Künst­liche Intel­li­genz & Machine Learning 

Künst­liche Intel­li­genz ist ein Teilge­biet der Infor­matik, welches sich mit der Automa­ti­sie­rung intel­li­genten Verhal­tens und dem maschi­nellen Lernen (Machine Learning) befasst. „… maschi­nelle Simula­tion jedes Aspekts von Lernen und anderer Fähig­keiten der mensch­li­chen Intel­li­genz, wie Sprach­ver­ständnis, Abstrak­tion und Entwick­lung von Ideen.“ [McCarthy, 1955]. KI-Systeme sind digitale Geräte und Maschinen, auf denen sehr clevere Software­ver­fahren und Algorithmen höherer Mathe­matik in Echtzeit laufen.

Compu­ter­sys­teme, die auf Augen­höhe mit Menschen arbeiten und diese bei schwie­rigen Aufgaben unter­stützen können. Starke KI hat das Ziel, mensch­liche Problem­lö­sungs­krea­ti­vität, Selbst­be­wusst­sein und Emotionen abzubilden. Stand der Technik und in naher Zukunft kann die Form der starken Künst­li­chen Intel­li­genz technisch noch nicht abgebildet werden. Dieser Zeitpunkt wird als Singu­la­rität bezeichnet.

Mensch­li­ches Denken und techni­sche Anwen­dungen werden bei konkreten Anwen­dungs­pro­blemen unter­stützt. Schwache KI fokus­siert auf die Lösung konkreter Anwen­dungs­fälle durch Simula­tion von Intel­li­genz durch Methoden der Infor­matik, der Statistik und der Mathe­matik. Im indus­tri­ellen Bereich finden wir nur Anwen­dungen, die der schwa­chen Künst­li­chen Intel­li­genz zugeordnet werden können (lernende Intel­li­genz der Stufe I2).

• Induk­tives Schließen basiert auf Beobach­tungen und der intui­tiven Annahme, dass auf Basis dieser Beobach­tungen (stets mit begrenzter Anzahl) auf eine Grund­ge­samt­heit geschlossen werden kann (Lernen auf Daten, z. B. beim Maschi­nellen Lernen). Diese Ergeb­nisse sind aller­dings stets statis­tisch bzw. wahrschein­lich­keits­be­haftet. Wird z. B. mit der empiri­schen Modell­bil­dung bei der Blackbox-Methode angewendet.
• Deduk­tives Schließen erfolgt auf Basis von als wahr definierten Prämissen durch logisches Schluss­fol­gern, insbe­son­dere in der Mathe­matik. Wird z. B. mit der analy­ti­schen Modell­bil­dung bei der Whitebox-Methode angewendet.

Maschi­nelles Lernen ist ein Oberbe­griff für die „künst­liche“ Generie­rung von Wissen aus Daten (Erfah­rungen): Ein künst­li­ches System lernt mit Trainings­daten und kann diese nach Beendi­gung der Lernphase durch Muster­er­ken­nung verall­ge­mei­nern. Dazu bauen Algorithmen ein statis­ti­sches Modell auf.

• Symbo­li­sche Ansätze:
  Das Wissen, sowohl die Beispiele als auch die induzierten Regeln sind explizit bekannt (reprä­sen­tiert). Unter­schieden wird zwischen aussa­gen­lo­gi­schen (z. B. ID3, C4.5) und prädi­ka­ten­lo­gi­schen (Anwen­dung in der induk­tiven logischen Program­mie­rung) Systemen.
• Nicht-symbo­li­sche (sub-symbo­li­sche) Ansätze:
  Ein berechen­bares Verhalten wird zwar „antrai­niert“, jedoch besteht kein Einblick in die erlernten Lösungs­wege. Das Wissen ist implizit reprä­sen­tiert, z. B. bei künst­li­chen neuro­nalen Netzen.

Der Algorithmus lernt eine Funktion aus gegebenen Paaren von Ein- und Ausgaben. Dabei stellt ein „Lehrer“ während des Lernens den korrekten Funkti­ons­wert zu einer Eingabe bereit.

• Vertreter: Delta-Lernregel (einfa­ches Verfahren); Backpro­pa­ga­tion-Lernregel, LSTM-Netze (Long Short-Term Memory) und CNN (Convo­lu­tional Neural Networks, Neuro­nale Faltungs­netz­werke), diese stellen die Idee des Deep-Learning-Systems dar.
• Teilüber­wachtes Lernen (semi-super­vised learning): Nur für einen Teil der Eingaben sind die dazuge­hö­rigen Ausgaben bekannt.

• Vertreter: Q‑Learning.
• Aktives Lernen (active learning): Der Algorithmus kann für einen Teil der Eingaben die korrekten Ausgaben zu erfragen. Dabei muss der Algorithmus die Fragen bestimmen, welche einen hohen Infor­ma­ti­ons­ge­winn verspre­chen, um die Anzahl der Fragen möglichst klein zu halten.

• Vertreter: Hebb´sche Lernregel (ältestes Lernver­fahren), Compe­ti­tive Networks und SOM-Lernregel (Selbst-Organi­sie­rende Merkmals­karten); die beiden letzt­ge­nannten Verfahren zeigen, wie Lernen in der KI funktio­nieren kann.
• Cluste­ring-Verfahren: Die Daten werden in mehrere Katego­rien einge­teilt, die sich durch charak­te­ris­ti­sche Muster vonein­ander unter­scheiden. Das Verfahren erstellt somit selbständig Klassi­fi­ka­toren (Zugehö­rig­keits­bil­dung), nach denen es die Einga­be­muster einteilt.
• Haupt­kom­po­nen­ten­ana­lyse (Dimen­si­ons­re­duk­tion, PCA): Das Verfahren verzichtet auf die Katego­ri­sie­rung. Es zielt durch Kompri­mie­rung darauf ab, die beobach­teten Daten in eine einfa­chere Reprä­sen­ta­tion zu übersetzen, die sie trotz drastisch reduzierter Infor­ma­tion möglichst genau wiedergibt.

• Batch-Lernen: alle Eingabe/ Ausgabe-Paare werden gleich­zeitig trainiert
• Konti­nu­ier­li­ches (sequen­zi­elles) Lernen: die Eingaben werden zeitlich versetzt bzw. nachein­ander verarbeitet
• Offline-Lernen: das Training wird auf einem festste­henden Daten­satz durch­ge­führt, der sich nicht verändert
• Online-Lernen: die Eingaben erfolgen auch sequen­ziell, werden aber sofort verarbeitet

Künst­liche neuro­nale Netze (KNN) bestehen aus künst­li­chen Neuronen, die entweder eine lineare oder eine nicht-lineare mathe­ma­ti­sche Funktion darstellen. Sie sind Forschungs­ge­gen­stand der Neuro­in­for­matik und stellen einen Zweig der künst­li­chen Intel­li­genz dar. Künst­liche Neuronen haben biolo­gi­sche Neuronen als Vorbild.

Dies sind die einfachsten Struk­turen von KNN. Sie besitzen keine versteckten Schichten. Die feedfor­ward-Eigen­schaft besagt, dass Neuro­nen­aus­gaben nur in Verar­bei­tungs­rich­tung geleitet werden und nicht durch eine rekur­rente (rückge­kop­pelte) Kante zurück­ge­führt werden können (azykli­scher, gerich­teter Graph).

Mehrschich­tige feedfor­ward-Netze besitzen neben der Ausga­be­schicht auch verdeckte Schichten, deren Ausgaben außer­halb des Netzes nicht sichtbar sind. Verdeckte Schichten verbes­sern die Abstrak­tion (z. B. Multi-Layer-Percep­tions, MLP). Das mehrschich­tige Perzep­tron (englisch percep­tion = Wahrneh­mung) kann das XOR-Problem (Testpro­blem für NN) im Gegen­satz zu einschich­tigen Netzen lösen.

Rekur­rente Netze besitzen im Gegen­satz zu feedfor­ward-Netzen auch rekur­rente (rückge­rich­tete) Kanten und enthalten somit eine Rückkopp­lung. Solche Kanten werden dann häufig mit einer Zeitver­zö­ge­rung versehen, sodass bei einer schritt­weisen Verar­bei­tung die Neuro­nen­aus­gaben der vergan­genen Zeitein­heit wieder als Eingaben angelegt werden können. Diese Rückkopp­lungen ermög­li­chen ein Verhalten, das dynamisch in der zeitli­chen Abfolge der Daten­punkte ist und statten das rekur­rente Netz mit einem Gedächtnis aus.

Deep Learning ist der Oberbe­griff für alle künst­li­chen, neuro­nalen Netze, die verdeckte Schichten benutzen (z.B. mehrschich­tige feedfor­ward-Netze, Convo­lu­tional Neural Network (CNNs), rekur­rente, neuro­nale Netze) usw.). Durch die freie Verfüg­bar­keit von Deep-Learning-Frame­works und bereits vortrai­nierter Netze ist Deep Learning für den Einsatz in der Indus­trie präde­sti­niert. Dabei wird der Einsatz nicht nur auf die Verar­bei­tung von perzep­tu­ellen Daten wie Videos, Bilder oder Sprache beschränkt bleiben.

Darunter versteht man die syste­ma­ti­sche Anwen­dung compu­ter­ge­stützter, statis­ti­scher Methoden auf große Daten­be­stände mit dem Ziel, unbekannte, nicht-triviale Struk­turen, Zusam­men­hänge und Trends zu erkennen.

• Big Data: steht für das Verar­beiten großer, hetero­gener Daten­mengen aus verschie­denen Quellen, deren Geschwin­dig­keit und Datentypen.
• Small Data: wird in den nächsten Jahren immer wichtiger, da nicht für alle Anwen­dungs­fälle Big Data-Quellen zur Verfü­gung stehen, aber auch diese Daten als Grund­lage für KI dienen sollen.