine) Schaffung von Bewusstsein Gilt als visionär Konkrete Anwendungsprobleme des menschlichen Denkens meistern Fähigkeit zu lernen Fähigkeit, mit Wahrscheinlichkeiten umzugehen, um Entscheidungen zu treffen

7 Was ist Artificial Intelligence?
Interdisziplinäres Feld: hier treffen eine Vielzahl von Wissenschaften aufeinander Informatik Schnelle Computer entwickeln, Programmierung, Algorithmen Mathematik Beweise, Algorithmen, Programmierung Statistik Modellierung von Wahrscheinlichkeiten, von Daten lernen Neurowissenschaften Nervenzellen als Einheiten, die Informationen verarbeiten Psychologie/ Kognitionswissenschaften Verhalten, Wahrnehmen, Verarbeitung von kognitiven Informationen, Repräsentation von Wissen Linguistik Grammatik, Repräsentation von Wissen Philosophie Logik, Methoden des Verstehens, der Geist als physisches System, Grundlagen des Lernens, Denkens, Vernunft Wirtschaftswissenschaften Entscheidungstheorie, Nutzentheorie, rationale Wirtschaftsteilnehmer * Diese Folie kann optional auch weggelassen werden

8 Wie funktioniert Artificial Intelligence?
Oder wie bringt man einer Maschine etwas bei? Hier: die Maschine soll lernen, eine medizinische Diagnose zu machen Die Maschine lernt von einem großen Datensatz an Bildern (z.B. 1.5 Mio.) medizinischer Scans von verschiedenen Körperteilen und aus verschiedenen Betrachtungswinkeln Die Bilder sind nicht gekennzeichnet, d.h. die Maschine weiß zu Anfang nicht, was ein Gehirn oder was ein Bein ist Eine Möglichkeit ist, dass der Algorithmus die Daten durch ein Neuronales Netz strukturiert Grundsätzlich ist die Stärke eines neuronalen Netzes die Fähigkeit, mehr oder weniger selbstständig aus Trainingsdaten zu lernen .. und viele Bilder mehr!

9 Wie funktioniert Artificial Intelligence?
Nervenzellen formen neuronale Netze: der Computer simuliert die Struktur und Kommunikation zwischen den ´Nervenzellen´, den Einheiten neuronaler Netze und nutzt diese als Basis des Lernens Nervenzellen / Neuronen Neuronales Netz Synapse: transmits information (carries weight), has a directionality (feedforward or backward)  Neuron: input or output node, sends or receives information, contains activation function, evaluates inputs, generates output, contains bias

10 Wie funktioniert Artificial Intelligence?
Wie lernt die Maschine? Die Maschine kann von selbst Muster in den Bildern erkennen (unsupervised learning) Diese Muster werden immer genauer und neue Muster werden erkannt: z.B. gesund, krank Der Mensch kann der Machine dabei auch zur Hilfe kommen und manuell die Zuordnung von Mustern korrigieren (supervised learning) Der trainierte Algorithmus übernimmt hier die Tätigkeit eines Pathologen oder Radiologen oder kommt diesen zur Hilfe Kategorie: Kopf / Gehirn Kategorie: Rumpf / Organe

11 Anwendungsfälle Chatbot der Arbeitsagentur
Chatbot soll Jugendlichen die Berufswahl erleichtern. Sie können via Instant-Messaging ihre Interessen und Stärken entdecken. Und bekommen umgehend eine persönliche Auswertung. Damit finden sie leichter den Einstieg für das anschließende persönliche Beratungsgespräch bei der BA.

12 Anwendungsfälle Input Output Chatbot der Arbeitsagentur
Was steckt dahinter? Verarbeitung von Sprache: Natural Language Processing (NLP) Input Textextrakte von einem großen Konversations-Datensatz Output Antworten, die auf die Fragen des Nutzers passen

13 Anwendungsfälle Spiele / Games:

14 Anwendungsfälle Spiele / Games Was steckt dahinter?
Z.B. Entscheidungsbaum (Decision Tree) Spielzug 1 Spielzug 2

15 Anwendungsfälle Robotertechnik: Robocup

16 Anwendungsfälle Robotertechnik Was steckt dahinter?
Lernen durch Demonstration: Der Roboter lernt Objekte Beziehungen zwischen Objekten zu erkennen Und erkennt Gemeinsamkeiten in demonstrierten Aktionen Der Roboter lernt die Motorik für komplexe Aktionssequenzen (Bewegungsmuster) oder Planungsaufgaben, um kurz- und langfristige Ziele zu erreichen Ein Plan ist eine zum Ziel führende Aktionsfolge Das gelernte Verhalten muss in neuen Situationen anwendbar sein

17 Anwendungsfälle Selbstfahrende Autos

18 Anwendungsfälle Selbstfahrende Autos Was steckt dahinter?
Computervision: Sensor zur Abtastung der Umgebung, um ein 360 Grad-3D Modell des direkten Umfelds zu erstellen Auto an einer roten Ampel Messung der Entfernung und Geschwindigkeit von Objekten über Laser Echtzeit Abbild des Verkehrs und des Straßenzugs In der Dachkonstruktion befinden sich zwei Sensoren, die um 90 Grad gegeneinander verschränkt sind. Das 3D-Abbild wird durch die Rotation und die Verschränkung der LiDAR-Sensoren (LiDAR =  Light detection and ranging) erzeugt. Zur Messung der Entfernung und der Geschwindigkeit sendet das Lidar-System aus 64 fest angeordneten Lasern Laserpulse aus und detektiert das vom Objekt zurückgestreute Licht. Aus der Laufzeit der Signale und der Lichtgeschwindigkeit kann die Entfernung zum Objekt berechnet werden. Anhand mehrerer Messpunkte (1,3 Millionen / Sekunde) lässt sich somit ein genaues Abbild der Umgebung erzeugen. Das dreidimensionale Modell wird mit hochauflösenden Aufnahmen zusammengeführt und somit ein Echtzeit-Abbild des Verkehrs und des Straßenzugs erzeugt. Pro Sekunde sammelt ein autonomes Fahrzeug von Google etwa ein Gigabyte verschiedenste Daten. Die Karte wird gespeichert und bei jeder Vorbeifahrt mit weiteren stationären Details angereichert. Um ein Bild des fließenden Verkehrs zu erzeugen, befinden sich in der vorderen und hinteren Stoßstange vier Radarsensoren. Eine Kamera hinter der Windschutzscheibe registriert Verkehrsschilder und Lichtsignalanlagen und kann die dort enthaltene Information mittels Bildverarbeitungssoftware in Umgebungsinformation für die Steuerungseinheit umwandeln. Sensoren in den Reifen, ein GPS-Modul und Trägheitssensoren registrieren Fahrzeugbewegungen und berechnen in Echtzeit Fahrweg, Geschwindigkeit und in Zusammenarbeit mit der Steuerungseinheit etwaige Konfliktsituationen. Das autonome Google-Fahrzeug ist hochgradig abhängig von detaillierten und hochauflösenden Karten der Straßen und des Terrains. Aus diesem Grund fahren die Google-Ingenieure Strecken mehrmals ab, um genügend Daten zu sammeln, bevor das Fahrzeug die Strecke autonom zurücklegen darf. Für einen autonomen Fahrbetrieb müssen Informationen über die Umwelt und die eigene Position sowie Fahrgeschwindigkeit des Fahrzeuges selbst und aller anderen Fahrzeuge und Objekte in unmittelbarer vorliegen. Aus der Position der statischen und variablen Objekten sowie der Fortbewegung in eine bestimmte Richtung lassen sich Steuerbefehle an die einzelnen Komponenten des Fahrzeugs wie Lenkung, Motorsteuerung oder Bremsanlage senden. Je höher die Fahrgeschwindigkeit ist, desto größere Anforderungen werden an die Verarbeitung von Daten, die Situationsanalyse und die Verhaltensentscheidung gestellt. Der Forschungsbereich der „Künstlichen Intelligenz“ spielt daher beim autonomen Fahren eine große Rolle, da das Fahrzeug selbständig auf unterschiedlichste Situationen reagieren muss ohne zwingend zusätzliches Input eines Menschen zu erhalten. Fahrzeugsteuerung: Situationsaspekte mit einer Objektbezogenheit

19 Anwendungsfälle Internet of Things iRobot Roomba: Staubsauger
Ermittelt einen Grundriss vom zu Hause, passt sich verschiedenen Oberflächen und Objekten an Reinigt die Zimmer mit den effizientesten Bewegungsmustern und dockt automatisch an eine Ladestation an Kann über eine App bedient werden

20 Reflektionen Vor und Nachteile
Welche Vor- und Nachteile von Artificial Intelligence fallen euch ein?

21 Reflektionen Vor und Nachteile Vorteile Nachteile
Übertreffen von Leistungen menschlicher Experten/innen Sehr spezifische und auf einen Bereich beschränkte Fähigkeiten Automatisierung, Unterstützung und Übernehmen von Jobs Weniger Arbeitsplätze und Steuerzahler Weiter wachsendes Anwendungsgebiet und zunehmende Selbstoptimierung von Algorithmen Erhöhtes Risiko, dass die neuen Technologien systemisch fehlschlagen oder missbraucht werden (z.B. Finanzmarkt, Militär) Weniger Unfälle im Straßenverkehr und weniger Fehler bei medizinischen Behandlungen Nach welchen Kriterien soll entschieden werden, falls doch ein Fehler entsteht? Computer sind im Einschätzen von Wahrscheinlichkeiten kompetenter als Menschen (sie überschätzen ihre Fähigkeiten) Anspruchsvolle Programmierung, hohe Kosten, mangelndes Vertrauen von Menschen in AI Technologien

22 Reflektionen Wie stellt ihr euch eure Zukunft mit Artificial Intelligence vor? Wir die nächste geniale Idee von einer Maschine stammen?

23 Zusammenfassung Artificial Intelligence:
Nachbildung menschlicher Intelligenz mittels Computerprogrammierung Automatisierung intelligenten Verhaltens Interdisziplinäres Fachgebiet und Teilgebiet der Informatik Die Maschine wird größtenteils auf großen Datensätzen trainiert, um intelligentes handeln zu lernen Bespielalgorithmen sind Neuronale Netze, NLP und Entscheidungsbäume, aber es gibt noch viele weitere Bei vielen Aufgaben sind AI Anwendungen dem Menschen überlegen, jedoch nur, wenn die Aufgabe auch stark definiert ist Menschen können sich anhand der bisher gemachten Erfahrungen schnell auf eine neue Situation einstellen, welches für AI Anwendungen nur in dem Rahmen des gelerntem Umfelds möglich ist Bei vielen Aufgaben sind Roboter dem Menschen weit überlegen – zum Beispiel bei der Montage von Autos in Fabrikhallen. Ganz anders sieht die Sache jedoch aus, wenn keine klar definierte Aufgabe gelöst werden muss. Dies ist beispielsweise der Fall, wenn sich ein Roboter in einer unbekannten Umgebung zurecht finden muss. Hier ist er den Menschen weit unterlegen, denn diese verfügen über eine Fähigkeit, die Maschinen noch weitgehend abgeht: Menschen können sich anhand der bisher gemachten Erfahrungen schnell auf eine neue Situation einstellen, und sie sind auch fähig, aus neuen Erfahrungen zu lernen. Wettrüsten, das die Sicherheit der Technologieentwicklung ihrem Tempo opfert

24 Quellenangaben Trainerhinweise / Script:

25 Hinweis - Haftungsausschluss
Inhalt der Digitalen Lernwerkstatt Sämtliche Inhalte unserer Digitalen Lernwerkstatt wurden und werden mit äußerster Sorgfalt erstellt und regelmäßig überprüft. Die Accenture-Stiftung übernimmt jedoch keinerlei Gewähr für die Aktualität, Korrektheit, Vollständigkeit oder Qualität der bereitgestellten Informationen sowie für Links oder Webseiten Dritter. Die Inhalte der digitalen Lernwerkstatt stellen keine Rechtsberatung dar. Haftungsansprüche gegen die Accenture-Stiftung, gegen die Accenture GmbH oder mit ihr verbundene Unternehmen, welche sich auf Schäden materieller oder ideeller Art beziehen, die durch die Nutzung oder Nichtnutzung der dargebotenen Informationen bzw. durch die Nutzung fehlerhafter und unvollständiger Informationen verursacht wurden, sind grundsätzlich ausgeschlossen. Die Inhalte der Accenture-Stiftung stehen zur freien Verfügung und Download bereit. Der Nutzer haftet selbst für die Verwendung der Materialien. Alle Copyrights Dritter wurden als solche markiert und sollten bei Wiederverwertung der Inhalte und Materialien angegeben werden.