Künstliche Intelligenz (Agenten- Und Multiagentensysteme, Neuronale Netze, Deep Learning, Machine Learning, Computer Vision‪)‬

Dieses Hörbuch ist so aufgebaut, dass Ihnen die Inhalte im Rahmen der geschichtlichen Entwicklung der KI vermittelt werden. Aus diesem Grund beginnt unsere Reise mit dem Punkt "Einführung und geschichtlicher Hintergrund der KI".

Im zweiten Abschnitt greifen wir zunächst die anfänglichen Techniken der KI auf. Sie lernen dabei die Konzepte und berühmte Beispielsysteme kennen, die diese frühe Phase der Euphorie auslösten.

Im dritten Abschnitt behandeln wir Expertensysteme, die ähnlich zu den allgemeinen Problemlösern nur spezielle Probleme behandeln. Aber dafür exzessiv auf Regeln und Fakten in Form einer Wissensbasis zugreifen.

Der vierte Abschnitt läutet die Rückkehr zu der Idee ein, das menschliche Gehirn nachbauen zu können und so in Form von neuronalen Netzen der digitalen Informationsverarbeitung zugänglich zu machen. Wir betrachten die frühen Ansätze und stellen heraus, welche Ideen noch gefehlt haben, um neuronalen Netzen zum kommerziellen Durchbruch zu verhelfen.

Die Idee eines Agenten und ihr Zusammenspiel in einem Multi-Agenten-System wird im fünften Abschnitt beschrieben. Ein solches System dient im Wesentlichen dazu, Komplexität auf mehrere Instanzen zu verteilen.

Der sechste Abschnitt behandelt den Durchbruch der mehrschichtigen neuronalen Netze, maschinelles Lernen, maschinelle Sehen (Computer Vision), Spracherkennung und viele weitere Anwendungen der heutigen KI.

Themen und Inhalte:

I. Einführung und geschichtlicher Hintergrund

- Was ist KI – eine philosophische Betrachtung
- Starke und Schwache KI
- Der Turing Test
- Die Geburt der KI
- Die Ära der großen Erwartungen
- Das Einholen der Realität
- Wie man einer Maschine das Lernen beibringt
- Verteilte Systeme in der KI
- Deep Learning, Machine Learning, Natural Language Processing

II. Der allgemeine Problemlöser

- Beweisprogramm - Logical Theorist
- Beispiel aus “Human Problem Solving“ (Simon):
- Die Struktur eines Problems

III. Expertensysteme

- Faktenwissen und heuristisches Wissen
- Frames, Slots und Filler
- Vorwärts- und Rückwärtsverkettung
- Das MYCIN Programm
- Wahrscheinlichkeiten in Expertensystemen
- Beispiel - Wahrscheinlichkeit von Haarrissen

IV. Neuronale Netze

- Das menschliche Neuron
- Signalverarbeitung eines Neurons
- Das Perceptron

V. Maschinelles Lernen (Deep Learning & Computer Vision)

- Beispiel – Kartoffelernte
- Das Geburtsjahr des Deep Learning
- Schichten von Deep-Learning-Netzen
- Maschinelles Sehen / Computer Vision
- Convolutional Neural Network

Was sind die Anforderungen?

Keine Vorraussetzungen auf dem Gebiet der KI/AI nötig. Es wird alles verständlich im Detail erklärt.

Was bringt mir dieser Kurs?

Sie lernen die Strukturen und Aufbau moderner Systeme der künstlichen Intelligenz (KI/AI) kennen und verstehen.

An wen richtet sich dieser Kurs?

An interessierte Studenten, Forscher, Anfänger und Fortgeschrittene auf dem Gebiet der künstlichen Intelligenz (KI) / Artificial Intelligence (AI).