Nach meinem Informationsstand passt sich bei KI die Hardware ähnlich wie das Gehirn an die zu lösenden Probleme an. Das allerdings nicht von selbst, sondern nach vorgegebenen Regeln. Im Prinzip könnte nachvollzogen und protokolliert werden, was da geschieht, in der Praxis ist das wegen der Unmenge der Recheneinheiten nicht möglich.
Moin Claus,
an vorgegebene Regeln halten sich meistens auch Menschen und sie fluktuieren mehr oder weniger stark um sie herum. Bei stochastischen Algorithmen ist es ähnlich. Insofern überschneiden sich Menschen- und Maschinenintelligenz. Aber worauf beziehst Du Dich mit Deinem Informationsstand und worauf wolltest Du eigentlich hinaus? Hier zwei Erläuterungen aus der reichhaltigen Fachliteratur:
Ben Goertzel, Cassio Pennachin (Eds.). Artificial General Intelligence
"General intelligence implies an ability to acquire and apply knowledge, and to reason and think, in a variety of domains. … to roughly emulate the nature of human general intelligence, an artificial general intelligence system should have:
- the ability to solve general problems in a non-domain-restricted way, in the same sense that a human can;
- most probably, the ability to solve problems in particular domains and particular contexts with particular efficiency;
- the ability to use its more generalized and more specialized intelligence capabilities together, in a unified way;
- the ability to learn from its environment, other intelligent systems, and teachers;
- the ability to become better at solving novel types of problems as it gains experience with them.“
Eine Spezialisierung der Artificial General Intelligence (AGI) ist die Computational Intelligence (CI):
Rudolf Kruse u.a. Computational Intelligence. Eine methodische Einführung in Künstliche Neuronale Netze, Evolutionäre Algorithmen, Fuzzy-Systeme und Bayes-Netze.
„Das Forschungsgebiet Computational Intelligence (CI) als Teilgebiet der Künstlichen Intelligenz umfasst Konzepte, Paradigmen, Algorithmen und Implementierungen zur Entwicklung von Systemen, die intelligentes Verhalten in komplexen Umgebungen automatisieren sollen. Es werden subsymbolische, naturanaloge Methoden verwendet, die unvollständiges, unpräzises und unsicheres Wissen tolerieren und auf diese Weise approximative, handhabbare, robuste und ressourcengünstige Lösungen ermöglichen. … Die im Bereich Computational Intelligence verwendete Problemlösungsstrategie besteht darin, approximative Techniken und Methoden zu verwenden, die ungefähre, unvollständige oder nur teilweise wahre Lösungen zu Problemen finden können, dies aber im Gegenzug in einem akzeptablen Zeit- und Kostenrahmen bewerkstelligen.“
IT