Home » sonstiges » Mehr Alltagsverstand für die Künstliche Intelligenz

Mehr Alltagsverstand für die Künstliche Intelligenz

1 Stern2 Sterne3 Sterne4 Sterne5 Sterne (1 Stimmen, Durchschnitt: 5,00 von 5)
Loading...

Logik vs. Kreativität

Auf dem Gebiet der K.I. und speziell das Deep Learning wurden in letzter zeit riesige Fortschritte gemacht. Allerdings könnte es bald damit vorbei sein. Denn nur mit einen gesunden Alltagsverstand, der bei K.I.s auf wahrscheinlichkeitstheoretische Grundlagen beruhen würde, können weitere Fortschritte auf dem Gebiet der Künstlichen Intelligenz erzielt werden. Wir selber nutzen diesen Verstand, der oft auch mit einem Bauchgefühl verwechselt wird im Alltag. Zum Beispiel, wenn wir spielen und uns ausrechnen, wie hoch unsere Chancen sind, das Spiel für uns zu entscheiden. Angebote wie ein Sunmaker gutscheincode, versuchen unser natürliches Gefühl zu blenden indem sie die natürliche Risikoschwelle des Nutzers herabsetzen, denn mit geschenkten Geld lässt es sich leichter spielen und sämtliche Wahrscheinlichkeitstheorien sind vergessen.

Deep Learning & Wahrscheinlichkeitstheorie

Und in der Tat sind die Verzerrungen in den Gewichtung der einzelnen Faktoren, die eine K.I. vornehmen soll mit das größte Problem, einer  K.I.s beizubringen. Die Folge ist, dass eine K.I. mit der Deep Learning Methode, viele Daten braucht, um ein brauchbares Ergebnis zu ermitteln.  Eine K.I. die aber nur auf statistischen Wahrscheinlichkeiten beruht ist auch anfällig für Verzerrungen. Diese Verzerrungen können schon durch minimale Abweichungen der Umstände oder durch  unbewusste Verzerrungen seitens der Programmierer.  Im Grunde muss eine K.I. lernen eigenständig Hypothesen auszustellen, diese zu überprüfen, zum Beispiel anhand großer Datenmengen (Big Data & Deep Learning) und die Ergebnisse anschließend in eine Art Langzeitgedächtnis zu überführen um daraus eine eigene Logik zu bilden. Diese Ergebnisse dienen dann bei neuen Situationen als Vorlage für eine wahrscheinlichkeitstheoretische und „logische“ Einschätzung der Situation. Das Ergebnis wäre dann, dass einen K.I. nicht mehr Unmengen an Daten bräuchte, sondern anhand zuvor gelernter Probleme, Muster und Situationen, sich nur noch ein Vorurteil bilden muss und anhand dieses wiederum mit bekannten Deep Learning Methoden überprüft.

Vorurteile sind doch nützlich!

Ja, wäre hätte das gedacht, das Vorurteile auch mal zu etwas gebrauchen sind. 😀 In Wahrheit sind sie die Killerapplikation für unseren Verstand. In dem wir einmal gelernte Muster auf ähnliche übertragen erleichtert sich unser Gehirn die Arbeit und nutzt Abkürzungen in der Berechnung von Problemen. Nicht anderes schlage ich mit einer Kombination von statistischen Wahrscheinlichkeitsmodellen, der Deep Learning Methode  und der Bildung einer eigenen gelernten Logik hervor. Man könnte auch anstand einer K.I. das Rad neuerfinden zu lassen, diese mit einen Pool an logischen Statements oder einer Wissensdatenbank ausrüsten.  Diese wird dann für eine Hypothesenbildung mit herangezogen. Der Google Konwledgegraph oder Wikidata könnte als Grundlage für diese logischen Grundannahmen dienen. Vielleicht arbeiten ja schon Google Wissenschaftler an so einem Modell?

 Fazit

Das hier sind nur alles Spekulationen die in meinem kleinen Kopf zu rumschwirren und einmal raus mussten. Wer sich aber für das Thema weitergehend interessiert kann hier mal nachschauen. Der t3n Artikel hat mich auch zu diesem Artikel inspiriert.