Details

Künstliche Intelligenz für Dummies


Künstliche Intelligenz für Dummies


Für Dummies 1. Aufl.

von: Ralf Otte

21,99 €

Verlag: Wiley-VCH
Format: EPUB
Veröffentl.: 05.06.2019
ISBN/EAN: 9783527815845
Sprache: deutsch
Anzahl Seiten: 458

DRM-geschütztes eBook, Sie benötigen z.B. Adobe Digital Editions und eine Adobe ID zum Lesen.

Beschreibungen

Künstliche Intelligenz begegnet uns immer mehr im täglichen Leben. Egal ob intelligente Autos, Roboter, Chatbots oder Systeme, die uns im Schach und Go besiegen, KI wird immer wichtiger. Ralf Otte beschreibt präzise und dennoch einfach diejenigen Algorithmen, die all das ermöglicht haben, erläutert Beispielanwendungen aus der Industrie, erklärt die zugrundeliegende Mathematik und zeigt darüber hinaus klare Grenzen für die Künstliche Intelligenz der nächsten Jahre auf. Egal ob Informatiker oder nicht, um dieses Buch zu verstehen genügt Mathematikwissen auf Oberstufenniveau.
<p>Über den Autor 9</p> <p><b>Einführung 21</b></p> <p>Über dieses Buch 22</p> <p>Wie dieses Buch aufgebaut ist 23</p> <p>Teil I: Ganz schön clever 23</p> <p>Teil II: Wie lernt und denkt eine Maschine heute 23</p> <p>Teil III: Eine bunte Umsetzung von Künstlicher Intelligenz, denn alle Theorie ist grau 24</p> <p>Teil IV: Ist die Maschine bald klüger als der Mensch und fühlt sie sich wenigstens gut dabei 24</p> <p>Teil V: Der Top-Ten-Teil 25</p> <p>Symbole, die in diesem Buch verwendet werden 25</p> <p>Was nun? 26</p> <p><b>Teil I Ganz Schön Clever</b> <b>27</b></p> <p><b>Kapitel 1 Einführung in die Thematik 29</b></p> <p>Was ist Intelligenz? 30</p> <p>Intelligenz messen 30</p> <p>Gibt es nicht die eine richtige Antwort? 31</p> <p>Codierte Intelligenz 33</p> <p>Schwache KI 34</p> <p>Starke KI 34</p> <p><b>Kapitel 2 Eine kurze Geschichte der intelligenten Maschinen</b> <b>37</b></p> <p>Autonom vs intelligent 37</p> <p>Denken mit Mathematik formalisieren 38</p> <p>Der Universalcomputer 38</p> <p>Die Geburtsstunde der Künstliche Intelligenz 39</p> <p>Wichtige Meilensteine der KI 40</p> <p><b>Kapitel 3 Wie intelligent ist die Künstliche Intelligenz wirklich? 45</b></p> <p>Die angemessene Intelligenz – Intelligenzstufe I1 45</p> <p>Die lernende Intelligenz – Intelligenzstufe I2 49</p> <p>Muss Wissen wahr sein? 50</p> <p>Können Maschinen Wissen erzeugen? 51</p> <p>Deduktiver Wissenserwerb 52</p> <p>Abduktiver Wissenserwerb 55</p> <p>Induktiver Wissenserwerb 56</p> <p>Die kreative Intelligenz – Intelligenzstufe I3 60</p> <p>Die bewusste Intelligenz – Intelligenzstufe I4 65</p> <p>Die selbstbewusste Intelligenz – Intelligenzstufe I5 67</p> <p>Einordnung der KI im Rahmen der verschiedenen Intelligenzstufen und Anmerkungen zu Bots 67</p> <p>Der Turing-Test 68</p> <p>Das chinesische Zimmer 71</p> <p>Zusammenfassung 72</p> <p><b>Kapitel 4 Alles, was Sie über das Wissen wissen müssen</b> <b>73</b></p> <p>Von Daten zu Informationen zu Wissen 73</p> <p>Reden wir über Daten 74</p> <p>Reden wir über Information 76</p> <p>Information und ihre Bedeutung 81</p> <p>Berechnen wir die quantitative Größe der Bedeutung 83</p> <p>Kommen wir zum Wissen 86</p> <p>Alles digital oder was … – Die große Digitalisierungswelle 88</p> <p>KI, Datenbanken und Wissensbasierte Systeme 93</p> <p>Was ist eine Datenbank? 94</p> <p>Was ist ein Expertensystem? 95</p> <p>Was ist ein Wissensbasiertes System? 99</p> <p>KI und Multi-Agenten-Systeme 99</p> <p>KI und Semantische Netze 103</p> <p>KI und Neuronale Netze oder wie speichert der Mensch sein Wissen? 105</p> <p>KI-Systeme sind etwas Technisches 107</p> <p>Wir erzeugen neues Wissen 108</p> <p><b>Kapitel 5 Alles logisch oder was?</b> <b>111</b></p> <p>KI umfasst noch sehr viel mehr 112</p> <p>Die Grundlagen der Logik 113</p> <p>Die logische Kettenregel 113</p> <p>Aristoteles’ Logik nennen wir Syllogismus 114</p> <p>Aussagenlogik 116</p> <p>Junktoren der Aussagenlogik 117</p> <p>Tautologien 121</p> <p>Das Deduktionstheorem 123</p> <p>Das Erfüllbarkeitsproblem der Aussagenlogik 128</p> <p>Prädikatenlogik 1 Stufe (PL1) 129</p> <p>Schlussfolgern in der Prädikatenlogik 133</p> <p>Der Resolutionskalkül 135</p> <p>Die PL1 ist korrekt und vollständig 136</p> <p>Das Entscheidbarkeitsproblem der Prädikatenlogik 136</p> <p>Prädikatenlogik 2 Stufe (PL2) 137</p> <p>Darum PL2 138</p> <p>Vollständige Induktion 139</p> <p>Grenzen der PL2 – Das Unvollständigkeitstheorem 140</p> <p>Unabhängig von der KI: Was bedeutet das Ergebnis von Gödel erkenntnistheoretisch? 144</p> <p>Zusammenfassung und Kritikpunkte zur klassischen Logik 145</p> <p><b>Teil II Wie Lernt Und Denkt Eine Maschine Heute</b> <b>147</b></p> <p><b>Kapitel 6 Die Grundlagen des maschinellen Lernens 149</b></p> <p>Die Rohstoffe des maschinellen Lernens 150</p> <p>Die Grundlagen maschinellen Lernens 151</p> <p>Weiße Schwäne – schwarze Schwäne 152</p> <p>Bauen wir Modelle von der Welt 152</p> <p>Analytischer vs empirischer Ansatz 153</p> <p>Beispiele für die empirische Modellierungsmethode 157</p> <p>Statistik im Überblick 159</p> <p>Schließende Statistik in der KI 161</p> <p>Von Datentypen, Kennzahlen und fiesen Fallstricken 161</p> <p>Welche Daten sagen was - Skalentypen 163</p> <p>Beginnen wir mit einer einfachen Datentabelle 164</p> <p>Univariate Statistik am Beispiel 166</p> <p>Multivariate Statistik am Beispiel 168</p> <p>Auf der Suche nach der Wahrheit 172</p> <p>Die Grenzen der Statistik 173</p> <p>Multivariate Statistik im mathematischen Detail 174</p> <p>Statistische Verfahren zum Auffinden von Zusammenhängen 175</p> <p>Statistische Verfahren zum Auffinden von Strukturen 190</p> <p>Zusammenfassung 194</p> <p><b>Kapitel 7 Kaum zu glauben – Die Maschine lernt richtige Regeln</b> <b>195</b></p> <p>Entscheidungsbäume 196</p> <p>Entscheidungsbaum basierend auf Maximierung des Informationsgewinns 196</p> <p>Assoziationsregeln 205</p> <p>Wichtige Gütemaße 206</p> <p>Ein interessantes Gütemaß: Die Interessantheit 212</p> <p><b>Kapitel 8 Neuronale Netze – Auf dem Weg zum künstlichen Gehirn</b> <b>213</b></p> <p>Das Neuronenmodell 214</p> <p>Wie alles begann … 216</p> <p>… und (fast) voreilig endete 219</p> <p>Die Topologie von neuronalen Netzwerken 223</p> <p>Überblick über neuronale Lernverfahren 229</p> <p>Überwachte Lernverfahren 230</p> <p>Unüberwachte Lernverfahren 230</p> <p>Bestärkende Lernverfahren 230</p> <p>Hebb’sche Lernregel – das einfachste Lernverfahren 232</p> <p>Delta-Lernregel als einfaches überwachtes Lernverfahren 233</p> <p>Backpropagation-Lernregel – der Standard der überwachten Lernverfahren 235</p> <p>LSTM-Netze (als Vertreter von Deep-Learning-Netzen) 240</p> <p>Competitive Networks – ein einfaches unüberwachtes Lernverfahren 241</p> <p>Selbst-Organisierende Merkmalskarten (SOM) – ein unüberwachtes Lernverfahren der Königsklasse 243</p> <p>Probleme der neuronalen Netze beim Einsatz in der Praxis 253</p> <p>Gütemaße neuronaler Netze für numerische Vorhersagen (Modellvorhersagen) 254</p> <p>Gütemaße für Klassifikatoren 255</p> <p>Probleme des Generalisierens 255</p> <p>Zusammenfassung 259</p> <p><b>Kapitel 9 Deep Learning – Der neue Clou der Künstlichen Intelligenz</b> <b>261</b></p> <p>Ein kleines bisschen Bildverarbeitung 262</p> <p>Bildverarbeitung durch Faltung .. und nicht Filterung 263</p> <p>Ein Faltungskern zur Kantendetektion 266</p> <p>Convolutional Neural Networks (CNN) – Neuronale Faltungsnetzwerke 268</p> <p>Lernphase eines CNN 268</p> <p>Anwendungsphase eines CNN 269</p> <p>Kritische Anmerkungen zum Deep Learning 270</p> <p>So täuscht man eine KI 271</p> <p><b>Teil III Eine Bunte Umsetzung Der Künstlichen Intelligenz, Denn Alle Theorie Ist Grau</b> <b>275</b></p> <p><b>Kapitel 10 Ist KI nur Mathematik? 277</b></p> <p>Grenzen von Mathematik und Computern 277</p> <p>Was ist ein Algorithmus? 279</p> <p>Ist auch die menschliche Intelligenz algorithmisch? 281</p> <p>Ist die Natur »mechanisierbar«? 283</p> <p><b>Kapitel 11 Klüger als die alten Meister – Wieso gewinnt die KI im Schach und Go?</b> <b>289</b></p> <p>Wie konnte es so weit kommen? 289</p> <p>Deep Blue gewinnt im Schach 290</p> <p>AlphaGo gewinnt im Go 295</p> <p>Zugnetzwerk (Policy Network) 297</p> <p>Bewertungsnetzwerk (Value Network) 297</p> <p>AlphaZero gewinnt alles 299</p> <p>Zusammenfassung 302</p> <p><b>Kapitel 12 Mal was Nützliches – KI in Industrie und Gesellschaft 303</b></p> <p>Künstliche Intelligenz in der Industrie 303</p> <p>IBM Watson 305</p> <p>Roboter in der Industrie 306</p> <p>Produktion Industrie 4.0 und Internet der Dinge 308</p> <p>Künstliche Intelligenz in der Gesellschaft 312</p> <p>Das Internet 312</p> <p>Gesichtserkennung 313</p> <p>Spracherkennung und Sprachsteuerung 313</p> <p>Sprach-Übersetzung 314</p> <p>Medizin 314</p> <p>Soziale Netzwerke 315</p> <p>KI in Kunst und Wissenschaft 315</p> <p>Autonome Autos (Selbstfahrende Autos) 316</p> <p>Zusammenfassung und Diskussion 322</p> <p><b>Kapitel 13 Und immer wieder lernen – KI und die Daten unserer Welt</b> <b>323</b></p> <p>Was es alles gibt 323</p> <p>Was ist Data Mining? 325</p> <p>Der Data-Mining-Prozess in der Praxis 326</p> <p>KI als die Data-Mining-Technologie der Industrie 329</p> <p>Allgemeine Situationsbewertung 329</p> <p>Praxisbeispiel – Ausschussratensenkung in einer diskreten Fertigung 333</p> <p>Praxisbeispiel – Analyse von Prozesseigenschaften chemischer Prozesse 341</p> <p>Praxisbeispiel – Gleichzeitige Optimierung mehrerer Zielgrößen (Polyoptimierung) 346</p> <p>Praxisbeispiel – Kostenreduktion im Einkauf durch Text Mining 349</p> <p>Und vieles mehr 353</p> <p>Zusammenfassung 353</p> <p>KI & Big Data – Fluch und Segen zugleich 356</p> <p>Schauen wir zuerst zu Facebook 356</p> <p>BUMMER und das Gesetz der großen Zahlen 358</p> <p>Und nun zu Google 359</p> <p>Da ist der Haken 361</p> <p><b>Kapitel 14 KI zum Anfassen – Arbeiten mit Tools</b> <b>363</b></p> <p>1 Matlab – MATrix LABoratory 367</p> <p>2 WEKA – Waikato Environment for Knowledge Analysis 368</p> <p>3 R und Python 368</p> <p>4 KNIME – Konstanz Information Miner 369</p> <p>5 TensorFlow – das KI-Werkzeug von Google 370</p> <p><b>Teil IV Ist Die Maschine Bald Klüger Als Der Mensch und Fühlt Sie Sich Wenigstens Gut Dabei</b> <b>373</b></p> <p><b>Kapitel 15 Materie und Geist – Ein notwendiger Ausflug in die Philosophie</b> <b>375</b></p> <p>Wie klug ist die KI heute schon? 375</p> <p>Generelles Nachdenken über den Geist und das Bewusstsein 382</p> <p>Dualismus 383</p> <p>Monismus 384</p> <p>Emergenztheorie 385</p> <p>Funktionalismus 385</p> <p>Schön philosophiert – Und nun? 387</p> <p>Zusammenfassung 389</p> <p><b>Kapitel 16 Mit der Lupe ins Gehirn geschaut: Bewusstsein – Wo bist du?</b> <b>391</b></p> <p>Von der Philosophie des Geistes zurück zur empirischen Forschung 391</p> <p>Wo und wie ist denn nun die Qualia abgespeichert? 393</p> <p>Die Anatomie neuronaler Netze im menschlichen Gehirn 394</p> <p>Die Physiologie der neuronalen Informationsverarbeitung 396</p> <p>Eine wichtige Diskussion: Wetware vs Hardware 401</p> <p>Der Vorteil der Wetware – Die heutige Hardware besitzt keine Qualia 403</p> <p>1 Detaillierte Analyse des menschlichen Gehirns 404</p> <p>2 Mathematische Modellierung von Bewusstsein und Qualia im Gehirn 404</p> <p>3 Bestimmung der Eigenschaften, die ein System haben müsste, um Bewusstsein auszuprägen 405</p> <p>4 Zeigen, dass die heutigen KI-Systeme diese Eigenschaften nicht besitzen 405</p> <p>Eine Hypothese: Zur Erzeugung von Qualia benötigen wir wahrscheinlich die Quantenphysik 406</p> <p>Ein Beispiel: Der Mensch sieht nicht nur mit seinen Augen 407</p> <p>Zusammenfassung 410</p> <p><b>Kapitel 17 Zukünftige Entwicklungen und ethische Fragen</b> <b>413</b></p> <p>Quo vadis KI oder Warum die Singularität nochmals ausfällt 414</p> <p>Auswirkungen bei der Nichterkennung technischer Grenzen der heutigen KI-Systeme 416</p> <p>Die Evolution der Schwachen KI 416</p> <p>Deduktive KI – Die KI bis gestern 416</p> <p>Induktive und Kognitive KI – Die KI der Gegenwart 417</p> <p>Neuromorphe KI – Die KI von morgen 419</p> <p>Die Evolution der Starken KI 422</p> <p>Maschinelles Bewusstsein auf Quantencomputern? 422</p> <p>Wir müssen über Ethik reden 424</p> <p>Was haben Fake News mit KI zu tun? 425</p> <p>Und jetzt auch noch Fake Science 426</p> <p>KI in Social Media 427</p> <p>Damit kommen wir zur Ethik 428</p> <p>Fiction 1: Plädoyer gegen die Künstliche Intelligenz –Das Risiko vom Ende 431</p> <p>Fiction 2: Plädoyer für die Künstliche Intelligenz – Die Chance zum Anfang 434</p> <p>Diskussion 438</p> <p><b>Teil V Der Top-Ten-Teil 439</b></p> <p><b>Kapitel 18 Fast zehn Begriffe und Einordnungen</b> <b>441</b></p> <p>Damit Sie die KI nicht missverstehen 441</p> <p>Tipps für Studenten 442</p> <p>Tipps für Manager 442</p> <p>Und ein kleiner Tipp für Politiker und interessierte Laien 443</p> <p>Es gibt auch Big Data 444</p> <p>Ein Einstieg für Interessierte mithilfe des Internets 444</p> <p>Werden Sie aktiv – Probieren Sie selbst mal was aus 445</p> <p>KI ist gut organisiert 446</p> <p>Führen Sie KI in Ihrem Unternehmen ein oder werden Sie dafür verantwortlich 447</p> <p>Literaturliste 449</p> <p>Stichwortverzeichnis 453</p>

Diese Produkte könnten Sie auch interessieren:

MDX Solutions
MDX Solutions
von: George Spofford, Sivakumar Harinath, Christopher Webb, Dylan Hai Huang, Francesco Civardi
PDF ebook
53,99 €
Concept Data Analysis
Concept Data Analysis
von: Claudio Carpineto, Giovanni Romano
PDF ebook
99,99 €
Handbook of Virtual Humans
Handbook of Virtual Humans
von: Nadia Magnenat-Thalmann, Daniel Thalmann
PDF ebook
136,99 €