| Zuletzt geändert: | 26.09.2022 / von Carlsburg |
| EDV-Nr: | 113442a |
| Studiengänge: |
Medieninformatik (Bachelor, 7 Semester), Prüfungsleistung im Modul Künstliche Intelligenz
in Semester
3 4 6 7
Häufigkeit: immer
|
|
Dozent:
|
|
|
Sprache:
|
Deutsch
|
|
Art:
|
-
|
|
Umfang:
|
4 SWS
|
|
ECTS-Punkte:
|
6
|
|
Workload:
|
Vorlesung
15 Termine zu je 4 SWS = 45 Zeitstunden
Vor- und Nachbearbeitung
15 Termine zu je 7 SWS = 79 Zeitstunden
Prüfungsvorbereitung
7 Tage zu je 8 Zeitstunden=56 Zeitstunden
Summe: 180 Zeitstunden
|
|
Prüfungsform:
|
|
|
Bemerkung zur Veranstaltung:
|
Deutsch
Teilnehmerbeschränkung
|
|
Beschreibung:
|
Die KI entwickelt und erforscht Methoden, die intelligentes
Verhalten von Maschinen ermöglichen. Unter Maschine kann
hierbei sowohl Hardware (z.B. ein Roboter) oder Software verstanden
werden. Der Begriff Maschine wird im Zusammenhang mit der KI auch
häufig mit dem Begriff intelligenter Agent konkretisiert.
Darunter versteht man allgemein ein System, das seine Umgebung
wahrnimmt und unter Einsatz seiner Intelligenz in dieser Umgebung
entsprechende Aktionen ausführt. Was ist nun Intelligenz?
Leider gibt es keine eindeutige Definition für diesen Begriff.
Zu der Intelligenz, die man in der KI für den maschinellen
Einsatz nachzubilden versucht, werden grob folgende Grundzüge
gezählt:
- Die Repräsentation von Wissen und das Schließen
(Ableiten) von neuem Wissen aus bereits vorhandenem Wissen und
neuen Wahrnehmungen
- Das Lösen von Problemen, insbesondere dann wenn der Weg
vom Ausgangsproblem zum Ziel nur über mehrere
Entscheidungsschritte erreicht werden kann. In der KI wird zwischen
Problemlösung und Planen unterschieden. Die relativ einfachen
Prinzipien, die für die Problemlösung zum Einsatz kommen,
werden im Fall des Planens derart erweitert, dass insbesondere in
sehr komplexen Umgebungen Ziele deutlich effizienter gefunden
werden können.
- Der Umgang mit unsicherem Wissen. Dazu gehört, dass im
Fall wo kein vollständiges Wissen vorliegt eine Lösung
gefunden wird, welche mit größter Wahrscheinlichkeit zum
Erfolg führt
- Das Lernen
Diese Grundzüge der Intelligenz definieren auch die Struktur
der Vorlesung Einführung in die künstliche
Intelligenz:
- Zunächst wird das Konzept intelligenter Agenten und eine
Vorstellung der wichtigsten Typen intelligenter Agenten vorgestellt
(1 Vorlesung)
- Im Kapitel Problemlösung wird dann die Beschreibung von
Problemen und die Suche nach Lösungen im Zustandsraum
vorgestellt. Wesentlicher Bestandteil sind hier verschiedene
globale und lokale Suchalgorithmen wie z.B. die A*-Suche oder der
genetische Algorithmus (2 Vorlesungen)
- Mit der Frage wie Wissen repräsentiert werden kann und wie
aus vorhandenem Wissen neues Wissen und Aktionen abgeleitet werden
können befasst sich das folgende Kapitel. Im Mittelpunkt
stehen hierbei die Mittel die hierfür von der Aussagenlogik
und von der Prädikatenlogik bereitgestellt werden. (3
Vorlesungen)
- Wie intelligente Agenten basierend auf ihrem Wissen
Entscheidungen treffen wird vornehmlich anhand der sogenannten
Entscheidungsbäume vorgestellt. (1 Vorlesung)
- Im Fall unsicheren Wissens werden statistische Methoden
für die effiziente Entscheidungsfindung eingesetzt. Statistik,
Wahrscheinlichkeitsrechnung und die für die
Entscheidungsfindung vornehmlich eingesetzten Bayes-Netze bilden
den Inhalt eines weiteren Kapitels ( 2 Vorlesungen)
- Im letzten Block wird das Thema Lernen ausführlich
vorgestellt. Unterschieden wird hierbei in
- überwachtes Lernen
- unüberwachtes Lernen
- verstärkendes Lernen
Hierbei wird unter anderem erklärt wie ein Entscheidungsbaum
oder ein Bayes-Netz gelernt werden können. Wesentlicher
Bestandteil in diesem Block sind die neuronalen Netze ( 4
Vorlesungen)
Aufgrund des interdisziplinären Charakters der KI werden die
Methoden in ihrer allgemeinen Form vorgestellt, also nicht auf eine
konkrete Anwendung bezogen. Für das Verständnis der
Methoden sind Grundlagen aus der Logik, der Statistik, der
Wahrscheinlichkeitsrechnung und der linearen Algebra erforderlich.
Diese Grundlagen werden in der Vorlesung an den Stellen wo sie
gebraucht werden rudimentär vorgestellt. Mögliche
Anwendungen der KI werden vornehmlich in den die Vorlesung
begleitenden Übungen erschlossen. Umfang von Vorlesung und
Übung stehen ungefähr im Verhältnis 3:1. In der
Übung sollen die Studenten die erlernten Verfahren
insbesondere für Data Mining Anwendungen teilweise selbst
implementieren und analysieren. Neben dem Anwendungsfeld Data
Mining wird auch der Einsatz der KI-Methoden in der
Mustererkennung, beim Erstellen von (Nutzer)profilen, in
Suchmaschinen oder in Diagnosesystemen beleuchtet. Die Vorlesung
orientiert sich im wesentlichen an dem international wohl am
häufigsten eingesetzten Standard-Lehrbuch Künstliche
Intelligenz - Ein moderner Ansatz von Stuart Rusell und Peter
Norvig. Mit dieser Ausrichtung soll dem Anspruch der Vorlesung
Rechnung getragen werden, die Grundlagen der KI nach einem von
sämtlichen internationalen Universitäten und Hochschulen
angewandten Quasi-Standard zu vermitteln.
|
|
Literatur:
|
- S. Russell, Peter Norvig; Künstliche Intelligenz - Ein
moderner Ansatz; Prentice-Hall Verlag, 2.Auflage; 2004
- W. Ertel; Grundkurs Künstliche Intelligenz; Vieweg Verlag;
1.Auflage; 2008
Weitere Literatur finden Sie in der HdM-Bibliothek.
|
|
Internet:
|
http://maucher.pages.mi.hdm-stuttgart.de/ai/page/ki/
|
