Allgemeinbildung Künstliche Intelligenz. Risiko und Chance für Dummies

Dr. Ralf Otte ist Professor für Automatisierung und Künstliche Intelligenz an der Technischen Hochschule Ulm und dort unter anderem verantwortlich für die Ausbildung "Künstliche Intelligenz und Softcomputing" in den Masterstudiengängen«. Er besitzt eine über 25-jährige Praxiserfahrung bei der Umsetzung von KI-Projekten in Industrie und Gesellschaft. Sein Forschungsschwerpunkt liegt im Bereich des maschinellen Bewusstseins.

• Über den Autor 9Einführung 19Über dieses Buch 19Konventionen in diesem Buch 20Törichte Ansichten über den Leser 21Wie dieses Buch aufgebaut ist 21Teil I: Ganz schön clever (Kapitel 1 bis 3) 21Teil II: Die Intelligenz in der Maschine – Vom Denken und Lernen (Kapitel 4 bis 8) 22Teil III: Die KI erobert die Welt (Kapitel 9 und 10) 22Teil IV: Die Zukunft steht nicht mehr in den Sternen – Chance und Risiko der Künstlichen Intelligenz (Kapitel 11 und 12) 23Teil V: Der Top-Ten-Teil 23Symbole, die in diesem Buch verwendet werden 23Wie geht es nun weiter? 24Teil I: Ganz schön clever 25Kapitel 1 Einführung in das Thema 27Das verstehen wir unter Intelligenz 28Intelligenz definieren 28Intelligenz als Blackbox-Konzept 29Klassifikation der Künstlichen Intelligenz 35Schwache KI vs Starke KI 36Künstliche Intelligenz – Wie konnte es so weit kommen 38Wie will man Denken nachbilden? 39Die Vorentwicklungen zur KI 41Die Geburtsstunde der KI 42Kapitel 2 Die Grundlagen der Künstlichen Intelligenz 45So viel Chaos um Begriffe 45Was ist Wissen? – Ein erster Erklärungsversuch 46Was ist Wahrheit? 46Daten – Die Rohstoffe der KI 48Unsere Definition für Daten 48Von Wissen und Halbwissen 52Weiterführende Erklärungen zur Bedeutung von Informationen 53So generiert die KI echtes Wissen 55Warum die KI keine Witze versteht 55Fazit – Was wollen wir uns merken? 56Alles digital oder was … – die große Digitalisierungswelle als Voraussetzung der KI 57Warum man Angst, Freude oder Hunger nicht digitalisieren kann 60Der Nutzen der Digitalisierung am Beispiel 62Der Mensch speichert sein Wissen nicht digital 63Der Unterschied zwischen Gehirn und Digitalcomputer _64Kapitel 3 Wie intelligent ist eigentlich die Künstliche Intelligenz? 67Wie klug ist die KI heute? 67Die angemessene Intelligenz – Intelligenzstufe I1 68Die lernende Intelligenz – Intelligenzstufe I2 69Die kreative Intelligenz – Intelligenzstufe I3 71Die bewusste Intelligenz – Intelligenzstufe I4 79Die selbstbewusste Intelligenz – Intelligenzstufe I5 81Einordnung der KI im Rahmen der verschiedenen Intelligenzstufen und Anmerkungen zu Bots 82Was ist ein Bot? 82Eine Definition für KI-Systeme, die wir in diesem Buch treffen wollen 83Der Turing-Test 83Was ist ein Turing-Test? 84Wie funktioniert der Test? 85Chatbots, soweit das Auge reicht 85Das chinesische Zimmer und Probleme der Semantik 88Zusammenfassung 89Teil II: Die Intelligenz in der Maschine –Vom Denken und Lernen 91Kapitel 4 Automatische Erzeugung von Wissen 93Wissenserwerb durch logisches Denken 94Die Deduktion 94Die Abduktion 96Wissenserwerb durch Lernen – die Induktion 98Das Lernen von Regeln 98Das Lernen von Funktionen und Modellen 99Maschinelles Lernen, Data Mining und Data Science – Wir erkennen erste Grenzen 100Bonitätsprüfung 102Expertensysteme 103Zusammenfassung 104Kapitel 5 Logisches Denken auf Maschinen 105Was ist Kognition? 105Die Grundlagen der Logik 106Die Logik des Altertums 106Aussagenlogik 107Grundbausteine der Logik 108Die Implikation und die Deduktion 111Deshalb kann ein Computer korrekt schlussfolgern 113Das Deduktionstheorem der Aussagenlogik 114Implementierung der Aussagenlogik auf einem Computer 115Warum reicht die Aussagenlogik nicht 116Höhere Logiken 118Prädikatenlogik 119Auch in der Prädikatenlogik kann man korrekt schlussfolgern 120Probleme der Wahrheitsfindung auf einem Computer 122Prädikatenlogik 1 Ordnung 122Prädikatenlogik 2 Ordnung 123Zusammenfassung und Grenzen der klassischen Logik 126Kapitel 6 Automatisiertes Lernen auf Maschinen 129Maschinelles Lernen 130Was ist maschinelles Lernen? 130Data Mining - So lernt man auf Daten 131Der einfachste empirische Zusammenhang: Korrelationen 133Eine Warnung an alle Freunde der Korrelation 134Modelle über die Welt 135Die Mathematik der Modellierung 137Von theoretischen zu empirischen Modellen und wieder zurück 139Empirische Modellbildung bei Ihrer Hausbank 140Kapitel 7 Die Maschine lernt richtige Regeln 143Entscheidungsbäume 143Empirische Regelbildung für das Marketing 146Beispiel: Regeln zur Erhöhung des Abverkaufs von Zahncreme in einem Supermarkt 147Assoziationsregeln 149Kapitel 8 Neuronale Netze – Auf dem Weg zum künstlichen Gehirn 153Die KNN sind Simulatoren 153Das Neuronenmodell 154Die Mathematik Künstlicher Neuronen 156Wie alles begann … das binäre Neuron 157Vom binären zum kontinuierlichen Neuron 158Die Topologie von neuronalen Netzwerken 159So arbeitet ein neuronales Netzwerk 159Mathematische Grundlagen neuronaler Lernverfahren 162Lernverfahren der Praxis – Hinweise zu Backpropagationund Deep Learning-Netzen 166Zusammenfassung und Grenzen des maschinellen Lernens 168Teil III: Die Künstliche Intelligenz erobert die Welt 171Kapitel 9 Unüberwindbare Hürden für die Künstliche Intelligenz 173Auf der Suche nach der Wahrheit 173Das Paradox des Maschinellen Lernens 175Die Bewusstseinsgrenze der heutigen KI 177Die Physikalische-Symbol-System-Hypothese (PSSH) von Newell und Simon 177Eine weitere These der KI-Szene: Bewusstsein als Epiphänomen 178Eine These des Autors 178Eine weitere These des Autors: Künstliche Intelligenz auf Digitalcomputern kommt bald an ihr natürliches Ende 180Kapitel 10 Künstliche Intelligenz in Industrie und Gesellschaft 181Künstliche Intelligenz in der Industrie 181Roboter in der Industrie 182Industrie 4.0 und Internet der Dinge 183Künstliche Intelligenz in der Gesellschaft 185KI und Spiele 185Das Internet und soziale Netzwerke 186Spracherkennung und Sprachsteuerung 187Sprachübersetzung 188KI in der Medizin 188KI in Kunst und Wissenschaft 190Autonome Autos (Roboterautos) – und ihr wahrscheinliches Scheitern 191KI, das Internet & Big Data – Fluch und Segen zugleich 197Facebook 197Google 198Internetfirmen 200KI zur Überwachung von Personen 202Gesichtserkennung 202Die Detektion von Gefährdern, Terroristen und unschuldigen Bürgern 203Pre-Crime – Verbrechen bekämpfen, bevor sie entstehen 206KI und Gedankenlesen 206Zusammenfassung zu den Anwendungen 210Teil IV: Die Zukunft steht nicht mehr in den Sternen – Chance und Risiko der Künstlichen Intelligenz 213Kapitel 11 Der Geist in der Maschine 215Eine Hypothese: Zur Erzeugung von Bewusstsein benötigen wir wahrscheinlich die Quantenphysik 217Was ist Qualia? 218Der Mensch sieht nicht nur mit seinen Augen 218Zusammenfassung, technische Hürden und Ausweg für die Künstliche Intelligenz 222Das Paradox der Künstlichen Intelligenz 223Kapitel 12 Zukünftige Entwicklungen und ethische Fragen 227Die Evolution der Schwachen KI 227Deduktive KI – Die schlussfolgernde KI von gestern 227Induktive und Kognitive KI – Die lernende und denkende KI der Gegenwart 228Neuromorphe KI – Die Hardware-KI von morgen 228Quanten-KI – Die maschinenbewusste KI von übermorgen 230Die Evolution der Starken KI 231Wir müssen über Ethik reden 232Was ist Ethik? 232Große Gefahren und Risiken der KI 233Wir brauchen einen regelmäßigen KI-TÜV 234Zusammenfassung und Fazit 235Teil V: Der Top-Ten-Teil 237Kapitel 13 Zehn heiße Tipps für meine Leser 2391 – Damit die KI nicht Science Fiction wird 2392 – Tipps für Schüler 2403 – Tipps für den nicht-studierten Laien 2404 – Tipps für den studierten Laien 2415 – Tipps für Manager 2416 – Tipps für Politiker 2417 – Es gibt auch Big Data 2428 – Probieren Sie selbst mal was aus 2429 – Lesen Sie jedes Jahr ein Büchlein über die KI 24310 – Führen Sie KI in Ihrem Unternehmen ein 244Und nun mein Tipp für ALLE 244Stichwortverzeichnis 247