Methoden der Künstlichen Intelligenz

Künstliche Intelligenz ist kein neues Forschungsfeld. In Abschnitt 6.1 gehen wir den Ursprüngen der KI nach, die bis in die 40er-Jahre des letzten Jahrhunderts zurückreichen, und entmystifizieren das Thema etwas. Man unterscheidet subsymbolische KI-Systeme (künstliche neuronale Netze) und symbolische Systeme (Expertensysteme, regelbasierte Systeme). Der erste Teil von Kapitel 6 behandelt subsymbolische Systeme. Letztendlich sind es Algorithmen, die wir auf große Datenmengen anwenden oder wir nutzen Regeln und Schlussfolgerungen, um neue Informationen zu generieren. Als Einstieg in die subsymbolischen Systeme werden drei grundlegende Aufgaben des maschinellen Lernens beschrieben und gezeigt, dass eine fundamentale Eigenschaft dieser Algorithmen ihre Fähigkeit ist, Prognosen zu machen. Wir widmen uns dem künstlichen neuronalen Netz, beschreiben seinen Aufbau und erklären, was Hidden Layer sind und wann man von Deep Learning und Maschinellem Lernen spricht. Anschließend betrachtet das Kapitel dann noch die Methoden der symbolischen KI, auch regelbasierte KI genannt. Ein Abschnitt ist der Beschreibung von Natural Processing Language, also dem Verstehen von natürlicher Sprache durch den Computer, gewidmet. Neben dem Bereinigen von Texten ist die Umwandlung von Worten in Zahlen (Vektorisierung, Embedding) wesentliche Voraussetzung für die Anwendung neuronaler Netze. Nach einer Beschreibung, wie Prognosen bewertet werden können, werden die wichtigsten Modelle dargestellt und das praktische Arbeiten mit Ihnen erläutert. Abschließend werden die wichtigsten NLP-Aufgaben, wie das Ermitteln von Namen (z. B. von Produkten), das Finden von konkreten Antworten auf Nutzerfragen oder eine Textzusammenfassung vorgestellt. Abschnitt 6.5 behandelt die symbolischen Systeme. Nach einer Erläuterung wichtiger semantischer Begriffe und den Formen der Wissenspräsentation wird gezeigt, wie auf der Grundlage von Funktionsprofilen neue Technologien ermittelt werden.