Lehrstuhl für Angewandte Informatik in den Kultur-,, Geschichts- und Geowissenschaften Otto-Friedrich-Universität Bamberg Semantische Informationsverarbeitung Was ist Semantische IT? Prof. Dr. Christoph Schlieder 14. Oktober 2008 – Vorlesung 1 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Teil 1 Die Vorlesung im Kontext der Kulturinformatik Teil 2 S Semantische ti h Informationstechnologie I f ti t h l i Teil 3 Künstliche Intelligenz Schlieder: Sem. Informationsverarbeitung Seite 01-2 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Was ist Kulturinformatik? Angewandte Informatik ` Kulturinformatik ist die Angewandte Informatik der Kulturwissenschaften ` Kurzform K r form für „kulturwissenschaftliche Informatik“ ` Ähnlich Äh li h wie i Bi Bioinformatik i f tik für biowissenschaftliche Informatik steht Kulturinformatik K lt i f tik hilft bei b id der R Restaurierung t i der Wandmalereien in der Universitätsaula Schlieder: Sem. Informationsverarbeitung Seite 01-3 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kulturwissenschaften … im Plural ` 'Kulturwissenschaften' Kulturwissenschaften befassen sich "mit Kultur als dem Inbegriff aller menschlichen Arbeit und Lebensformen, einschließlich naturwissenschaftlicher Entwicklungen" ` Frühwald, Jauß, Koselleck, Mittelstraß Steinwachs Mittelstraß, (1991) Schlieder: Sem. Informationsverarbeitung Archäologie A hä l i Vor- und Frühgeschichte Geschichte Kunstgeschichte g Denkmalpflege Bauforschung Volkskunde Eth l i Ethnologie Pädagogik (Kultur)geographie … Einige Kulturwissenschaften Seite 01-4 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Technologien der Kulturinformatik ` Text Text- und Bildarchive ` Content Management ` Fokus auf geschichtswiss. Anwendungen GI-Services ` Geoinformationssysteme ` Mobile Computing ` Fokus auf geowiss. A Anwendungen d www.esrri.sc.edu/capa abilities/gis Digitale Bibliotheken Analyse geowissenschaftlicher Daten mit einem Geoinformationssystem (ESRI) Schlieder: Sem. Informationsverarbeitung Seite 01-5 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kulturinformatik in Bamberg Methodischer Zugang ` Semantische Informationsverarbeitung Geoinformatik Mobile Computing Semantische Analyse y ` „Inhalt“, „Bedeutung“ modellieren bzw. automatisch erschließen Semantische Informationsverarbeitung Ansätze ` Bedeutung aus Struktur ` Bedeutung aus Kontext ` Bedeutung aus Verhalten Schlieder: Sem. Informationsverarbeitung Digitale Di it l Bibli Bibliotheken th k Content Management Seite 01-6 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Praktische Relevanz Titel der Computerzeitung vom 9. Oktober 2006 „GI-Jahrestagung: Semantik verhilft zu neuen Geschäftsmodellen“ Schlieder: Sem. Informationsverarbeitung Seite 01-7 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Praktische Relevanz Web 2.0 Web 3.0 „Durch Komponenten des Web 2.0 wie Wiki, Blog und Mashups werden strukturierte Technologien ergänzt mit selbstorganisierenden g niedriger Eingangsschwelle.“ „Web-Ontologiesprachen bilden die Basis für die Semantische Wissensintegration, die Übersetzung und den inhaltlichen Abgleich g sowie inhaltlicher Peer-to-PeerSuche“ M. Jarke, M Jarke GI GI-Präsident Präsident CZ vom 9.10.2006 W. Wahlster, W Wahlster Leiter DFKI CZ vom 9.10.2006 Schlieder: Sem. Informationsverarbeitung Seite 01-8 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Forschungsnahe Lehre MMS Monarch Mobile Assistenz COST G9 Geo Games FluPa Social Computing p g TeDUB WiO Geographische Informationssdienste Digitale Bibliotheken Radfahr portal Data Mining COM Pomol. Sammlung Dominikanerkirche Tripod p Bild- und Sprachverarbeitung Semantische Informationsverarbeitung Schlieder: Sem. Informationsverarbeitung Seite 01-9 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Bachelorangebot Kulturinformatik KInf-SemInf-M (6 ECTS, Winter) Semantische Informationsverarbeitung KInf KInf-Sem-B ECTS, Bachelorseminar B h lSem Bi(3 ECTS Kulturinformatik K l Sommer) i f ik zu wechselnden Themen (12Bachelorarbeit ECTS, jederzeit) auf dem Gebiet der Kulturinformatik Schlieder: Sem. Informationsverarbeitung Profilbildung (M d l (Modulgruppe A3) selbstständiges wissenschaftliches Arbeiten (Modulgruppe A6) selbstständiges wissenschaftliches Arbeiten (Modulgruppe A7) Seite 01-10 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Masterangebot Kulturinformatik KInf-BuS-M (6 ECTS, Sommer) Bildund Sprachverarbeitung KInf-SemInf-M (6 ECTS, Winter) Semantische Informationsverarbeitung methodenorientierte Lehrveranstaltungen (Modulgruppe A1) KInf-Prak-M KInf Prak Mzur (6 Kulturinformatik ECTS ECTS, Sommer) Praktikum zu wechselnden Themen KInf-MobAss-M KI fMobile M bA Assistenzsysteme M (6 ECTS ECTS, S Sommer)) Schlieder: Sem. Informationsverarbeitung anwendungsorientierte Lehrveranstaltungen (Modulgruppe A1) Seite 01-11 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Masterangebot Kulturinformatik KInf-Sem-M (3Kulturinformatik ECTS, Winter) Masterseminar zu wechselnden Themen ((30 Masterarbeit ECTS, jjederzeit)) auf dem Gebiet der Kulturinformatik Schlieder: Sem. Informationsverarbeitung selbstständiges lb t tä di wissenschaftliches Arbeiten (Modulgruppe A4) selbstständiges wissenschaftliches i h ftli h Arbeiten (Modulgruppe A5) Seite 01-12 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Kulturinformatik im Diplomstudium Empfohlen wird das das Studium von Kulturinformatik I – II – III Eine andere Auswahl und Reihenfolge sind aber möglich! verpflichtend 2 aus 3 Kulturinformatik I Semantische Informationsverarbeitung Kulturinformatik II Geoinformationssysteme Kulturinformatik IV Bild- u. Sprachverarbeitung Kulturinformatik III Digitale Bibliotheken neu Schlieder: Sem. Informationsverarbeitung Seite 01-13 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Prüfungsleistungen Semantische Informationsverarb Informationsverarb. ` Modul KInf-SemInf-M im Masterstudiengang AI oder i R im Rahmen h d der P Profilbildung filbild im Bachelorstudiengang AI Prüfung ` Kl Klausur (90 min) i ) zum St Stoff ff von Vorlesung und Übung Schlieder: Sem. Informationsverarbeitung Semantische Informationsverarb Informationsverarb. ` Lehrangebot für DiplomStudiengänge, insbes. WI, und d fü für d das MagisternebenM i t b fach Kulturinformatik ` Vorlesung und Übung in den PO: Kulturinformatik I Prüfung ` Klausur (90 min) zum Stoff von Vorlesung und Übung Seite 01-14 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Praxisbeispiel Diagram interpreter ` Technische Zeichnungen werden interpretiert, verbalisiert und navigierbar gemacht ` IT-Unterstützung für blinde und sehbehinderte Nutzer, Content Management für alle Forschungsnah Lernen ` EU-Projekt j TeDUB am Labor für Semantische IT des Lehrstuhls Schlieder: Sem. Informationsverarbeitung technische Zeichnung: Grundriss Dominikanerkirche Seite 01-15 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Praxisbeispiel Anforderungen ` Bedeutung graphischer Symbole in verschiedenen Notationen (Normen) ist zu berücksichtigen ` (Teil-)Interpretationen von Zeichnungen sollen genutzt werden: Bilder (z (z.B. B TIFF) TIFF), Grafik (z.B. SVG), Diagramme (z.B. XMI) Visuelle Synonyme Schlieder: Sem. Informationsverarbeitung Seite 01-16 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Diagram interpreter Client validate Server Eingabe: Vektorgrafik Schlieder: Sem. Informationsverarbeitung Ausgabe: Interpretation Seite 01-17 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Informatischer Lösungsansatz semantic f formats t vector formats raster formats Diagram Di navigator hypothesis h th i generator user blackboard hypothesis generator image g analysis Inference engine Hypothesis processor Schlieder: Sem. Informationsverarbeitung Presentation generator Knowledge base semantic information processing Seite 01-18 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Semantik modellieren Kompositionalität ` Die Bedeutung komplexer graphischer Ausdrücke ergibt sich aus der Bedeutung der Teile und der Art ihrer Zusammensetzung (Aggregationsregel) ` Kompositionalität ist ein allgemeines Prinzip logischer Ansätze zur Modellierung von Bedeutung ` Siehe Teil II der Vorlesung Schlieder: Sem. Informationsverarbeitung aggregation Aggregationsregel „Halbaddierer“ Seite 01-19 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften KI-I: Sem. Informationsverarbeitung Teil 1 Teil 2 ` Wissensrepräsentation ` z.B. formale Ontologien Teil 3 ` Lernende Softwareagenten ` z.B. Neuronale Netze Schlieder: Sem. Informationsverarbeitung na ach van Harmelen n (2000) ` Maschinelles Problemlösen ` z.B. Constraint-Systeme Semantic Web: Die nächste Technologiegeneration Seite 01-20 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Teil I: Maschinelles Problemlösen Di 14.10. V1 Was ist semantische IT? Mi 15 15.10. 10 Di 21.10. Ü1 Ü2 Übung Mi 22.10. V2 Maschinelles Problemlösen Di 28.10. V3 Heuristische Suche Mi 29.10. Ü3 Übung Di 04.11. V4 Suchstrategien für Spiele Mi 05.11 V5 Constraint-Systeme Di 11 11.11. 11 Ü4 Übung Terminänderungen werden im VC bekannt gegeben! Übung Schlieder: Sem. Informationsverarbeitung Seite 01-21 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Teil II: Wissensrepräsentation Mi 12.11. V6 Wissensrepräsentation Di 18 18.11. 11 V7 P ädik t l i h M Prädikatenlogische Modellierung d lli Mi 19.11. Ü5 Übung Di 25.11. V8 Maschinelle Inferenz Mi 26.11. Ü6 Übung Di 02.12. V9 Formale Ontologien Mi 03.12. Ü7 Übung Di 09.12. V10 Ontologiemodellierungssprachen Mi 10 10.12. 12 Ü8 Übung Di 16.12. Ü9 Übung Schlieder: Sem. Informationsverarbeitung Seite 01-22 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Teil III: Lernende Softwareagenten Mi 17.12. Übung Di 23.12. Ü10 V11 Mi 07.01. V12 Maschinelles Lernen Di 13.01. Ü11 Übung Mi 14 14.01. 01 Ü Ü12 Ü Übung Di 20.01. V13 Entscheidungsbäume Mi 21.01. Ü13 Übung Di 27.01. V14 Neuronale Klassifikatoren Mi 28.01. Ü14 g Übung Di 03.02. V15 Zukunft der Semantischen IT Mi 04.02. Ü15 Übung Probabilistisches Schließen Schlieder: Sem. Informationsverarbeitung Seite 01-23 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Literaturempfehlung Lehrbuch ` Russell Russell, S S. & Norvig, P. (2003) ` Artificial Intelligence: A Modern Approach ` Prentice-Hall 0-13-790395-2 hardcover ` 0-13-080302-2 paperback ` Bitte beachten: 2nd edition Inhaltliche Abdeckung ` Gut geeignet zum Nacharbeiten der Vorlesung Schlieder: Sem. Informationsverarbeitung Seite 01-24 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Teil 1 Die Vorlesung im Kontext der Kulturinformatik Teil 2 S Semantische ti h Informationstechnologie I f ti t h l i Teil 3 Künstliche Intelligenz Schlieder: Sem. Informationsverarbeitung Seite 01-25 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Schlieder: Sem. Informationsverarbeitung Seite 01-26 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Einfache Beobachtungen Wettbewerb ` Die Spieler p der roten und gelben Mannschaft verfolgen verschiedene Ziele. Kooperation ` Spieler einer Mannschaft kooperieren, z.B. durch Zuspielen p des Balls. Robustheit ` Eine Mannschaft kann auch mit 10,, sogar g noch mit 9 Spielern spielen. Schlieder: Sem. Informationsverarbeitung Situiertes Verhalten ` Das Verhalten der Spieler p wird durch ihre Umwelt bestimmt, d.h. durch die Position des Balls und die der anderen Spieler. p ` Das verhalten (z.B. Passen des Balls) verändert diese Umwelt Autonomes A t Verhalten V h lt ` Es gibt keine zentrale Kontrolle der Spieler ` Ein Ei S Spieler i l ffolgt l t nicht i ht d den Kommandos eines anderen Spielers Seite 01-27 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Semantische Informationsverarbeitung Perspektive ` Informationsverarbeitung in Software-Agenten, die den Nutzer bei kognitiven Aufgaben unterstützen Situiertes System ` Fortlaufende, nicht endende Interaktion mit der Umwelt ` Der Agent nimmt die Umwelt über Sensoren wahr. ` Der Agent zeigt ein Verhalten, das die Umwelt verändert. Schlieder: Sem. Informationsverarbeitung „An agent g is a computer system y th t is that i situated it t d in i some environment, and that is capable of autonomous action in this environment to meet its design objectives“ Wooldridge (1999). Seite 01-28 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Autonomie Autonomes System – vorläufige Definition ` Fähig zu agieren, ohne Eingriff von Menschen oder anderen d S Systemen t ` System kontrolliert sowohl seinen inneren Zustand wie auch das eigene Verhalten Schlieder: Sem. Informationsverarbeitung „An agent g is an computer system that is situated in some environment, and that is capable of autonomous action in this environment to meet its design objectives“ Wooldridge (1999). Seite 01-29 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Adaptives Verhalten Problem ` Es wird kalt Biologische Anpassung ` Regulierung der Körpertemperatur Kognitive Anpassung ` Problemlöseprozess: Feuer entfachen Soziale Anpassung ` Arbeitsteilige Gesellschaft: Heizkosten bezahlen Schlieder: Sem. Informationsverarbeitung Jede Anpassungsleistung wird nur mit einem bestimmten Ausmaß an Veränderung fertig Seite 01-30 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Typen von Agenten reaktives Verhalten ` Starre Kopplung zwischen Sensoren und Effektoren ` Gleicher Reiz führt zu gleicher Antwort g Agent Sensoren Effektoren deliberatives Verhalten ` Flexible Kopplung ` Antwort Ant ort hängt vom om Reiz Rei und der Lerngeschichte ab (Gedächtnis) Umwelt Sensoren Schlieder: Sem. Informationsverarbeitung Effektoren Seite 01-31 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Rein reaktive Agenten Definition ` Ein reaktiver Agent ist ein Agent, der reflexhaftes Verhalten zeigt. ` action: S → A Beispiele ` Xbiff Xbiff, ein X Windows Programm ` Überwacht die Mailbox und meldet eintreffende Mails Schlieder: Sem. Informationsverarbeitung temperature < threshold → heating on ttemperature t > threshold th h ld → heating off Condition-action rules für einen Thermostaten-Agenten Seite 01-32 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Architektur reaktiver Agenten Sensoren Umwelt condition-action rules Effektoren Schlieder: Sem. Informationsverarbeitung Zustand der Welt Aktion ausführen Seite 01-33 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Beispiel: Braitenberg Vehicle light sensors step motors Schlieder: Sem. Informationsverarbeitung phototropic behavior photophobic behavior Seite 01-34 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Programmierbarkeit My first robot ` Lego Mindstorms Roboter für Kinder und Forscher ab 12 Jahren ` Durch g getrennt ansprechp bare Motoren wird der Roboter gesteuert ` Ein Lichtsensor ermöglicht es zwischen i h „dunkelem“ d k l “ und „hellem“ Untergrund zu unterscheiden Schlieder: Sem. Informationsverarbeitung Seite 01-35 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften B Kurz gefragt ^ Naheliegende Fragen ` Benötigt der Roboter eine Karte, um aus dem Labyrinth zu finden? ` Wie geht der Roboter a aus s dem Film dabei vermutlich vor? Labyrinth der Kathedrale von Chartres Schlieder: Sem. Informationsverarbeitung Seite 01-36 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Die informatische Lösung Bedeutung Bedeutung Der Roboter fährt geradeaus. V sich Von i h aus hört er damit nie auf! Schlieder: Sem. Informationsverarbeitung Wenn der Sensor auf dunklen Untergrund trifft, setzt der Roboter zurück und dreht nach links. Seite 01-37 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften B Kurz gefragt ^ Staubsauger ` Benötigt ein Staub saugender Roboter eine Karte der Wohnung? Programmverhalten P h lt ` Kann man (unter gewissen einschränkenden Voraussetzungen) aus dem Verhalten des Roboters auf das Programm schließen? Schlieder: Sem. Informationsverarbeitung Seite 01-38 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Reaktives Verhalten Explorationsaufgabe Agent soll alle Felder betreten Perzepte 1 Freies Feld in Bewegungsrichtung 0 Wand in Bewegungsrichtung Aktionen L R M Linksdrehung Rechtsdrehung Geradeausbewegung Schlieder: Sem. Informationsverarbeitung Seite 01-39 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Implementierung Verhaltenstabelle percept action 1 M 0 R Eigenschaften ` funktioniert für 2x3 Feld aber hält nie an! ` Die Umwelt funktioniert als Problemrepräsentation Schlieder: Sem. Informationsverarbeitung function Reflex-Agent(percept) returns action static: table action ← Lookup(percept,table) return action function Reflex-Agent2(percept) returns action static: percepts,table percepts ← Append(percepts,percept) action ← Lookup(percepts,table) return action Seite 01-40 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften B Kurz gefragt ^ Welche … ` Explorationsaufgabe lässt sich nicht durch reaktives Verhalten lösen? Schlieder: Sem. Informationsverarbeitung Seite 01-41 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Adaptives Verhalten Explorationsaufgabe ` Beliebige rechteckige Felder explorieren unmöglich ohne Gedächtnis ` Gleiches Perzept 1 führt zu unterschiedlichem Verhalten M or R ` Agent muss sich seine vorangegangenen Aktionen zu einem gewissen Grad merken Schlieder: Sem. Informationsverarbeitung Seite 01-42 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Implementierung Endlicher Speicher ` Agent g kann eine endliche Zahl interner Zustände unterscheiden ` Übergangsdiagramm 1-M 0,1-L L2 function Adaptive-Agent(percept) returns action static: state,table state table action ← Lookup(percept,state,table) state ← Update-State(state,percept) return action 1-M 0-. L1 0-L stop M1 start 0-. 0-R 0 R R1 Schlieder: Sem. Informationsverarbeitung 1-M R2 0,1-R M2 stop 1-M Seite 01-43 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Intelligente Agenten Definition ` nach Wooldridge & Jennings (1995) ` Ein Agent ist intelligent, wenn enn er folgende Eigenschaften besitzt: Reaktivität ` Reagiert g auf Veränderungen g der Umwelt Proaktivität ` Zeigt g ziel-orientiertes Verhalten durch Ergreifen von Initiative Soziales Verhalten ` In der Lage, mit anderen Agenten (auch: Menschen) zu interagieren Schlieder: Sem. Informationsverarbeitung Seite 01-44 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Rein deliberativer Agent Sensoren Umwelt Planungsverfahren Wissensbasis Lernverfahren Effektoren Schlieder: Sem. Informationsverarbeitung Seite 01-45 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Vorlesung Sensoren Umwelt Teilil II T Wissensrepräsent ti tation Teil I Problemlösen Teil III Lernen Effektoren Schlieder: Sem. Informationsverarbeitung Seite 01-46 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Teil 1 Die Vorlesung im Kontext der Kulturinformatik Teil 2 S Semantische ti h Informationstechnologie I f ti t h l i Teil 3 Künstliche Intelligenz Schlieder: Sem. Informationsverarbeitung Seite 01-47 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Künstliche Intelligenz Gegenstand ` “The study of the computations t ti that th t make k it possible to perceive, reason, and act” Winston (1992) Schlieder: Sem. Informationsverarbeitung Verallgemeinerung ` die KI KI-Forschung Forschung untersucht Berechnungen, die kognitive Funktionen realisieren ` Wahrnehmung, Denken, Handeln ` Sprache, S h G Gedächtnis, dä ht i Lernen, ... Seite 01-48 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften B Kurz gefragt ^ Kurzweil (1990) ` definiert KIf creating wie folgt “Th artt of “The ti machines that perform functions that require intelligence when performed by people.” Schlieder: Sem. Informationsverarbeitung Künstliche Intelligenz ` Wie unterscheidet sich diese Definition von der durch Winston (1992) gegebenen? ` Ist Intelligenz ein geeigneter psychologischer Begriff für die Definition von KI? Seite 01-49 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Intelligenz Menschliche Intelligenz ` Ein kontrovers diskutierter psychologischer Begriff! Intelligenztests g ` Messen Unterschiede der Performanz von Individuen mit derselben Kompetenz (e.g. Sprechen, Denken) ` Die Aussage, ein Affe oder eine Maschine seien weniger intelligent als ein Mensch, ist sinnlos! Schlieder: Sem. Informationsverarbeitung Menschliche Kompetenz ` (nicht: Performanz) dient der KI als Vorbild ` McCarthy schlägt 1956 Cognetics als geeignetere Bezeichnung für das Gebiet vor Seite 01-50 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Forschungsrichtungen Ingenieur- wissenschaftliche KI ` Informationsverarbeitung genügt technischen at o a täts te e Rationalitätskriterien ` Diese Vorlesung Kognitions- Technische Rationalitätskriterien ` Algorithmische Kosten: schnellste Lösung ` Wirtschaftlichkeit: billigste Lösung wissenschaftliche issenschaftliche KI ` Informationsverarbeitung, die rational (optimal) für biologische Systeme ist ` Vorlesung Schmid: Kognitive Systeme Schlieder: Sem. Informationsverarbeitung Seite 01-51 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Bsp. Schachprogramme Philadelphia, 1996 Kasparov 011=11 Deep Blue 1 0 0 = 0 0 New York, 1997 Kasparov 10===0 Deep Blue 0 1 = = = 1 Weitere Information www.research.ibm.com/ deepblue/ Schlieder: Sem. Informationsverarbeitung Seite 01-52 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften Verschiedenheit der Strategien Parallele Suchalgorithmen ` auf IBM RS/6000 ` Evaluierung: 2· 108 vs. 3 positions / s ` Suchtiefe: 12 ply exhaustiv vs. 4 p ply y selectiv Garry Kasparov´s Vorteil “Deep Blue, as it stands today, is ... not capable of utilizing artificial intelligence to either learn from its opponent or "think" about the current position of the chessboard.” IBM website Schlieder: Sem. Informationsverarbeitung Seite 01-53 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften IJCAI Conference Search Knowledge Learning Agents Constraint Satisfaction Description logics Neural Networks Multiagent systems Planning Belief revision Machine Learning Cognitive robotics Genetic Algorithms Action and causality Probabilistic Uncertainty Learning & Reasoning Case-based reasoning g Qualitative reasoning Temporal reasoning Spatial reasoning Schlieder: Sem. Informationsverarbeitung Seite 01-54 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften B Zusammenfassung ^ Semantische Informationsverarbeitung ` Rolle innerhalb der Kulturinformatik ` Praxisbeispiel Diagram Interpreter Autonome Agenten g als Szenario ` Typen von adaptivem Verhalten ` Deliberative Agenten ` Problemlösen, P bl lö Wi Wissensrepräsentation, ä t ti L Lernen Schlieder: Sem. Informationsverarbeitung Seite 01-55 Lehrstuhl für Angewandte Informatik in den Kultur-, Geschichts- und Geowissenschaften B Zusammenfassung ^ Künstliche Intelligenz ` Kulturinformatik: ingenieurwissenschaftlicher Ansatz ` Kognitive Systeme: Kognitionswissenschaftlicher Ansatz Schlieder: Sem. Informationsverarbeitung Seite 01-56
© Copyright 2024 ExpyDoc
