16 Jun
2023
16 Jun
'23
4:25 p.m.
Am 16. Juni 2023 14:48:59 MESZ schrieb "Ingo Tessmann über PhilWeb"
<philweb(a)lists.philo.at>at>:
Hallo Ingo,
Mach mich ruhig platt, das finde ich ja gut. Aber tu es mit einem Lächeln.
Die Sprache ist regelbasiert bis zum Punkt der Verbindung von Zeichen nicht mit anderen
Zeichen, sondern mit dem Erleben. Das platteste Beispiel ist die Präsentation eines
Farbmusters zur Erklärung eines Farbworts. Das Erleben ist Teil der Regel und kann selbst
nicht durch eine weitere Regel ersetzt werden. Andernfalls wäre die Alternative endloser
Regress oder Zeichenspielerei, die mit dem Leben nichts zu tun hat.
Das kann man auch auf Verhaltensregeln übertragen. Eine Maschine könnte zu ähnlichen
konditionierten Reflexen in der Lage sein, ohne die leiseste Ahnung, worum es dabei geht.
Du meinst ja: überlassen wir die Maschinen stromversorgt lange genug sich selbst wie
Grütze im Ententeich und warten wir, was dabei herauskommt.
Ich wollte nur versuchen, eine Antwort auf Josephs Frage zu geben, wie man der Maschine
Denkfähigkeit absprechen könne, wenn man nicht mehr weiss, wie sie zu ihren Resultaten
kommt und habe ja gleich die Experten in den Ring gerufen.
Claus
Am 14.06.2023 um 19:58 schrieb Claus Zimmermann
über PhilWeb <philweb(a)lists.philo.at>at>:
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.“
Ergänzungen dazu:
https://www.computational-intelligence.eu/
IT