Software für Künstliche Intelligenz

Ende der 70er Jahre kamen Forscher, die versuchten Computer so zu programmieren, dass sie Probleme auf intelligente Weise lösen können, zu einer grundlegenden Schlussfolgerung: Intelligentes Verhalten erfordert eine Unmenge von Wissen, das man oft für selbstverständlich hält. Im Anfangsstadium der KI ging man davon aus, dass der Kern intelligenten Verhaltens in der Fähigkeit liege, quer durch alle Bereiche Schlussfolgerungen zu ziehen.

Aus dieser Meinung heraus versuchte man vergeblich, einen allgemeinen Problemlöser zu entwerfen. Um auch nur die einfachsten, in gewöhnlichem Deutsch gehaltenen Textabschnitte verstehen zu können, benötigt man umfangreiches Wissen über den Zusammenhang, in dem der Text steht, den Sprecher und die Welt im allgemeinen. Ein Wissen, das weit jenseits der Möglichkeiten heutiger Computer liegt.

Der Mensch benutzt verschiedene Methoden, um mit seinem Wissen über die Gesetzmäßigkeiten der Welt die Suche nach einer Lösung einzuschränken. Er Zerlegt das Problem in Teilprobleme, stellt eine Analogie zu Problemen her, die man schon gelöst hat. Viele Programme der KI-Forschung verlassen sich auf Methoden des formalen Schließens.

Resolutionsmethode

Eine der gängigsten ist das logische Schließen, das mit der als Resolutionsmethode bezeichneten Beweistechnik arbeitet und folgendermaßen funktioniert: Zunächst übersetzt man die Aussage die zu beweisen ist, in die Sprache der Prädikatenlogik. Dann verneint man die Aussage und resolviert sie mit einer Reihe von wahren Aussagen (Axiomen). Führen die Schlüsse aus der negierten Aussage und diesen Axiomen zu einem Widerspruch, so muss die verneinte Aussage falsch sein. Demnach ist die ursprüngliche Aussage wahr. J. A. Robinson zeigte 1964, dass, wenn die ursprüngliche Aussage wahr ist, die Resolutionsmethode auf jeden Fall zu einem Widerspruch führen wird.

Die Resolutionsmethode lässt sich auch bei Programmen einsetzen, die Fragen beantworten und nicht Aussagen beweisen. Die Anzahl der Resolutionsschritte wächst exponentiell mit der Komplexität des Problems. Diese kombinatorische Explosion ist auch der Grund, weshalb sich die Methode des formalen Schließens nur zum Lösen kleiner Probleme eignet.

Informelles Schließen

Heutzutage gibt es Programme, die technisch schwierige Probleme behandeln, wie zum Beispiel bei medizinischer Diagnose, der Planung von genetischen Versuchen, der Suche nach Bodenschätzen und technischer Entwicklung im Automobilbau. Die wesentliche Kraftquelle dieser Expertensysteme ist informelles Schließen auf Grundlage von umfangreichem Wissen, das man durch Befragen von Experten erworben hat. Dieses Wissen ist meist kodiert in hunderten Wenn-dann-Form-Regeln, die man auch als Heuristiken bezeichnet. Solche Heuristiken beschränken den Suchprozess, in dem sie die Aufmerksamkeit des Programms in Richtung auf die wahrscheinlichsten Lösungen lenken.

Expertensysteme können Schlussfolgerungen auf eine Weise erklären, die für den Menschen akzeptabel ist. Erklärungen können gegeben werden, weil die Erklärungen auf Regeln beruhen. Programme solcher Art können sich an Situationen anpassen, die der Programmierer nicht vorhergesehen hat.
Die Schwierigkeit zu entscheiden

Auf höherem Niveau unterscheiden heuristisch gesteuerte Systeme zwischen dem Problem selbst und dem so genannten Meta-Problem. Darunter versteht man die Schwierigkeit, zu irgendeinem gegeben Zeitpunkt zu entscheiden, welche der vielen Regeln angewendet werden soll. Dazu verwenden Systeme logische oder statistische Verfahren, um zu entscheiden, wann der Suchprozess abgebrochen werden soll. Dazu verwenden Systeme logische oder statistische Verfahren, um zu entscheiden, wann der Suchprozess abgebrochen werden soll. Bei Wenn-dann-Heurisken in Expertensystemen kann man jede Regel mit einer Wahrscheinlichkeitswertung versehen. Die Regeln können einfach sein und müssen nicht geordnet sein: Das ganze ist mehr als die Summe seiner Teile.

Das Erstellen leistungsfähiger Lernprogramme hängt davon ab, ob man eine der zentralen Kraftquellen der menschlichen Intelligenz erschließen kann: Die Fähigkeit, Analogieschlüsse zu ziehen und Sachverhalte anhand von Analogien zu verstehen. Das schlechte Abschneiden von Computerprogrammen im Auffinden und Verwenden von Analogien rührt von der Beschaffenheit ihres Wissens her.

Das Rezept zur Verbesserung des analogen Schließens eines Programms: Vergrößerung der Wissensbasis

Computerprogramme müssen einerseits noch viel kenntnisreicher werden, ehe sie wirkungsvoll Analogieschlüsse ziehen können. Um andererseits in großem Umfang Wissen erwerben zu können, sollten Computer wenigstens fähig sein, vorgelegte Analogien zu verstehen. Soll eine Maschine lernen, Analogien zu verstehen, so müssen die Gegenstände, die sie vergleichen soll, in geeigneter Weise dargestellt werden.

Verwendet man Rahmen, um Analogien maschinell verstehen zu können, so kann man folgendes feststellen: In einem intelligenten System kann die Art der Darstellung des Wissens selbst eine Kraftquelle bilden. Jede Darstellungsform begünstigt die Ausführung mancher Operationen, manche dagegen lässt sie ineffizient werden. Die Wahl der richtigen Darstellungsform für ein gegebenes Problem verkürzt den Suchprozess. Einige Forscher suchen deshalb nach Möglichkeiten, die potentiell große Leistungsfähigkeit analoger Darstellungsformen auszubeuten.

Wissensinhalte
„Tafeln“ sind keine Mittel zur Darstellung einzelner Wissensinhalte, sondern eine Methode zur Organisation dieser Wissensinhalte im Rahmen eines großen Programms. Eine solche Tafel dient dazu, den Problemraum selbst wiederzugeben. Diese Methode wird vor allem auf dem Gebiet des Sprachverständnisses angewandt. Mit einer Tafel lässt sich auf natürliche Art und Weise die Synergie ausnutzen, die sich aus dem Miteinander verschiedener Formen des Wissens ergibt.

Eine weitere Kraftquelle der KI ist die Parallelverarbeitung bei Computer, im Gegensatz zu den meisten Computern, die Informationen sequentiell verarbeiten. Einige Forschungsgruppen haben Computer entworfen, mit einer Million Prozessoren, die parallel arbeiten. Damit lässt sich die Verarbeitungsgeschwindigkeit um das Millionenfache steigern. Ein Computer wäre dann in der Lage, Sprache so schnell zu verstehen, wie sie gesprochen wird. Allerdings: Wo immer Heurisken einen Suchprozess ermöglichen, bei dem optimale Entscheidungen getroffen werden, bringt Parallelverarbeitung keine nennenswerte Steigerung.

Glück
Die letzte Kraftquelle ist das Glück. Glück ist statistisch gesehen doch oft verlässlich. Es wird ins Programm einfach eine Heuristik eingebaut, die den Zufall ausnutzt. Sie lautet: Wenn eine neue Aussage abgeleitet worden ist, so überprüfe unabhängig davon, ob sie das gerade anstehende Unterproblem löst, ob sie nicht vielleicht irgendeines der übergeordneten Probleme löst.

Jede Kraftquelle wird durch gewisse Eigenschaften eines Problembereichs sinnvoll einsetzbar, durch andere wird sie kostengünstig. In Gebieten wie Rechenarchitektur, Entwurf von integrierten Schaltkreisen oder Biotechnik, in denen sich der Stand der Technik und auch die Probleme rapide ändern, wird sich Intelligenz bei Computer-Software mehr und mehr als Notwendigkeit erweisen denn als Luxus. (Vgl. Spektrum der Wissenschaft, November 1984: S. 178-189)

(c) Viennawolf 1992/93 Fachbereichsarbeit aus Informatik am BORG Hermagor: “Künstliche Intelligenz – Schachprogrammierung”

About the Author

has written 198 stories on this site.

Write a Comment

Gravatars are small images that can show your personality. You can get your gravatar for free today!

Copyright © 2019 Viennawolf-MAGAZIN. All rights reserved.
Powered by WordPress.org, Custom Theme and ComFi.com Calling Card Company.