KI mal differenziert

Die KI lässt sich in zwei Arten differenzieren. Zu einen gibt es die schwache KI (engl. weak AI), zum anderen aber auch die starke KI (engl. strong AI). Die schwache KI legt ihren Fokus auf die Lösung konkreter Anwendungsprobleme.  Bei der starken KI hingegen, möchte man bei einem System eine allgemeine Intelligenz schaffen, die der des Menschen ähnelt oder sogar noch übertrifft. Grundsätzlich kann man sagen, dass die schwache KI die Intelligenz nur simuliert, während die starke KI als echte Intelligenz interpretiert werden kann. Im Folgendem wird dargestellt, in welchen Anwendungsbereichen die KI auf beide Arten eingesetzt werden kann

Schwache KIStarke KI
ExpertensystemeLogisches Denken
NavigationssystemeEntscheidungsfähigkeit auch bei Unsicherheiten
SpracherkennungPlanungsfähigkeit
ZeichenerkennungLernfähigkeit
Korrekturvorschläge bei SuchenKommunikation in natürlicher Sprache
Automatisierte ÜbersetzungenKombinieren aller Fähigkeiten zur Erreichung eins übergeordneten Ziels
Schwache KI vs Starke KI

Einige Wissenschaftler und Philosophen sind der Meinung, dass ein KI-System noch so intelligent scheinen kann, es doch trotzdem eine schwache KI sei. Sie behaupten, dass die menschliche Intelligenz grundsätzlich nicht durch ein Computer Programm simuliert werden kann.

Wie oben bereits genannt ist die starke KI die Art von künstlicher Intelligenz, welche dieselben intellektuellen Verfahren wie der Mensch vorzeigt, oder die eines Menschen sogar übertrifft. Seit der Entwicklung der KI, ist diese Vision das Ziel aller KI-Forschungen. Dieses Ziel in der nahen Zukunft zu erreichen, bleibt jedoch mittlerweile fast unrealistisch. Häufig wird die starke KI in Science-Fiction Filmen oder Literaturen genutzt.

Quelle: http://www.informatik.uni-oldenburg.de/~iug08/ki/Grundlagen_Starke_KI_vs._Schwache_KI.html

KI: Grenzenlose Möglichkeiten?

Die Möglichkeiten der KI kann man vielseitig betrachten. Oftmals sind sie dort vorzufinden, wo die Stärken der menschlichen Intuition und Erfahrungen nicht mehr zur Anwendung kommen. Die Möglichkeiten der KI überwinden die Schwierigkeiten, welche der Mensch mit seiner Rechenleistung hat. Zur vollständigen Lösung von Problemen benötigt man jedoch die menschlichen Individuen, wie auch eine hohe Rechenleistung. Aus den Lösungsansetzen zu lernen, wie etwas gelöst werden kann, ist ebenfalls erforderlich für einen Erfolg. Somit sind die Schwächen von Computern klar aufzuzeigen, diese liegen bei dem logischen Schließen und Folgern. Die Möglichkeiten, welche uns die KI heutzutage öffnen sind zwar breit gefächert, aber in einigen Bereichen noch zum Teil eingeschränkt. Beispielsweise besitzen Computer immer noch nicht die Fähigkeit menschliche Handlungen – oder auch die von anderer Lebewesen – zu verstehen oder gar diese nachzuahmen. In der Umsetzung von KI sprechen einige Aspekte für den Einsatz von Computersystemen, jedoch ist der Erfolg hierbei nicht zu garantieren. Ein Rechensystem muss vorerst programmiert werden, damit es in der Lage dazu ist KI entstehen zu lassen. Somit muss jede gestellte Aufgabe, wie das Verhalten unterschiedlicher Individuen, in der Computersprache verfasst und umgewandelt werden.

Die Umwandlung erfolgt zwischen der Zusammenarbeit mehrerer Wissenschaftler, psychologischen Spezialisten und Biologen, wie auch Informatikern. Erst dann kann sichergestellt werden, dass eine optimale Umsetzung erzielt wurde. Die Herausforderung hierbei ist es, die fundamentalen Elemente der verschiedenen Gebiete ideal in die des Eigenen zu integrieren. Die Neurowissenschaft trägt mit seinem Forschungszweig der Gehirnforschung einen potenziellen Beitrag zur Funktionsweise einzelner künstlicher Verhaltensweisen bei. Dies tut sie, indem sie die Funktionen der Verhaltenszüge im Zusammenhang einzelner Neuronen, in unterschiedlichen Individuen, überprüft und beurteilt. Die fortschrittlichen Erkenntnisse der Biologie, sind ebenfalls ausschlaggebend zum Verständnis und zur Umsetzung etlicher Verhaltenszüge der KI. Durch dieses Zusammenspiel entsteht ein Netzwerk aus unterschiedlichen Aspekten der Wissenschaft, wo durch sich die Möglichkeiten, wie auch die Grenzen der KI immer erneut mit dem aktuellen Stand definieren lassen.

Quelle: https://www.gurit.net/sva/pdf/08_09_10_Moeglichkeiten_und_Grenzen_der_KI.pdf

Künstliche Intelligenz? – Der Turing-Test!

Allein der Begriff „Künstliche Intelligenz“ deckt Fragen in uns auf, wie: „Können Maschinen denken?“ oder „Werden Maschinen eines Tages denken können?“. Mit diesen Fragen beschäftigte sich Alan Turing – einer der wichtigsten Begründer der Informatik und somit auch der KI – im Jahre 1950.

Turing schlug vor, um die Frage – Können Maschinen denken? – zu beantworten, müsste man vorerst Begriffe wie „Maschine“ und „denken“ definieren. Anstatt sich mit Definitionen rumzuschlagen, hat er die Frage durch etwas anderes ersetzt, welches damit zusammenhängt und in relativ eindeutigen Wörtern ausgedrückt werden kann. Somit entstand die Idee des Turing-Tests (imitation game, nannte Turing den Test ursprünglich). Der Tester soll zwischen dem Menschen und der KI unterscheiden.

Aus diesem Grundgedanken wurde ein leicht adaptierter Turing-Test vom Cleverbot durchgeführt, um weibliche und männliche Gesprächspartner unterscheiden zu können:

Es gibt eine männliche Person A, eine weibliche Person B und ein Interviewer C (für den Interviewer ist das Geschlecht irrelevant, da dieser als neutrale Person definiert ist). C sitzt in einem geschlossenen Raum und kann somit A und B nicht sehen. C kann nur mit Hilfe eines Bildschirms und einer Tastatur mit A und B kommunizieren. C weiß nicht, welche Person die Frau oder der Mann ist. C kennt beide nur unter X und Y. Das Ziel von C ist es, durch die Kommunikation herauszufinden wer von den beiden Personen die Frau, und wer der Mann ist. Während dem Test gibt B immer ehrliche Antworten und hilft somit C dabei sein Geschlecht herauszufinden. Während dessen versucht A durch unehrliche Antworten C in die Irre zu führen, damit der Interviewer eine falsche Entscheidung bezüglich des Geschlechtes fällt.

Für Turing ist nun interessant was passieren würde, wenn man die Person A durch eine Maschine ersetzt. Wird die Maschine es gleich oft oder öfter schaffen den Interviewer C zu einer falschen Entscheidung zu führen? Kann die Maschine wissend genug kommunizieren, um am Ende dieselbe Erfolgsrate bei C, wie von der Person A zu erzielen? Sollte das der Fall sein, ist Turing dazu bereit der Maschine Denkvermögen zuzugestehen.

Der Turing Test schlug sich somit in die Geschichte der KI ein und wurde Jahre lang in diesem Bereich eingesetzt. Die Maschinen waren lange Zeit aussichtslos, bis sich am 3. September 2011 etwas unglaubliches ereignete. Die Web-Applikation „Cleverbot“ nahm gemeinsam mit 1334 Menschen am Turing-Test-Festival in Guwahāti (Indien) teil. Cleverbot hat es geschafft von fast 60% der Interviewer als Mensch wahrgenommen zu werden, wobei hingegen die wirklich menschlichen Konkurrenten nur 63% erreichten.

Turing-Test
Turing-Test

Chancen für Machine Learning

ML beruht auf den Prinzipien von Computeralgorithmen, die durch Versuche und Erfahrungen reflexartig lernen. Das ML ist eine Anwendung der Künstlichen Intelligenz, die es Programmanwendungen ermöglicht, Ergebnisse mit äusserster Präzision vorherzusehen. Es macht einen Unterschied zwischen der Erstellung von Computerprogrammen und der Unterstützung von Computern beim Einprägen ohne menschliches Eingreifen.

„Chancen für Machine Learning“ weiterlesen

Voraussetzungen für Machine Learning Projekte

Die wichtigste Komponente für ein lukratives ML Projekt im Unternehmen sind die Daten.

Grosse Unternehmen kaufen sich diese Datensätze oftmals bei einem anderen Unternehmen ein, welches Eigentümer der Daten ist oder es wird eine Vereinbarung über das Eigentum bzw. der Aufteilung dieser Daten geschlossen. Für kleinere Unternehmen, …

„Voraussetzungen für Machine Learning Projekte“ weiterlesen

Überflüssig? Hilfreich?

Ein Selbstversuch: mal versuchen die Benutzung von Mupples zu beschreiben. Passt das? Oder passt es nur für Wordpress und BuddyPress-Kenner*Innen? Lass` deine Meinung in den Kommentaren!

Blog-Leser*Innen sind versierte Web-User*Innen! Kaum vorstellbar, dass jemand eine Bedinungsanleitung für den Mupples-Blog und die MupplesUniversity braucht?

„Überflüssig? Hilfreich?“ weiterlesen

Are you nerdy? – Gesucht!

Research-Assistent*Innen gesucht. Das ist die Möglichkeit in einem virtuellen Team beim Recherchieren und Schreiben Erfahrungen zu sammeln. Ideal für Student*Innen und digital Nerds! Interessiert? Anmelden / registrieren und Kontaktformular am Blockende aufüllen. Ich freue mich auf das Gespräch!

Was heißt hier nerdy?

„Are you nerdy? – Gesucht!“ weiterlesen

Note 1!?

Note 1 gib es natürlich. In der Regel nicht so oft. Aber immerhin. Noten aus dem Mittelbau des Arsenals von Note 1 bis Note 4 gibt es erheblich häufiger. Und an Unis gibt es die Note 6 erst garnicht – die Hoffnung auf den Wink mit dem Zaunpfahl besteht nicht. Nicht bestanden ist die Not 5, mehr gibt es nicht.

Nach der Benotung taucht häufiger die Frage auf, warum man nicht die bessere Note, die man erwartet hat, erreicht wurde. Hat natürlich seine Gründe. Warum hat man die Note 1 kommt eher selten. “Naja, hätte ich zwar nicht gedacht, aber macht nichts!” denkt sich der/die betroffene Student*In.

Für das Sommersemester 2021 möchte ich (für das für die von mir vergebenen Noten) einmal darlegen. Das Sommersemester war ja ein Corone-Semester, das zweite schon. Lehrende und Studierende sind also durchaus erfahren damit: online-Web-Seminare, ausschließlich digitale Kommunikation. Und zum erstenmal der aktive Einsatz der Online-Lernplattform MupplesUniversity, zumindest in einem meiner beiden “Seminare”. Das eine Seminar: “Business-Projekt“, Wirtschaftsinformatik-Studierende im fünften, sechsten Semester. Das andere Seminar: “eShop-Design“, ausschließlich Studentinnen im fünften Semester.

Die Studierenden aus dem Busliness-Projekt kennen ihre Bewertung (im Wesentlichen): wurde in einem eigenen Blockpost bereits ausführlich (DSGVO-kompatibel) besprochen. Die betroffenen Studierenden erkennen sich wieder. Nur die Note fehlte bisher. Diese Note ist im StudiPortal nun veröffentlicht und diese Stududierenden-Gruppe ist damit am Rande von diesem Post auch betroffen. Zur Erinnerung das bisherige Feedbach findest du hier.

Nun zu den Student*Innen aus eShop-Design.

Anamnese:

Das Praktikum fand, wie in den Semestern vorher, in der BW-Cloud statt. Die Ladies sitzen vor Windows-Laptos und MacBook. Erfahrungen mit dem Terminal: gleich Null. Und jetzt wird über Strecken ausschließlich mit dem Terminal gearbeitet:

  • Instanz einrichten (Ubuntu) +
  • Lamp installieren +
  • phpmyadmin installieren +
  • Magento auf Ubuntu Downloaden und installieren

Mit dem Readines-Check löst der Browser als Arbeitsumgebung ab. Summa Summarum macht das vom Gesamt-Workshop ca. 50% aus.

Die zweiten 50% widmen sich endlich dem eShop-Design, dem Aufbauen, Einrichten und Gestalten eine eShop. Mit was der eShop handelt, dürfen sich die Student*Innen selbst aussuchen. Tweak: es gibt einfach und komplexer zu beschreibende Güter, hier werden wir mit Attribut-Sets arbeiten müssen, um das Potenzial von Magento auszunutzen.

Für diese zweiten 50% gibt es (in einer Beschreibung zusammengefaßt) auch Kriterien: Basis-Konfigiration und Storefront-Branding, Kategorien und Attributsets gehören dazu. Zugegebenermaßen macht am meisten Spaß die eShop-Ausstattung mit Güter.

  • Einfache Güter – geschenkt.
  • Konfigurierbare Güter – eine Herausforderung. Und dann gibt es noch
  • digitale Güter,
  • downloadable Produkte und
  • gruppierte Produkte und
  • Bündelprodukte.

Da gibt es einiges zu tun. Gut wer Handbücker lesen kann: zur Verfügung steht das komplette Magento-Handbuch. Alles in Englisch. Aber die WI ist ohnehin weitestgehend englisch.

In Sachen Marketing ist Magenot ein Stück weit mit ausgestattet:

  • Cross-Selling,
  • Up-Selling,
  • might Interesting

ist eingebaut und im Pflichtprogramm.

mage2
mage2

Diagnose

Insgesamt also zig Kriterien mit denen zusammengenommen 100 Punkte erreicht werden können. KÖNNEN. Nicht alle haben die 100 Punkte erreicht. Das ergibt die unterschiedlichen Noten. Und einige davon sind Einsen. Vielleicht ein Trost: die anderen sind auch nicht viel schlechter.

Chapeu, Student*Innen, das habt ihr gut gemacht!

Nun zur Theorie

Ein Seminar ohne Theorie: an der Uni nicht denkbar! Der theoretischen Teil der Veranstaltung war diesmal eigenverantwortlich als Mupples-Kurs durchzuarbeiten.

Die Student*Innen mussten sich förmlich herantasten: wie die MupplesUniversity funktioniert – musste selbst herausgefunden werden, das war Teil des Reglements. Als Einstiegshilfe gab’s eine Kurzeinführung und ein How-To-Video:

Ausgehend davon war die Devise: Funtionalität selbst erforschen und bezüglich der Erfahrungen dem Autor ein Feedback liefern. Dafür besten Dank!

Die Erfahrung

Um es kurz zu machen: meine Erfahrung mit dem digitalisierten Seminar sind durchaus positiv – lief so, wie gewünscht. Natürlich gab es in den Feedbacks Hinweise und Optimierungswünsche die in der Zukunft umgesetzt werden wollen. Nochmals besten Dank dafür. Neue How-To-Videos sind bereits “in der Mache” und der Mitarbeiter-Stab für Mupples soll wachsen. Infos dazu kann ich gerne liefern. Das Ziel: durch eine tutorielle studentische Betreuung lassen sich die “Unvollständigen” in Richtung 0% entwickeln.

Vollständige Abarbeitung aller Lektionen, Videos und Podcasts durch die Teilnehmer*Innen und Prüfungen. 78 % aller Teilnehmer*Innen
Unvollständige, nur teilweise Abarbeitung der Lektionen, Videos und Podcasts. Prüfungen versucht, ohne die Lektionen vorher durchzuarbeiten.22 % der Teilnehmer*Innen
Minimalstatistik
success makes happy
success makes happy

Viel Erfolg mit dem Gelernten.

Become a Patron!