Klassische KI Verfahren und maschinelles Lernen | Die Welt der KI entdecken 04

Tilman Michaeli

15 Feb 202314:23

Summary

TLDRDieses Video stellt den Unterschied zwischen maschinellem Lernen und klassischer symbolischer KI vor. Es erklärt, wie symbolische KI auf der Basis von Wissen und Logik arbeitet, im Gegensatz zu maschinellem Lernen, das ohne explizites Lernen intelligente Lösungen findet. Durch Beispiele wie das Mini-Schach-Spiel und die Anwendung in Expertensystemen wird verdeutlicht, wie beide Ansätze in verschiedenen Situationen eingesetzt werden können. Das Video spricht auch die Herausforderung der kombinatorischen Explosion an und wie maschinelles Lernen dabei Vorteile bietet, um Komplexitäten zu meistern.

Takeaways

🧠 Maschinelles Lernen ist ein Teilbereich der künstlichen Intelligenz, der sich von klassischer symbolischer KI unterscheidet.
🤖 Symbolische KI basiert auf der Darstellung von Wissen und der Anwendung von Logik, um Schlussfolgerungen zu ziehen.
🏆 Der Deep Blue-Schachcomputer, der Kasparow 1996 besiegte, nutzte symbolische KI, während AlphaGo 2016 maschinelles Lernen einsetzte.
📚 In symbolischer KI werden Expertensysteme eingesetzt, die auf definierten Regeln basieren, ähnlich wie menschliche Experten.
🎲 Das Mini-Spiel im Video veranschaulicht, wie eine symbolische KI-Methode funktioniert, indem sie eine Liste von Regeln zur Entscheidungsfindung verwendet.
🔄 Maschinelles Lernen kann durch Exploration und Erfahrung im Laufe der Zeit verbessert werden, ohne dass alle Spielpositionen vorausberechnet werden müssen.
🚀 AlphaGo wurde mit 30 Millionen Zügen aus früheren Spielen und Selbstspiel trainiert, im Gegensatz zu Deep Blue, das auf vorausberechnete Spielpositionen basierte.
🌌 Die Kombinatorische Explosion zeigt, dass die Anzahl möglicher Spielpositionen in Spielen wie Schach oder Go so groß ist, dass sie für einen Computer unzureichend ist, um alle zu berechnen.
💊 Symbolische KI kann auch für praktische Anwendungen wie die Interaktion von Medikamenten eingesetzt werden, indem sie Regeln und Symbole verwendet, um Kontraindikationen zu erkennen.
🔍 Suchalgorithmen sind eine Technik in der symbolischen KI, die verwendet wird, um die bestmögliche Lösung für Probleme wie Routenplanung oder das Finden der optimalen Reihenfolge von Aktionen zu finden.
🛰️ Bei der symbolischen KI ist es oft möglich, die Regeln zu verstehen, die zu einer Lösung geführt haben, im Gegensatz zu manchen Ansätzen im maschinellen Lernen, die weniger nachvollziehbar sind.

Q & A

Was ist der Hauptunterschied zwischen maschinellem Lernen und klassischer symbolischer KI?
-Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, das sich auf den Einsatz von Algorithmen konzentriert, die aus Daten lernen. Symbolische KI hingegen beschäftigt sich mit der Darstellung von Wissen und der Anwendung von Logik, um Schlussfolgerungen zu ziehen.
Wie hat Deep Blue seine Partie gegen Kasparow 1996 gewonnen?
-Deep Blue nutzte symbolische KI, um Logik und vorherberechnete Spielstrategien anzuwenden, um Kasparow zu schlagen.
Was ist ein Beispiel für ein Expertensystem in der symbolischen KI?
-Expertensysteme sind bekannte Vertreter der symbolischen KI, die eine Reihe von definierten Regeln verwenden, um Entscheidungen zu treffen, ähnlich wie ein menschlicher Experte in einem bestimmten Bereich.
Wie unterscheidet sich das Lernverhalten von AlphaGo von dem von Deep Blue?
-AlphaGo nutzte maschinelles Lernen, indem es aus bereits gespielten Partien und Selbstspiel lernte, während Deep Blue auf symbolischer KI und vorherberechneten Logik beruhte.
Was ist die 'kombinatorische Explosion' im Zusammenhang mit Spielen wie Schach?
-Die kombinatorische Explosion bezieht sich auf die enorme Anzahl möglicher Spielzüge und -positionen, die im Laufe eines Spiels entstehen können, was es für Computer unmöglich macht, alle Optionen zu berechnen und auszuwerten.
Wie viele Möglichkeiten gibt es im Mini-Schach für den ersten Zug?
-Im Mini-Schach, das drei mal drei Felder groß ist, gibt es im Durchschnitt vier Aktionen pro Zug, was 35 Möglichkeiten für den ersten Zug ergibt.
Was ist der Unterschied zwischen symbolischer KI und maschinellem Lernen in Bezug auf die Behandlung von Unsicherheit?
-Symbolische KI ist gut für Situationen geeignet, in denen alle möglichen Eingaben spezifiziert werden können und bestimmte Ereignisse sicher aus anderen folgen können. Maschinelles Lernen hingegen ist besser geeignet, um mit Unsicherheiten in der realen Welt umzugehen, indem es aus Daten lernt.
Welche Rolle spielen Suchalgorithmen in der symbolischen KI?
-Suchalgorithmen sind in der symbolischen KI wichtig, um die besten nächsten Schritte unter allen möglichen Schritten zu finden oder die beste Route zu einem Ziel zu ermitteln.
Was ist das Ziel von Suchalgorithmen in der KI?
-Das Ziel von Suchalgorithmen ist es, die beste Lösung für ein gegebenes Problem zu finden, indem sie mögliche Pfade durchsuchen und diejenigen ausschließen, die wahrscheinlich keine Lösung führen.
Wie können Suchalgorithmen in der KI die Suche nach der optimalen Lösung verbessern?
-Suchalgorithmen können die Suche nach der optimalen Lösung verbessern, indem sie heuristische Methoden verwenden, um die Suche auf diejenigen Pfade zu fokussieren, die am ehesten zu einer Lösung führen, und weniger Zeit mit Pfaden zu verbringen, die keine Lösung bieten werden.
Was ist eine Anwendung von symbolischer KI außerhalb des Schachspiels?
-Symbolische KI findet Anwendung in vielen Bereichen, darunter medizinische Anwendungen, Geschäftsprozesse, Banken und Versicherungen, oft in Form von Expertensystemen, die auf definierten Regeln basieren.

Outlines

00:00

🤖 Maschinelles Lernen vs. Symbolische KI

Dieses Absatz behandelt den Unterschied zwischen maschinellem Lernen und klassischer symbolischer KI. Es wird erklärt, dass maschinelles Lernen ein Teilaspekt der künstlichen Intelligenz ist, während symbolische KI historisch die erste Herangehensweise an KI war, die sich mit der Darstellung von Wissen und logischen Schlussfolgerungen befasst. Ein Beispiel dafür ist das CAS-System, das 1996 Kasparow im Schach besiegte. Im Gegensatz dazu nutzt AlphaGo, das 2016 eingesetzt wurde, maschinelles Lernen und einige klassische Verfahren. Der Absatz verwendet das Mini-Schach-Spiel aus dem zweiten Video als Beispiel, um den Unterschied zwischen lernenden und symbolischen KI-Systemen zu veranschaulichen.

05:06

🧠 Kombinatorische Explosion und Anwendungen der Symbolischen KI

Der zweite Absatz erläutert die Herausforderungen der klassischen KI, die alle möglichen Spielstellungen im Voraus berechnen und bewerten muss, im Gegensatz zu selbstlernenden Systemen, die durch Exploration von Verhaltensweisen und Erfahrungen sich verbessern. Der Absatz vergleicht die Spielgrößen von Mini-Schach und Schach und zeigt, wie die Anzahl der möglichen Spielstellungen exponentiell ansteigt. Es wird auch auf die Anwendungen von symbolischer KI in anderen Bereichen wie der Medizin, Geschäftsprozessen und Versicherungen eingegangen, wobei Expertensysteme als Ersatz für menschliche Experten dienen sollen.

10:07

🔍 Suchalgorithmen und ihre Rolle in der KI

Der dritte Absatz konzentriert sich auf Suchalgorithmen, die in der KI eine wichtige Rolle spielen, obwohl sie nicht immer direkt zur KI gezählt werden. Diese Algorithmen sind nützlich, um Probleme wie die Bestimmung der besten Route zu lösen. Der Absatz erklärt, wie Suchalgorithmen in der Praxis eingesetzt werden können, um z.B. den Staubsaugerroboter oder ein Raumschiff zu steuern. Es wird auch auf die Herausforderungen eingegangen, die mit riesigen Suchräumen verbunden sind, und wie intelligente Optimierungen dazu beitragen, die Suche nach Lösungen zu beschleunigen, ohne alle möglichen Optionen zu durchsuchen.

Mindmap

Keywords

💡Maschinelles Lernen

Maschinelles Lernen ist ein Teilgebiet der künstlichen Intelligenz, das sich mit der Entwicklung von Algorithmen befasst, die es Computern ermöglichen, aus Daten zu lernen und Muster zu erkennen. Im Video wird es als Gegensatz zu klassischer, symbolischer KI dargestellt und wird anhand des Beispiels des Mini-Schatzes erklärt, wie ein Agent durch Exploration und Erfahrungsammlung verbessert wird.

💡Künstliche Intelligenz

Künstliche Intelligenz (KI) ist die Disziplin, die sich mit der Schaffung von Systemen befasst, die ähnliche Fähigkeiten wie der menschliche Verstand besitzen, wie z.B. Problemlösung, Entscheidungsfindung und Wissen. Im Video wird auf den Unterschied zwischen maschinellem Lernen und symbolischer KI eingegangen.

💡Symbolische KI

Symbolische KI bezieht sich auf den Ansatz, Wissen in Form von Symbolen zu repräsentieren und logische Schlussfolgerungen daraus zu ziehen. Im Video wird dies anhand von Expertensystemen und dem Beispiel des Kasparow-Spielers gegenübergestellt, der auf symbolische KI setzt.

💡Kombinatorische Explosion

Kombinatorische Explosion beschreibt das Phänomen, bei dem die Anzahl möglicher Kombinationen exponentiell wächst, je nachdem, wie viele Entscheidungen oder Aktionen in einem System möglich sind. Im Video wird dies am Beispiel des Schachspiels veranschaulicht, bei dem die Anzahl der Spielzüge enorm ist.

💡Expertensysteme

Expertensysteme sind eine Art von symbolischer KI, die auf einer Wissensbasis und einer Reihe von Regeln beruht, um Entscheidungen zu treffen, die normalerweise ein Fachmann treffen würde. Im Video wird das Expertensystem anhand des Mini-Schatzes erläutert, bei dem der Computer Regeln anwendet, um den bestmöglichen Zug zu wählen.

💡Suchalgorithmen

Suchalgorithmen sind Methoden, die verwendet werden, um in einem Zustandsraum nach der optimalen Lösung zu suchen, indem sie mögliche Pfade durchlaufen. Im Video wird erwähnt, dass solche Algorithmen für Probleme eingesetzt werden können, bei denen eine große Anzahl von Optionen zu bewältigen ist, wie bei der Routenplanung für einen Staubsaugerroboter.

💡Wissensrepräsentation

Wissensrepräsentation ist die Abbildung von Informationen und Kenntnissen in einer Form, die von Computern verarbeitet werden kann. Im Video wird gezeigt, wie symbolische KI Wissen in Form von Symbolen und Regeln repräsentiert, um logische Schlussfolgerungen zu ziehen.

💡Logik

Logik ist ein Instrument, das verwendet wird, um Schlussfolgerungen aus gegebenen Prämissen zu ziehen. Im Video wird die Logik als Werkzeug beschrieben, das sowohl symbolische KI als auch Expertensysteme verwenden, um Regeln anzuwenden und Entscheidungen zu treffen.

💡AlphaGo

AlphaGo ist ein Computerprogramm, das durch das Einsatz von maschinellem Lernen in dem Spiel Go erfolgreich war. Im Video wird AlphaGo als Beispiel für ein System genannt, das maschinellen Lernverfahren nutzt, um traditionelle KI-Methoden zu übertrumpfen.

💡Kombinatorik

Kombinatorik ist ein Zweig der Mathematik, der sich mit der Anzahl der Möglichkeiten beschäftigt, wie bestimmte Objekte kombiniert werden können. Im Video wird die Kombinatorik verwendet, um die Schwierigkeiten zu erklären, die mit der Vorhersage aller möglichen Schachstellungen verbunden sind.

💡Daten

Daten sind Faktoren, Zahlen oder Informationen, die verwendet werden können, um Entscheidungen zu treffen oder Muster zu erkennen. Im Video wird betont, dass maschinelles Lernen von der Analyse von Daten proft, um die Unsicherheiten der realen Welt zu bewältigen.

Highlights

Maschinelles Lernen ist ein Teilbereich der künstlichen Intelligenz, der sich von klassischer, symbolischer KI unterscheidet.

Symbolische KI beschäftigt sich mit der Darstellung von Wissen und der Ableitung logischer Schlüsse.

Das Deep Blue System, das Kasparow 1996 geschlagen hat, basierte auf symbolischer KI.

AlphaGo, der 2016 eingesetzt wurde, nutzte maschinelles Lernen und klassische Verfahren.

Der Unterschied zwischen symbolischer KI und maschinellem Lernen wird anhand eines Mini-Schachspiels veranschaulicht.

Expertensysteme sind ein bekannter Vertreter der symbolischen KI, die auf definierten Regeln basieren.

Maschinelles Lernen erlaubt es, aus Daten zu lernen und sich durch Exploration und Erfahrung zu verbessern.

AlphaGo wurde mit 30 Millionen Zügen aus bisherigen Partien und Selbstspielen trainiert.

Symbolische KI erfordert eine Vorab-Berechnung und Bewertung aller möglichen Spielstellungen.

Maschinelles Lernen kann mit unsicheren Daten und unbekannten Situationen umgehen, im Gegensatz zu symbolischer KI.

Die Kombinatorische Explosion macht es für symbolische KI unmöglich, alle Spielstellungen zu berechnen und auszuwerten.

Symbole in der symbolischen KI können verschiedene Zustandsbeschreibungen, Personen, Zahlen oder Medikamente darstellen.

Expertensysteme können mithilfe von Logik und definierten Regeln bestimmte Medikamente auswählen oder ausschließen.

Suchalgorithmen sind eine Technik, die auch in der symbolischen KI eingesetzt wird, um die besten nächsten Schritte zu finden.

Die Herausforderung bei symbolischer KI ist, Wissen in eine Form zu bringen, die der Computer mit Logik verarbeiten kann.

Maschinelles Lernen konzentriert sich in der aktuellen KI-Forschung, da es mit Unsicherheit in der realen Welt umgehen kann.

In zukünftigen Videos wird die Fähigkeit der KI, mit der Unsicherheit der realen Welt umzugehen, durch das Lernen aus Daten erläutert.