Künstliche Intelligenz für Dummies

Ralf Otte ist Professor am Institut für Automatisierungssysteme an der Technischen Hochschule Ulm und dort auch verantwortlich für das Modul »Künstliche Intelligenz und Softcomputing für Ingenieure«.

• Über den Autor 9Einführung 21Über dieses Buch 22Wie dieses Buch aufgebaut ist 23Teil I: Ganz schön clever 23Teil II: Wie lernt und denkt eine Maschine heute 23Teil III: Eine bunte Umsetzung von Künstlicher Intelligenz, denn alle Theorie ist grau 24Teil IV: Ist die Maschine bald klüger als der Mensch und fühlt sie sich wenigstens gut dabei 24Teil V: Der Top-Ten-Teil 25Symbole, die in diesem Buch verwendet werden 25Was nun? 26Teil I Ganz Schön Clever 27Kapitel 1 Einführung in die Thematik 29Was ist Intelligenz? 30Intelligenz messen 30Gibt es nicht die eine richtige Antwort? 31Codierte Intelligenz 33Schwache KI 34Starke KI 34Kapitel 2 Eine kurze Geschichte der intelligenten Maschinen 37Autonom vs intelligent 37Denken mit Mathematik formalisieren 38Der Universalcomputer 38Die Geburtsstunde der Künstliche Intelligenz 39Wichtige Meilensteine der KI 40Kapitel 3 Wie intelligent ist die Künstliche Intelligenz wirklich? 45Die angemessene Intelligenz – Intelligenzstufe I1 45Die lernende Intelligenz – Intelligenzstufe I2 49Muss Wissen wahr sein? 50Können Maschinen Wissen erzeugen? 51Deduktiver Wissenserwerb 52Abduktiver Wissenserwerb 55Induktiver Wissenserwerb 56Die kreative Intelligenz – Intelligenzstufe I3 60Die bewusste Intelligenz – Intelligenzstufe I4 65Die selbstbewusste Intelligenz – Intelligenzstufe I5 67Einordnung der KI im Rahmen der verschiedenen Intelligenzstufen und Anmerkungen zu Bots 67Der Turing-Test 68Das chinesische Zimmer 71Zusammenfassung 72Kapitel 4 Alles, was Sie über das Wissen wissen müssen 73Von Daten zu Informationen zu Wissen 73Reden wir über Daten 74Reden wir über Information 76Information und ihre Bedeutung 81Berechnen wir die quantitative Größe der Bedeutung 83Kommen wir zum Wissen 86Alles digital oder was … – Die große Digitalisierungswelle 88KI, Datenbanken und Wissensbasierte Systeme 93Was ist eine Datenbank? 94Was ist ein Expertensystem? 95Was ist ein Wissensbasiertes System? 99KI und Multi-Agenten-Systeme 99KI und Semantische Netze 103KI und Neuronale Netze oder wie speichert der Mensch sein Wissen? 105KI-Systeme sind etwas Technisches 107Wir erzeugen neues Wissen 108Kapitel 5 Alles logisch oder was? 111KI umfasst noch sehr viel mehr 112Die Grundlagen der Logik 113Die logische Kettenregel 113Aristoteles’ Logik nennen wir Syllogismus 114Aussagenlogik 116Junktoren der Aussagenlogik 117Tautologien 121Das Deduktionstheorem 123Das Erfüllbarkeitsproblem der Aussagenlogik 128Prädikatenlogik 1 Stufe (PL1) 129Schlussfolgern in der Prädikatenlogik 133Der Resolutionskalkül 135Die PL1 ist korrekt und vollständig 136Das Entscheidbarkeitsproblem der Prädikatenlogik 136Prädikatenlogik 2 Stufe (PL2) 137Darum PL2 138Vollständige Induktion 139Grenzen der PL2 – Das Unvollständigkeitstheorem 140Unabhängig von der KI: Was bedeutet das Ergebnis von Gödel erkenntnistheoretisch? 144Zusammenfassung und Kritikpunkte zur klassischen Logik 145Teil II Wie Lernt Und Denkt Eine Maschine Heute 147Kapitel 6 Die Grundlagen des maschinellen Lernens 149Die Rohstoffe des maschinellen Lernens 150Die Grundlagen maschinellen Lernens 151Weiße Schwäne – schwarze Schwäne 152Bauen wir Modelle von der Welt 152Analytischer vs empirischer Ansatz 153Beispiele für die empirische Modellierungsmethode 157Statistik im Überblick 159Schließende Statistik in der KI 161Von Datentypen, Kennzahlen und fiesen Fallstricken 161Welche Daten sagen was - Skalentypen 163Beginnen wir mit einer einfachen Datentabelle 164Univariate Statistik am Beispiel 166Multivariate Statistik am Beispiel 168Auf der Suche nach der Wahrheit 172Die Grenzen der Statistik 173Multivariate Statistik im mathematischen Detail 174Statistische Verfahren zum Auffinden von Zusammenhängen 175Statistische Verfahren zum Auffinden von Strukturen 190Zusammenfassung 194Kapitel 7 Kaum zu glauben – Die Maschine lernt richtige Regeln 195Entscheidungsbäume 196Entscheidungsbaum basierend auf Maximierung des Informationsgewinns 196Assoziationsregeln 205Wichtige Gütemaße 206Ein interessantes Gütemaß: Die Interessantheit 212Kapitel 8 Neuronale Netze – Auf dem Weg zum künstlichen Gehirn 213Das Neuronenmodell 214Wie alles begann … 216… und (fast) voreilig endete 219Die Topologie von neuronalen Netzwerken 223Überblick über neuronale Lernverfahren 229Überwachte Lernverfahren 230Unüberwachte Lernverfahren 230Bestärkende Lernverfahren 230Hebb’sche Lernregel – das einfachste Lernverfahren 232Delta-Lernregel als einfaches überwachtes Lernverfahren 233Backpropagation-Lernregel – der Standard der überwachten Lernverfahren 235LSTM-Netze (als Vertreter von Deep-Learning-Netzen) 240Competitive Networks – ein einfaches unüberwachtes Lernverfahren 241Selbst-Organisierende Merkmalskarten (SOM) – ein unüberwachtes Lernverfahren der Königsklasse 243Probleme der neuronalen Netze beim Einsatz in der Praxis 253Gütemaße neuronaler Netze für numerische Vorhersagen (Modellvorhersagen) 254Gütemaße für Klassifikatoren 255Probleme des Generalisierens 255Zusammenfassung 259Kapitel 9 Deep Learning – Der neue Clou der Künstlichen Intelligenz 261Ein kleines bisschen Bildverarbeitung 262Bildverarbeitung durch Faltung .. und nicht Filterung 263Ein Faltungskern zur Kantendetektion 266Convolutional Neural Networks (CNN) – Neuronale Faltungsnetzwerke 268Lernphase eines CNN 268Anwendungsphase eines CNN 269Kritische Anmerkungen zum Deep Learning 270So täuscht man eine KI 271Teil III Eine Bunte Umsetzung Der Künstlichen Intelligenz, Denn Alle Theorie Ist Grau 275Kapitel 10 Ist KI nur Mathematik? 277Grenzen von Mathematik und Computern 277Was ist ein Algorithmus? 279Ist auch die menschliche Intelligenz algorithmisch? 281Ist die Natur »mechanisierbar«? 283Kapitel 11 Klüger als die alten Meister – Wieso gewinnt die KI im Schach und Go? 289Wie konnte es so weit kommen? 289Deep Blue gewinnt im Schach 290AlphaGo gewinnt im Go 295Zugnetzwerk (Policy Network) 297Bewertungsnetzwerk (Value Network) 297AlphaZero gewinnt alles 299Zusammenfassung 302Kapitel 12 Mal was Nützliches – KI in Industrie und Gesellschaft 303Künstliche Intelligenz in der Industrie 303IBM Watson 305Roboter in der Industrie 306Produktion Industrie 4.0 und Internet der Dinge 308Künstliche Intelligenz in der Gesellschaft 312Das Internet 312Gesichtserkennung 313Spracherkennung und Sprachsteuerung 313Sprach-Übersetzung 314Medizin 314Soziale Netzwerke 315KI in Kunst und Wissenschaft 315Autonome Autos (Selbstfahrende Autos) 316Zusammenfassung und Diskussion 322Kapitel 13 Und immer wieder lernen – KI und die Daten unserer Welt 323Was es alles gibt 323Was ist Data Mining? 325Der Data-Mining-Prozess in der Praxis 326KI als die Data-Mining-Technologie der Industrie 329Allgemeine Situationsbewertung 329Praxisbeispiel – Ausschussratensenkung in einer diskreten Fertigung 333Praxisbeispiel – Analyse von Prozesseigenschaften chemischer Prozesse 341Praxisbeispiel – Gleichzeitige Optimierung mehrerer Zielgrößen (Polyoptimierung) 346Praxisbeispiel – Kostenreduktion im Einkauf durch Text Mining 349Und vieles mehr 353Zusammenfassung 353KI & Big Data – Fluch und Segen zugleich 356Schauen wir zuerst zu Facebook 356BUMMER und das Gesetz der großen Zahlen 358Und nun zu Google 359Da ist der Haken 361Kapitel 14 KI zum Anfassen – Arbeiten mit Tools 3631 Matlab – MATrix LABoratory 3672 WEKA – Waikato Environment for Knowledge Analysis 3683 R und Python 3684 KNIME – Konstanz Information Miner 3695 TensorFlow – das KI-Werkzeug von Google 370Teil IV Ist Die Maschine Bald Klüger Als Der Mensch und Fühlt Sie Sich Wenigstens Gut Dabei 373Kapitel 15 Materie und Geist – Ein notwendiger Ausflug in die Philosophie 375Wie klug ist die KI heute schon? 375Generelles Nachdenken über den Geist und das Bewusstsein 382Dualismus 383Monismus 384Emergenztheorie 385Funktionalismus 385Schön philosophiert – Und nun? 387Zusammenfassung 389Kapitel 16 Mit der Lupe ins Gehirn geschaut: Bewusstsein – Wo bist du? 391Von der Philosophie des Geistes zurück zur empirischen Forschung 391Wo und wie ist denn nun die Qualia abgespeichert? 393Die Anatomie neuronaler Netze im menschlichen Gehirn 394Die Physiologie der neuronalen Informationsverarbeitung 396Eine wichtige Diskussion: Wetware vs Hardware 401Der Vorteil der Wetware – Die heutige Hardware besitzt keine Qualia 4031 Detaillierte Analyse des menschlichen Gehirns 4042 Mathematische Modellierung von Bewusstsein und Qualia im Gehirn 4043 Bestimmung der Eigenschaften, die ein System haben müsste, um Bewusstsein auszuprägen 4054 Zeigen, dass die heutigen KI-Systeme diese Eigenschaften nicht besitzen 405Eine Hypothese: Zur Erzeugung von Qualia benötigen wir wahrscheinlich die Quantenphysik 406Ein Beispiel: Der Mensch sieht nicht nur mit seinen Augen 407Zusammenfassung 410Kapitel 17 Zukünftige Entwicklungen und ethische Fragen 413Quo vadis KI oder Warum die Singularität nochmals ausfällt 414Auswirkungen bei der Nichterkennung technischer Grenzen der heutigen KI-Systeme 416Die Evolution der Schwachen KI 416Deduktive KI – Die KI bis gestern 416Induktive und Kognitive KI – Die KI der Gegenwart 417Neuromorphe KI – Die KI von morgen 419Die Evolution der Starken KI 422Maschinelles Bewusstsein auf Quantencomputern? 422Wir müssen über Ethik reden 424Was haben Fake News mit KI zu tun? 425Und jetzt auch noch Fake Science 426KI in Social Media 427Damit kommen wir zur Ethik 428Fiction 1: Plädoyer gegen die Künstliche Intelligenz –Das Risiko vom Ende 431Fiction 2: Plädoyer für die Künstliche Intelligenz – Die Chance zum Anfang 434Diskussion 438Teil V Der Top-Ten-Teil 439Kapitel 18 Fast zehn Begriffe und Einordnungen 441Damit Sie die KI nicht missverstehen 441Tipps für Studenten 442Tipps für Manager 442Und ein kleiner Tipp für Politiker und interessierte Laien 443Es gibt auch Big Data 444Ein Einstieg für Interessierte mithilfe des Internets 444Werden Sie aktiv – Probieren Sie selbst mal was aus 445KI ist gut organisiert 446Führen Sie KI in Ihrem Unternehmen ein oder werden Sie dafür verantwortlich 447Literaturliste 449Stichwortverzeichnis 453

"... Besonders gut hat mir der kurze, aber informative Überblick über die vielen, vielen Tools gefallen. ...Fazit: Gut, um über den programmiertechnischen Horizont hinaus zusätzlich mehr zu erfahren."(Infotechnicka. de 23. Juni 2019) "Unterhaltsamer und verständlicher als Otte das tut, gibt's das wohl in keinem anderen Buch."(ntv.de 8.11.2019)