Was sollte eine (starke) KI speichern/behalten (was nicht)?
Burkart Venzke
einig. Was sie lernen soll, ist weniger klar: Grob gesagt, was wir als
relevant/sinnvoll ansehen, was die KI wiederum mï¿œglichst gut versuchen
muss herauszufinden und wir ihr irgendwie mitteilen mï¿œssen. So grob, so
weit, so gut.
Was ich mich aber frage ist: Was soll eine lernende KI ï¿œberhaupt speichern?
a) Alle Daten, die sie jemals zum Lernen vorgesetzt bekommt?
b) Nur Daten, die zu einer aktueller Problemlï¿œsung beigetragen haben?
c) ... oder ein Mittelweg?
a) "Alle Daten, die sie jemals zum Lernen vorgesetzt bekommt?"
Das mag in einfachen Beispielen und kleinen Beispielwelten noch
hinreichend funktionieren, spï¿œtestens bei einem realen "Sinn", also
Inputgerï¿œt z.B. mit stï¿œndigem, nicht selten extrem groï¿œen Datenfluss wie
beim Sehen, klappt das lï¿œngerfristig nicht: Mag man auch genug
Speicherplatz theoretisch zur Verfï¿œgung stellen kï¿œnnen, wï¿œrde der
Zugriff auf die Daten langfristig immer langsamer werden. (Mal abgesehen
davon, dass die Verarbeitungsgeschwindigkeit schon auf nur aktuelle
Daten bei vollstï¿œndigen visuellen Szenen (bei hinreichend guter
Auslï¿œsung wie bei unserem Auge) nicht ausreicht, jedenfalls derzeit.)
b) "Nur Daten, die zu einer aktueller Problemlï¿œsung beigetragen haben?"
Man kￜnnte sich vorstellen, dass eine KI anfangs gar nichts weiￜ, nur
die Mï¿œglichkeit zum Lernen hat. Sie kann anhand gestellter Aufgaben z.B.
zufï¿œllig lernen und sich die gefundene Lï¿œsung merken, oder sie lï¿œsst
sich zum Menschen/Lehrer Tipps zum Auffinden der Lï¿œsung geben und setzt
diese Tipps zum Lernen um.
Aber geht das wirklich so einfach? Woher weiￜ sie z.B., welcher Aspekt
des Zufalls zum Erfolg gefï¿œhrt hat? Auch menschliche Tipps mï¿œgen nicht
eindeutig klar sein - mal abgesehen davon, dass die KI die Tipps erstmal
verstehen kï¿œnnen muss.
c) "... oder ein Mittelweg?"
Schon alleine praktisch gesehen wird es wohl auf einen Mittelweg
hinauslaufen. Die Frage ist dann: Wieviel und was wird gelernt?
Beim Menschen werden visuellen Daten sehr schnell komprimiert, und
selbst einfache nicht immer perfekt gespeichert (z.B. geben
Verkehrsunfallzeugen die Farbe eines beteiligten Wagens leicht mal
falsch als). ï¿œhnliches gilt natï¿œrlich auch fï¿œr andere Sinnesdaten, die
teilweise nur unbewusst und damit nicht mal "richtig" wahrgenommen bzw.
gespeichert werden.
Aber auch langfristig vergisst der Menschen eben. Ob Daten nun nur
ï¿œberlagert oder wirklich auch mehr oder weniger ganz gelï¿œscht werden,
sei dahingestellt. Jedenfalls nimmt das Langzeitgedï¿œchtnis nur einen
Bruchteil der aktuell vorliegenden Daten auf - aber es nimmt eben auf,
welche Daten es auch immer genau sein mï¿œgen und warum gerade diese. Sind
es nur solche, die sie gerade fï¿œr zu lï¿œsende Aufgaben gebraucht hat?
Oder sind es prï¿œventiv auf weitere, die vielleicht irgendwie mal helfen
kï¿œnnten?
Diese Fragen muss man irgendwie fï¿œr die KI klï¿œren oder zumindest in
verschiedenen Versuchen ausprobieren und anhand der Ergebnisse abwï¿œgen.
Gruￜ
Burkart
Cosinus
>
> sei dahingestellt.
Ich möchte in diesem Zusammenhang vermuten, dass man Lernen als
Transformation von Informationen ins Vergessen verstehen könnte, oder
vielleicht besser: die beobachtete Negation von Überraschung.
Lernfähige Strukturen wären dann in einem System beobachtbar, wenn man
sie beim Vergessen beobachten könnte. Ein Beobachter, der eine KI
daraufhin überprüfen will, müsste eigentlich Krisen inszenieren, die
diese Systeme dazu zwingen, sich an das zu erinnern, was sie hätten
vergessen können, um herauszufinden, was sie gelernt haben.
Cosinus
Burkart Venzke
>> Wieviel und was wird gelernt?
>>
>> Aber auch langfristig vergisst der Menschen eben. Ob Daten nun nur
>> sei dahingestellt.
>
> Ich m�chte in diesem Zusammenhang vermuten, dass man Lernen als
> Transformation von Informationen ins Vergessen verstehen k�nnte, oder
> vielleicht besser: die beobachtete Negation von �berraschung.
> Lernf�hige Strukturen w�ren dann in einem System beobachtbar, wenn man
> sie beim Vergessen beobachten k�nnte. Ein Beobachter, der eine KI
> daraufhin �berpr�fen will, m�sste eigentlich Krisen inszenieren, die
> diese Systeme dazu zwingen, sich an das zu erinnern, was sie h�tten
> vergessen k�nnen, um herauszufinden, was sie gelernt haben.
Sch�n und gut, nur wollte ich gerade hierauf in diesem Thread nicht
eingehen, wie du vermutlich schon vermutet hattest. Bevor Daten gel�scht
werden k�nnen, m�ssen sie ja erstmal gelernt bzw. gespeichert werden ;)
Und das bzw. deren Filterung oder auch Abstraktion ist leider schon
nicht trivial.
Gru�
Burkart
Burkart Venzke
Sollte es generell zu uninteressant erscheinen oder gibt es einfach
keine Ideen hierzu?
Gruￜ
Burkart
Joachim Pimiskern
> Interessant, dass es zu diesem Thema kein (weiteres) Interesse gibt.
> Sollte es generell zu uninteressant erscheinen oder gibt es einfach
> keine Ideen hierzu?
Das Thema ist wohl zu allgemein. Am besten wï¿œre, das zu speichern,
was intelligent macht. Wenn man wￜￜte, was das ist.
In seinem Buch "Die Rechenmaschine und das Gehirn" schrieb John von
Neumann, daￜ das Gehirn ￜberhaupt nichts vergesse, und kam so auf
eine irrsinnig hohe Speicherkapazitï¿œt. Wahrscheinlicher erscheint
mir, daￜ zumindest das meiste von dem, dessen man sich bewuￜt ist,
vom Arbeitsgedï¿œchtnis ins Kurzzeitgedï¿œchtnis wandert und dann ins
Langzeitgedￜchtnis. Manfred Spitzer sagt, daￜ wir unser Gehirn nicht
voller Tomaten haben, weil das Gehirn nicht die Erinnerung an
einzelne Tomaten ablegt, sondern nur Regeln, wie Tomaten aussehen.
Grￜￜe,
Joachim
Hermann Riemann
> Eine (starke) KI muss lernen können, darin sind wir uns vermutlich alle
> einig. Was sie lernen soll, ist weniger klar: Grob gesagt, was wir als
> relevant/sinnvoll ansehen, was die KI wiederum möglichst gut versuchen
> muss herauszufinden und wir ihr irgendwie mitteilen müssen.
relevant/sinnvoll ist eine Bewertung vom Typ wichtig.
Zusammen mit den Parametern "Zuneigung, Abneigung" und weiteren
(http://www.hermann-riemann.de/i/bewerten.html)
> Was ich mich aber frage ist: Was soll eine lernende KI überhaupt
> speichern? a) Alle Daten, die sie jemals zum Lernen vorgesetzt bekommt?
> b) Nur Daten, die zu einer aktueller Problemlösung beigetragen haben?
> c) ... oder ein Mittelweg?
Die aktuellen Daten sollten bei (starker) KI zusammen mit den
aktuellen Zustandsdaten (Bewertungsdaten) abgespeichert werden.
Diese Bewertungsdaten steuern auch die Priorität und die
Rechner-Zeitscheiben im Gehirn.
Damit bilden sie einen eigenen Willen.
> a) "Alle Daten, die sie jemals zum Lernen vorgesetzt bekommt?"
Nur wenn zu den Daten noch kein Modell vorhanden sind,
wie z.B. bei Zufallszahlen, die noch nicht als solche erkannt sind.
Ansonsten werden ständig Modelle modifiziert,
z.B. um Varianten erweitert,
und/oder Bewertungen angepasst.
> Beim Menschen werden visuellen Daten sehr schnell komprimiert,
Nein, es werden aus ein paar Pixel vorbereitete Bildteile abgerufen
und synchronisiert.
Das sieht man selten an Muster,
die bei genaueren Hinschauen keine mehr sind.
> und selbst einfache nicht immer perfekt gespeichert (z.B. geben
> Verkehrsunfallzeugen die Farbe eines beteiligten Wagens leicht mal
> falsch als).
Doch aber:
Ich habe mal einen Film über Savants gesehen,
wo sich jemand exakt an sehr viele Details erinnert.
Der Haken dabei ist, das man dann mit den Details nichts anderes
anfangen kann, als diese wiederzugeben.
Ein normales Gehirn speichert nur eine Teilmenge, abhängig von
momentaner Gefühlslage ( Bewertung wichtig)
der Rest wird bei Bedarf rekonstruiert,
weil ein Rekonstruktion bei den meisten Anwendungen ausreicht.
Es sieht so aus, als würden wichtige Daten vielfach gespeichert,
und der einzelner Zerfall hängt vom Zufall ab.
Dadurch werden unwichtige, kaum genutzte Daten mit der Zeit
"unscharf".
> Ähnliches gilt natürlich auch für andere Sinnesdaten, die
> teilweise nur unbewusst und damit nicht mal "richtig" wahrgenommen bzw.
> gespeichert werden.
Sehen gehen und vieles andere wird unbewußt gelernt.
Möglicherweise wird dies anhand der Auswahl, welche Muster momentan wichtig
sind, genetisch gesteuert.
Hermann
der manchmal momentan manchmal denkt,
starke KI = schwache KI + Bewertungsbearbeitung.
Burkart Venzke
> Burkart Venzke schrieb:
> > Interessant, dass es zu diesem Thema kein (weiteres) Interesse gibt.
> > Sollte es generell zu uninteressant erscheinen oder gibt es einfach
> > keine Ideen hierzu?
>
> Das Thema ist wohl zu allgemein.
Danke fï¿œr deine Meinung. Ja, es mag zu allgemein sein, was vielleicht
daran liegt, dass ich mir hierzu noch sehr unklar bin.
> Am besten wï¿œre, das zu speichern,
> was intelligent macht. Wenn man wￜￜte, was das ist.
Tja, wenn man es wï¿œsste...
Ich gehe lieber davon aus, dass die KI es grundlegend nicht weiￜ bzw.
wissen kann, sondern dass sie auch das lernen muss.
> In seinem Buch "Die Rechenmaschine und das Gehirn" schrieb John von
> Neumann, daￜ das Gehirn ￜberhaupt nichts vergesse, und kam so auf
> eine irrsinnig hohe Speicherkapazitï¿œt.
Letzteres kann ich mir gut vorstellen ;)
> Wahrscheinlicher erscheint
> mir, daￜ zumindest das meiste von dem, dessen man sich bewuￜt ist,
> vom Arbeitsgedï¿œchtnis ins Kurzzeitgedï¿œchtnis wandert und dann ins
> Langzeitgedï¿œchtnis.
Das spricht dann dafï¿œr, fï¿œr die KI tendenziell erstmal davon auszugehen,
dass sie nichts (oder nur sehr langsam) vergisst. In diesem Fall muss
man sich mehr ï¿œberlegen, wie man das unterschiedliche Gespeicherte
gewichtet, u.U. gegeneinander abwï¿œgt - spï¿œtestens, wenn es zu
Widersprï¿œchen kommt.
> Manfred Spitzer sagt, daￜ wir unser Gehirn nicht
> voller Tomaten haben, weil das Gehirn nicht die Erinnerung an
> einzelne Tomaten ablegt, sondern nur Regeln, wie Tomaten aussehen.
Klar, dass man sich nicht jede (hier) Tomate einzeln einprï¿œgen wird. Man
abstrahiert meist auf das Klassenobjekt; nur wenn die Eigenschaft
einer Tomate wichtig ist, wird die Eigenschaft zu ihr speziell gemerkt.
Das heiￜt aber auch, dass Sinnesdaten im Arbeitsgedￜchtnis nicht groￜ
bewusst Einzug halten (bezogen auf das "Wandern gen Langzeitgedï¿œchtnis").
Gruￜ
Burkart
Burkart Venzke
> Burkart Venzke schrieb:
>
>> Eine (starke) KI muss lernen können, darin sind wir uns vermutlich alle
>> einig. Was sie lernen soll, ist weniger klar: Grob gesagt, was wir als
>> relevant/sinnvoll ansehen, was die KI wiederum möglichst gut versuchen
>> muss herauszufinden und wir ihr irgendwie mitteilen müssen.
>
> relevant/sinnvoll ist eine Bewertung vom Typ wichtig.
> Zusammen mit den Parametern "Zuneigung, Abneigung" und weiteren
> (http://www.hermann-riemann.de/i/bewerten.html)
Soweit ok. Die Frage ist nun, woher die KI weiß bzw. wie sie lernen
kann, was wichtig (u.ä.) ist.
>> Was ich mich aber frage ist: Was soll eine lernende KI überhaupt
>> speichern? a) Alle Daten, die sie jemals zum Lernen vorgesetzt bekommt?
>> b) Nur Daten, die zu einer aktueller Problemlösung beigetragen haben?
>> c) ... oder ein Mittelweg?
>
> Die aktuellen Daten sollten bei (starker) KI zusammen mit den
> aktuellen Zustandsdaten (Bewertungsdaten) abgespeichert werden.
"Aktuelle Zustandsdaten" als das, worüber die KI gerade nachdenkt
sozusagen? Oder was für (Bewertungs-)Daten sind das?
> Diese Bewertungsdaten steuern auch die Priorität und die
> Rechner-Zeitscheiben im Gehirn.
> Damit bilden sie einen eigenen Willen.
Tja, was man als "eigenen Willen" akzeptiert, dürfte sehr verschieden
sein. Schon heutzutage scheinen einige Programme/Systeme einen zu
haben... ;)
>> a) "Alle Daten, die sie jemals zum Lernen vorgesetzt bekommt?"
>
> Nur wenn zu den Daten noch kein Modell vorhanden sind,
> wie z.B. bei Zufallszahlen, die noch nicht als solche erkannt sind.
>
> Ansonsten werden ständig Modelle modifiziert,
> z.B. um Varianten erweitert,
> und/oder Bewertungen angepasst.
Das klingt plausibel, mag aber nicht ganz klar sein.
Werden nicht z.B. immer irgendwelche internen (ggf. übergeordneten)
KI-Modelle modifiziert bzw. angepasst, auch bei Zufallszahlen, z.B. weil
sie für einen größeren Zusammenhang (quasi bekannte) Bedeutung haben können?
>> Beim Menschen werden visuellen Daten sehr schnell komprimiert,
>
> Nein, es werden aus ein paar Pixel vorbereitete Bildteile abgerufen
> und synchronisiert.
> Das sieht man selten an Muster,
> die bei genaueren Hinschauen keine mehr sind.
Ich denke, das ist mal so, mal anders (bzw. teils, teils). Wenn ich mir
ein neues Kunstwerk (Bild) anschaue, dürfte ich versuchen, es insgesamt
zu betrachten bzw. zu erfassen. Diese aufgenommenen Daten werden dann
halt komprimiert, wenn ich nicht mehr alle wahrgenommenen Details
behalten habe.
>> und selbst einfache nicht immer perfekt gespeichert (z.B. geben
>> Verkehrsunfallzeugen die Farbe eines beteiligten Wagens leicht mal
>> falsch als).
>
> Doch
Und warum geben dann die Leute eine falsche Farbe an?
> aber:
> Ich habe mal einen Film über Savants gesehen,
> wo sich jemand exakt an sehr viele Details erinnert.
> Der Haken dabei ist, das man dann mit den Details nichts anderes
> anfangen kann, als diese wiederzugeben.
Stimmt, zu viele Einzelfakten machen ähnlich wenig Sinn wie ein
gedachter Zusammenhang mit zu wenig Fakten.
> Ein normales Gehirn speichert nur eine Teilmenge, abhängig von
> momentaner Gefühlslage ( Bewertung wichtig)
> der Rest wird bei Bedarf rekonstruiert,
> weil ein Rekonstruktion bei den meisten Anwendungen ausreicht.
>
> Es sieht so aus, als würden wichtige Daten vielfach gespeichert,
> und der einzelner Zerfall hängt vom Zufall ab.
> Dadurch werden unwichtige, kaum genutzte Daten mit der Zeit
> "unscharf".
So ungefähr muss es sein. Jetzt müssen wir das nur noch auf die KI
übertragen...
>> Ähnliches gilt natürlich auch für andere Sinnesdaten, die
>> teilweise nur unbewusst und damit nicht mal "richtig" wahrgenommen bzw.
>> gespeichert werden.
>
> Sehen gehen und vieles andere wird unbewußt gelernt.
Ich denke, das die Grundlagen und auch einige spätere Feinheiten beim
Gehen (und wohl auch beim Sehen) nicht (nur) unbewusst gelernt werden,
wir uns nur nicht mehr daran gut erinnern können. Ich habe z.B. nicht
vergessen, dass mein erstes Gehen auf einer Rolltreppe damals eine
Herausfordrung für mich war. Auch das Sehen kann man bewusst
weiterlernen - klar, die Grundlagen hierzu wie das elementare Umdrehen
des Gesehenen (eigentlich sehen wir ja alles auf dem Kopf) dürfte
unbewusst geschehen.
> Möglicherweise wird dies anhand der Auswahl, welche Muster momentan wichtig
> sind, genetisch gesteuert.
Genetische Ausprägung quasi als Zufallssteuerung, ja, warum nicht.
Jungen und Mädchen haben ja (tendenziell) auch unterschiedliche Dinge,
die ihnen wichtig(er) sind.
> der manchmal momentan manchmal denkt,
> starke KI = schwache KI + Bewertungsbearbeitung.
Ja, das könnte ein Aspekt sein. Jetzt noch ein bisschen aktiveres
Handeln wie das Verfolgen von (bedingt) eigenen Zielen...
Gruß
Burkart
Hermann Riemann
> Hermann Riemann schrieb:
>> Burkart Venzke schrieb:
>>
>>> Eine (starke) KI muss lernen können, darin sind wir uns vermutlich alle
>>> einig. Was sie lernen soll, ist weniger klar: Grob gesagt, was wir als
>>> relevant/sinnvoll ansehen, was die KI wiederum möglichst gut versuchen
>>> muss herauszufinden und wir ihr irgendwie mitteilen müssen.
>>
>> relevant/sinnvoll ist eine Bewertung vom Typ wichtig.
>> Zusammen mit den Parametern "Zuneigung, Abneigung" und weiteren
>> (http://www.hermann-riemann.de/i/bewerten.html)
>
> Soweit ok. Die Frage ist nun, woher die KI weiß bzw. wie sie lernen
> kann, was wichtig (u.ä.) ist.
Aus dem Zusammenhang.
Beispiel:
Bild der Wissenschaft plusaus Heft 11/2009 Seite 13:
Neurowissenschaftler haben herausgefunden, dass Babys auf unbekannte
Objekte besonders aufmerksam reagieren,
wenn die Objekte von einem Erwachsenen erschrocken angeschaut werden.
Wenn Du irgendwo einen Laden siehst, der etwas anbietet,
was Dir wichtig ist,
merkst Du Dir nicht nur Laden und Ort, sondern auch die Wichtigkeit.
Wie diese gerade aktuell eingestellt ist ( beim Menschen empfunden wird).
Diese bestimmt dann z.B. die Reihenfolge bei einer Auswahl.
>>> Was ich mich aber frage ist: Was soll eine lernende KI überhaupt
>>> speichern? a) Alle Daten, die sie jemals zum Lernen vorgesetzt bekommt?
>>> b) Nur Daten, die zu einer aktueller Problemlösung beigetragen haben?
>>> c) ... oder ein Mittelweg?
>>
>> Die aktuellen Daten sollten bei (starker) KI zusammen mit den
>> aktuellen Zustandsdaten (Bewertungsdaten) abgespeichert werden.
> "Aktuelle Zustandsdaten" als das, worüber die KI gerade nachdenkt
> sozusagen? Oder was für (Bewertungs-)Daten sind das?
Objekte die den Beschäftigungsinhalt ausmachen
+ Zustand, wobei der Zustand z.B. aus einem Objekt
einer Klasse von von Variablen, deren Werten zwischen +1.0 und -1.0 enthält,
deren Variablenverwendung durch die Bewertungsarten beschrieben wird.
>> Diese Bewertungsdaten steuern auch die Priorität und die
>> Rechner-Zeitscheiben im Gehirn.
>> Damit bilden sie einen eigenen Willen.
> Tja, was man als "eigenen Willen" akzeptiert, dürfte sehr verschieden
> sein. Schon heutzutage scheinen einige Programme/Systeme einen zu
> haben... ;)
Hat eine Waschmaschine in der ein Programm abläuft einen eigenen Willen?
Etwas eigener Wille kommt vielleicht vor wenn Abweichungen
von der vorgegebenen Modell beim Ablauf korrigiert werden.
Wenn dann noch Bewertungen und Neukonstruktionen dabei vorkommen.
Das "eigen" entsteht, wenn die Absicht des Konstrukteurs
von der anderer Bewertungswesen abweichen
>>> a) "Alle Daten, die sie jemals zum Lernen vorgesetzt bekommt?"
>>
>> Nur wenn zu den Daten noch kein Modell vorhanden sind,
>> wie z.B. bei Zufallszahlen, die noch nicht als solche erkannt sind.
>>
>> Ansonsten werden ständig Modelle modifiziert,
>> z.B. um Varianten erweitert,
>> und/oder Bewertungen angepasst.
> Das klingt plausibel, mag aber nicht ganz klar sein.
> Werden nicht z.B. immer irgendwelche internen (ggf. übergeordneten)
> KI-Modelle modifiziert bzw. angepasst, auch bei Zufallszahlen, z.B. weil
> sie für einen größeren Zusammenhang (quasi bekannte) Bedeutung haben
> können?
Das Problem ist, das die Datenmenge groß ist gegenüber der Zeit
diese zu verarbeiten.
Weil noch die Permutationen bei der Verarbeitung von Kombinationen
hinzukommen muss eine Auswahl getroffen werden.
Daher wird ständig Relevanz (Wichtigkeit) beachtet.
So sieht ein Straßenkehrer in der Straße den Abfall,
ein Autofahrer die Schilder,
ein Fußgänger für ihn wichtige Geschäfte,
obwohl alle teilweise die gleichen Bilder im Auge empfangen.
Da man die Wichtigkeit oft erst nach erneuter Betrachtung
neu ordnet, können auch zufällige Kombinationen bereitgehalten werden.
>>> Beim Menschen werden visuellen Daten sehr schnell komprimiert,
>>
>> Nein, es werden aus ein paar Pixel vorbereitete Bildteile abgerufen
>> und synchronisiert.
>> Das sieht man selten an Muster,
>> die bei genaueren Hinschauen keine mehr sind.
> Ich denke, das ist mal so, mal anders (bzw. teils, teils). Wenn ich mir
> ein neues Kunstwerk (Bild) anschaue, dürfte ich versuchen, es insgesamt
> zu betrachten bzw. zu erfassen. Diese aufgenommenen Daten werden dann
> halt komprimiert, wenn ich nicht mehr alle wahrgenommenen Details
> behalten habe.
Bestimmt nicht wie z.B. bei jpeg etc sondern
nur ein paar Rekonstruktionsdaten.
Wenn Du in einem Bild ein einzelnes Musterelement
mit der Lupe anschaust, findest Du mit etwas Kenntnis
vielleicht ein Weg, wie die Illusion im Gehirn erzeugt wird.
>>> und selbst einfache nicht immer perfekt gespeichert (z.B. geben
>>> Verkehrsunfallzeugen die Farbe eines beteiligten Wagens leicht mal
>>> falsch als).
>> Doch
> Und warum geben dann die Leute eine falsche Farbe an?
Weil diese Einzelheit aufgrund gering geschätzter
Wichtigkeit vergessen wurde,
und bei erneuter Anforderungen irgendwie rekonstruiert werden.
Wobei Verwechslungen durch Übertragung aus ähnlichen Situationen
eine Optimierungsmethode ist, um die verwendete
Kombinationsmenge zu vermindern.
>>> Ähnliches gilt natürlich auch für andere Sinnesdaten, die
>>> teilweise nur unbewusst und damit nicht mal "richtig" wahrgenommen bzw.
>>> gespeichert werden.
>>
>> Sehen gehen und vieles andere wird unbewußt gelernt.
>
> Ich denke, das die Grundlagen und auch einige spätere Feinheiten beim
> Gehen (und wohl auch beim Sehen) nicht (nur) unbewusst gelernt werden,
> wir uns nur nicht mehr daran gut erinnern können. Ich habe z.B. nicht
> vergessen, dass mein erstes Gehen auf einer Rolltreppe damals eine
> Herausforderung für mich war.
Wahrscheinlich hat die genetisch nicht vorgesehene Situation etwas
Angst ausgelöst ( Parameter wichtig hochgedreht )
um mit wenig Versuche ( Unfallgefahr ) ein korrektes Verhalten
zu erlernen.
>> Möglicherweise wird dies anhand der Auswahl, welche Muster momentan
>> wichtig sind, genetisch gesteuert.
> Genetische Ausprägung quasi als Zufallssteuerung,
Vorauswahlsteuerung der Wichtigkeit.
> ja, warum nicht.
> Jungen und Mädchen haben ja (tendenziell) auch unterschiedliche Dinge,
> die ihnen wichtig(er) sind.
Jungen eher Gruppen, Mädchen eher Einzelpersonen.
Hat aber wenig mit Intelligenz zu tun.
Intelligenz wird hauptsächlich in Situationen verwendet,
wo man Probleme lösen will, ohne zu wissen,
wie es gehen soll.
( Also Evolution spielt )
>> der manchmal momentan manchmal denkt,
>> starke KI = schwache KI + Bewertungsbearbeitung.
> Ja, das könnte ein Aspekt sein. Jetzt noch ein bisschen aktiveres
> Handeln wie das Verfolgen von (bedingt) eigenen Zielen...
Oder Rumspielen mit Bewertungsmaschinen?
Hermann
der die Erfahrung gemacht das menschliche Bewertungssystem
zwar häufig funktionieren, aber auch oft sehr fehlerhaft sind.
Frank Müller
Wie zufällig kann die größte Primzahl sein?
> >> Ansonsten werden ständig Modelle modifiziert,
> >> z.B. um Varianten erweitert,
> >> und/oder Bewertungen angepasst.
>
> > Das klingt plausibel, mag aber nicht ganz klar sein.
> > Werden nicht z.B. immer irgendwelche internen (ggf. übergeordneten)
> > KI-Modelle modifiziert bzw. angepasst, auch bei Zufallszahlen, z.B. weil
> > sie für einen größeren Zusammenhang (quasi bekannte) Bedeutung haben
> > können?
>
> Das Problem ist, das die Datenmenge groß ist gegenüber der Zeit
> diese zu verarbeiten.
> Weil noch die Permutationen bei der Verarbeitung von Kombinationen
> hinzukommen muss eine Auswahl getroffen werden.
> Daher wird ständig Relevanz (Wichtigkeit) beachtet.
> So sieht ein Straßenkehrer in der Straße den Abfall,
> ein Autofahrer die Schilder,
> ein Fußgänger für ihn wichtige Geschäfte,
> obwohl alle teilweise die gleichen Bilder im Auge empfangen.
>
> Da man die Wichtigkeit oft erst nach erneuter Betrachtung
> neu ordnet, können auch zufällige Kombinationen bereitgehalten werden.
>
> >>> Beim Menschen werden visuellen Daten sehr schnell komprimiert,
Das wäre dann multispektral.
> >> Nein, es werden aus ein paar Pixel vorbereitete Bildteile abgerufen
> >> und synchronisiert.
... und das multispartial?
> >> Das sieht man selten an Muster,
> >> die bei genaueren Hinschauen keine mehr sind.
>
> > Ich denke, das ist mal so, mal anders (bzw. teils, teils). Wenn ich mir
> > ein neues Kunstwerk (Bild) anschaue, dürfte ich versuchen, es insgesamt
> > zu betrachten bzw. zu erfassen. Diese aufgenommenen Daten werden dann
> > halt komprimiert, wenn ich nicht mehr alle wahrgenommenen Details
> > behalten habe.
>
> Bestimmt nicht wie z.B. bei jpeg etc sondern
> nur ein paar Rekonstruktionsdaten.
Jpeg ist primitv das rechnet nur bis 251. Bei Musik wäre das dann mp3,
aber vqf klingt stotzdem besser als mp3.
> Wenn Du in einem Bild ein einzelnes Musterelement
> mit der Lupe anschaust, findest Du mit etwas Kenntnis
> vielleicht ein Weg, wie die Illusion im Gehirn erzeugt wird.
So arbeiten Illusionisten, galvatronische Töne funktionieren bei mir
nicht.
> >>> und selbst einfache nicht immer perfekt gespeichert (z.B. geben
> >>> Verkehrsunfallzeugen die Farbe eines beteiligten Wagens leicht mal
> >>> falsch als).
>
> >> Doch
>
> > Und warum geben dann die Leute eine falsche Farbe an?
>
> Weil diese Einzelheit aufgrund gering geschätzter
> Wichtigkeit vergessen wurde,
> und bei erneuter Anforderungen irgendwie rekonstruiert werden.
> Wobei Verwechslungen durch Übertragung aus ähnlichen Situationen
> eine Optimierungsmethode ist, um die verwendete
> Kombinationsmenge zu vermindern.
>
> >>> Ähnliches gilt natürlich auch für andere Sinnesdaten, die
> >>> teilweise nur unbewusst und damit nicht mal "richtig" wahrgenommen bzw.
> >>> gespeichert werden.
> >>
> >> Sehen gehen und vieles andere wird unbewußt gelernt.
> >
> > Ich denke, das die Grundlagen und auch einige spätere Feinheiten beim
> > Gehen (und wohl auch beim Sehen) nicht (nur) unbewusst gelernt werden,
> > wir uns nur nicht mehr daran gut erinnern können. Ich habe z.B. nicht
> > vergessen, dass mein erstes Gehen auf einer Rolltreppe damals eine
> > Herausforderung für mich war.
>
> Wahrscheinlich hat die genetisch nicht vorgesehene Situation etwas
> Angst ausgelöst ( Parameter wichtig hochgedreht )
> um mit wenig Versuche ( Unfallgefahr ) ein korrektes Verhalten
> zu erlernen.
Die genetik kann nur schwarz/weiß, oder denkst du daß man die DNS nur
in Farbe abbilden kann?
> >> Möglicherweise wird dies anhand der Auswahl, welche Muster momentan
> >> wichtig sind, genetisch gesteuert.
>
> > Genetische Ausprägung quasi als Zufallssteuerung,
> Vorauswahlsteuerung der Wichtigkeit.
>
> > ja, warum nicht.
> > Jungen und Mädchen haben ja (tendenziell) auch unterschiedliche Dinge,
> > die ihnen wichtig(er) sind.
Was ist wichtiger als ein Flaschenöffner?
> Jungen eher Gruppen, Mädchen eher Einzelpersonen.
> Hat aber wenig mit Intelligenz zu tun.
Wenn ich will kann ich meinen IQ auf 0 setzen, aber
dann verstehen mich höchstens noch Lehrer die so alt
sind wie ich.
> Intelligenz wird hauptsächlich in Situationen verwendet,
> wo man Probleme lösen will, ohne zu wissen,
> wie es gehen soll.
> ( Also Evolution spielt )
Spielzeuge sind immer gut:
http://freenet-homepage.de/millex/schaltplaene/Sternkarte.pdf
Frank
Joachim Pimiskern
> Die Frage ist nun, woher die KI weiß bzw. wie sie lernen
> kann, was wichtig (u.ä.) ist.
Man sollte auch berücksichtigen, daß es verschiedene Arten
des Wissens gibt (deklaratives, implizites, prozedurales...)
Entsprechend sind auch verschiedne Arten des Lernens
vonnöten.
Betrachten wir nur mal den einfachen Fall deklarativen Wissens.
Das KI-System unterhält sich dem Anwender und erfährt
dadurch Fakten. Die Sätze, die der Anwender eingibt, kann
man problemlos 1:1 in einer Datei speichern. Ebenso oder erst
recht die geparsten Darstellungen der Eingaben, z.B. in Form von
Lisp-, Prolog- oder XML-Ausdrücken.
Problematisch wird es nur, wenn die Menge der einströmenden
Sätze zu groß wird, so daß es keinen Sinn macht, alles
zu speichern. Dann muß das KI-System entscheiden, was
aufhebenswert ist und was nicht. Das ist ungefähr so, wie
wenn man in die Rolle von Robinson Crusoe schlüpft und
nur einen kleinen Bruchteil seiner Bücher mit auf die Insel
nehmen darf; den Rest muß man zurücklassen. Es gilt,
das Wissen (die Bücher) zu bewerten in Hinsicht auf die
vermutete Nützlichkeit und dann die Bücher mit den höchsten
Bewertungszahlen zu behalten.
Eine Zwischenlösung gibt es auch. Statt hart zu unterscheiden
zwischen zu Lernendem und zu Vergessendem, kann man auch
Wissen komprimieren. Im Falle von Sätzen geht es darum, diese
zu verkürzen.
"Der 59-jährige Hannes Schmidt fuhr mit seinem zwölf Jahre
alten VW Golf in ein Parkhaus in Köln."
Eine gekürzte Version könnte lauten: "Herr Schmidt fuhr
nach Köln." oder "Jemand fuhr in eine Stadt" oder "Hannes
ist außer Hauses."
Man muß sich beim Kürzen eines Satzes oder einer Geschichte
(Summarization) entscheiden, wozu man Teile behalten
will, aber das geht nur, wenn man ahnt, wie zukünftige
Anfragen lauten werden.
Grüße,
Joachim
Volker Birk
> Betrachten wir nur mal den einfachen Fall deklarativen Wissens.
> Das KI-System unterhält sich dem Anwender und erfährt
> dadurch Fakten. Die Sätze, die der Anwender eingibt, kann
> man problemlos 1:1 in einer Datei speichern. Ebenso oder erst
> recht die geparsten Darstellungen der Eingaben, z.B. in Form von
> Lisp-, Prolog- oder XML-Ausdrücken.
Nicht einmal das geht, denn welche Begriffe stecken hinter den Worten?
Solange sich die Maschine keine Begriffe bilden kann, lernt sie nicht
einmal deklarativ.
Viele Grüsse,
VB.
--
Bitte beachten Sie auch die Rückseite dieses Schreibens!
Burkart Venzke
> Am 17.11.2009 22:40, schrieb Burkart Venzke:
> > Die Frage ist nun, woher die KI weiß bzw. wie sie lernen
> > kann, was wichtig (u.ä.) ist.
>
> Man sollte auch berücksichtigen, daß es verschiedene Arten
> des Wissens gibt (deklaratives, implizites, prozedurales...)
> Entsprechend sind auch verschiedne Arten des Lernens
> vonnöten.
Der Punkt der "Arten des Wissens bzw. des Lernens" ist schon interessant.
Klar, man kann diese Einteilung gut vornehmen, was bei schwacher KI auf
jeden Fall Sinn macht.
Ich frage mich nur, was am jeweiligen Lernen gleich und was verschieden
ist, insbesondere im Hinblick auf den Menschen bzw. und noch mehr bzgl.
starker KI:
Benötigt eine KI wirklich verschiedene Lernmechanismen oder sind sie
letztlich nur Varianten/Feinheiten einer? (So ähnlich, wie die Physiker
nach einer gemeinsamen Kraft für alle Kräfte (Gravitation,
Elektro-Magnetismus, Kernkräfte) suchen.)
In
Dass verschiedene Wissensarten bzw. -speicher sinnvoll sind, ist für
mich keine Frage, sondern einfach sinnvoll.
> Betrachten wir nur mal den einfachen Fall deklarativen Wissens.
> Das KI-System unterhält sich dem Anwender und erfährt
> dadurch Fakten. Die Sätze, die der Anwender eingibt, kann
> man problemlos 1:1 in einer Datei speichern. Ebenso oder erst
> recht die geparsten Darstellungen der Eingaben, z.B. in Form von
> Lisp-, Prolog- oder XML-Ausdrücken.
>
> Problematisch wird es nur, wenn die Menge der einströmenden
> Sätze zu groß wird, so daß es keinen Sinn macht, alles
> zu speichern. Dann muß das KI-System entscheiden, was
> aufhebenswert ist und was nicht. Das ist ungefähr so, wie
> wenn man in die Rolle von Robinson Crusoe schlüpft und
> nur einen kleinen Bruchteil seiner Bücher mit auf die Insel
> nehmen darf; den Rest muß man zurücklassen. Es gilt,
> das Wissen (die Bücher) zu bewerten in Hinsicht auf die
> vermutete Nützlichkeit und dann die Bücher mit den höchsten
> Bewertungszahlen zu behalten.
>
> Eine Zwischenlösung gibt es auch. Statt hart zu unterscheiden
> zwischen zu Lernendem und zu Vergessendem, kann man auch
> Wissen komprimieren. Im Falle von Sätzen geht es darum, diese
> zu verkürzen.
>
> "Der 59-jährige Hannes Schmidt fuhr mit seinem zwölf Jahre
> alten VW Golf in ein Parkhaus in Köln."
Das Wissen zu komprimieren ist für mich fundamental, anders kann es
letztlich gar nicht gehen. Dabei ist es sogar unabhängig, ob man an
neuronale Netze oder symbolisch denkt (letzteres bevorzuge ich).
Meine Ideen hierzu:
- Wissen sollte einerseits komprimiert werden, allerdings auf
verschiedenen Stufen. Je weniger komprimiert es ist, deshalb eher kann
es vergessen werden (in der Detailfülle irgendwann kaum noch relevant)
bzw. der Zugriff kann ruhig langsam sein, da er nur selten gebraucht wird.
Stark komprimiertes dagegen braucht kaum Speicherplatz, vor allem aber
stellt es den Kern des Erfahrenen dar und ist deshalb wichtiger und
somit sinnvoller länger im (möglichst) direkten Zugriff.
- Was ist aber wichtig? Wie komprimiert man sinnvoll?
Dazu sollte eine AI ein Werte-/Bewertungs-System (o.ä.) erlernen auf
Basis ganz weniger Grundwerte/anzusrebender Ziele.
Mag sein, dass ich mich hier wiederholt habe, aber wer liest und behält
schon alles, wohl nicht einmal eine sinnvolle AI ;)
> Eine gekürzte Version könnte lauten: "Herr Schmidt fuhr
> nach Köln." oder "Jemand fuhr in eine Stadt" oder "Hannes
> ist außer Hauses."
>
> Man muß sich beim Kürzen eines Satzes oder einer Geschichte
> (Summarization) entscheiden, wozu man Teile behalten
> will, aber das geht nur, wenn man ahnt, wie zukünftige
> Anfragen lauten werden.
Genau, es geht um das Wozu, sozusagen die Bewertung des Erfahrenen.
Wenn der Satz innerhalb einer Geschichte auftaucht, hat man Wissen um
das Drumherum und kann daraus ableiten, was wichtig sein wird.
Kennt man speziell die Person, ist wohl klar, dass es nicht nur um
"Jemand" geht.
Burkart Venzke
> Am 17.11.2009 22:40, schrieb Burkart Venzke:
> > Die Frage ist nun, woher die KI weiß bzw. wie sie lernen
> > kann, was wichtig (u.ä.) ist.
>
> Man sollte auch berücksichtigen, daß es verschiedene Arten
> des Wissens gibt (deklaratives, implizites, prozedurales...)
> Entsprechend sind auch verschiedne Arten des Lernens
> vonnöten.
Der Punkt der "Arten des Wissens bzw. des Lernens" ist schon interessant.
Klar, man kann diese Einteilung gut vornehmen, was bei schwacher KI auf
jeden Fall Sinn macht.
Ich frage mich nur, was am jeweiligen Lernen gleich und was verschieden
ist, insbesondere im Hinblick auf den Menschen bzw. und noch mehr bzgl.
starker KI:
Benötigt eine KI wirklich verschiedene Lernmechanismen oder sind sie
letztlich nur Varianten/Feinheiten einer? (So ähnlich, wie die Physiker
nach einer gemeinsamen Kraft für alle Kräfte (Gravitation,
Elektro-Magnetismus, Kernkräfte) suchen.)
In
Dass verschiedene Wissensarten bzw. -speicher sinnvoll sind, ist für
mich keine Frage, sondern einfach sinnvoll.
> Betrachten wir nur mal den einfachen Fall deklarativen Wissens.
> Das KI-System unterhält sich dem Anwender und erfährt
> dadurch Fakten. Die Sätze, die der Anwender eingibt, kann
> man problemlos 1:1 in einer Datei speichern. Ebenso oder erst
> recht die geparsten Darstellungen der Eingaben, z.B. in Form von
> Lisp-, Prolog- oder XML-Ausdrücken.
>
> Problematisch wird es nur, wenn die Menge der einströmenden
> Sätze zu groß wird, so daß es keinen Sinn macht, alles
> zu speichern. Dann muß das KI-System entscheiden, was
> aufhebenswert ist und was nicht. Das ist ungefähr so, wie
> wenn man in die Rolle von Robinson Crusoe schlüpft und
> nur einen kleinen Bruchteil seiner Bücher mit auf die Insel
> nehmen darf; den Rest muß man zurücklassen. Es gilt,
> das Wissen (die Bücher) zu bewerten in Hinsicht auf die
> vermutete Nützlichkeit und dann die Bücher mit den höchsten
> Bewertungszahlen zu behalten.
>
> Eine Zwischenlösung gibt es auch. Statt hart zu unterscheiden
> zwischen zu Lernendem und zu Vergessendem, kann man auch
> Wissen komprimieren. Im Falle von Sätzen geht es darum, diese
> zu verkürzen.
>
> "Der 59-jährige Hannes Schmidt fuhr mit seinem zwölf Jahre
> alten VW Golf in ein Parkhaus in Köln."
Das Wissen zu komprimieren ist für mich fundamental, anders kann es
letztlich gar nicht gehen. Dabei ist es sogar unabhängig, ob man an
neuronale Netze oder symbolisch denkt (letzteres bevorzuge ich).
Meine Ideen hierzu:
- Wissen sollte einerseits komprimiert werden, allerdings auf
verschiedenen Stufen. Je weniger komprimiert es ist, deshalb eher kann
es vergessen werden (in der Detailfülle irgendwann kaum noch relevant)
bzw. der Zugriff kann ruhig langsam sein, da er nur selten gebraucht wird.
Stark komprimiertes dagegen braucht kaum Speicherplatz, vor allem aber
stellt es den Kern des Erfahrenen dar und ist deshalb wichtiger und
somit sinnvoller länger im (möglichst) direkten Zugriff.
- Was ist aber wichtig? Wie komprimiert man sinnvoll?
Dazu sollte eine AI ein Werte-/Bewertungs-System (o.ä.) erlernen auf
Basis ganz weniger Grundwerte/anzusrebender Ziele.
Mag sein, dass ich mich hier wiederholt habe, aber wer liest und behält
schon alles, wohl nicht einmal eine sinnvolle AI ;)
> Eine gekürzte Version könnte lauten: "Herr Schmidt fuhr
> nach Köln." oder "Jemand fuhr in eine Stadt" oder "Hannes
> ist außer Hauses."
>
> Man muß sich beim Kürzen eines Satzes oder einer Geschichte
> (Summarization) entscheiden, wozu man Teile behalten
> will, aber das geht nur, wenn man ahnt, wie zukünftige
> Anfragen lauten werden.
Genau, es geht um das Wozu, sozusagen die Bewertung des Erfahrenen.
Burkart Venzke
> Joachim Pimiskern <JoachimP...@web.de> wrote:
>> Betrachten wir nur mal den einfachen Fall deklarativen Wissens.
>> Das KI-System unterhält sich dem Anwender und erfährt
>> dadurch Fakten. Die Sätze, die der Anwender eingibt, kann
>> man problemlos 1:1 in einer Datei speichern. Ebenso oder erst
>> recht die geparsten Darstellungen der Eingaben, z.B. in Form von
>> Lisp-, Prolog- oder XML-Ausdrücken.
>
> Nicht einmal das geht, denn welche Begriffe stecken hinter den Worten?
> Solange sich die Maschine keine Begriffe bilden kann, lernt sie nicht
> einmal deklarativ.
Na ja, das ist eine Frage, wie strukturiert man speichern möchte. 1:1
speichern geht auch ohne Verstehen. Aber sinnvoller ist natürlich, wenn
man den Worten Begriffen zuordnen und diese wieder in einen gemeinsamen
Zusammenhang stellen kann.
Gruß
Burkart
Joachim Pimiskern
> Nicht einmal das geht, denn welche Begriffe stecken hinter
> den Worten?
Das Wort 'Wasser' meint den Begriff 'Wasser',
das Wort 'Platte' mein den Begriff 'Platte'.
Oder habe ich Dich mißverstanden?
Grüße,
Joachim
Joachim Pimiskern
> den Worten?
Das Wort 'Wasser' meint den Begriff 'Wasser',
das Wort 'Platte' meint den Begriff 'Platte'.
Volker Birk
Im Gegenteil. Dein Beispiel ist Wasser auf meine Mühlen. Kürzlich wollte
ich mal eine Platte in meinem PC ausbauen. Ich legte die alte auf den
Tisch, um genau zu sein auf dessen Platte. Die Platte lag also auf der
Platte, platt gesagt. Nicht dass Du das jetzt missverstehst, ich mein ja
nicht auf Platte, nur dass die Platte auf der Platte lag. Die Datei,
die ich noch brauchte, hatte ich noch auf Platte. Auf einer anderen
Platte, nicht auf der, die auf der Platte lag. Mach Dir mal eine Platte
zu, wie das genau war.
Du wirst jetzt vielleicht sagen: die Platte kenn ich. Mir sind vom
Denken schon die Haare rausgegangen, daher hab ich ja eine Platte.
Soll ich eine andere Platte auflegen? Soll ich die Platte putzen?
Eigentlich wollte ich ja nur die Platte putzen, die die auf der Platte
lag. Deshalb hatte ich die Platte ja auf die Platte gelegt, um sie zu
putzen.
Begriffe sind für Dich ein Sprung ins kalte Wasser? Du rätselst, wie es
sein kann, dass Platte und Platte sind wie Feuer und Wasser?
Ohne Begriffsbildung ist Intelligenz ein Schlag ins Wasser. Das gräbt
der Intelligenz das Wasser ab.
Ich geh mal Wasser lassen,
Joachim Pimiskern
> Im Gegenteil. Dein Beispiel ist Wasser auf meine Mühlen.
> Kürzlich wollte ich mal eine Platte in meinem PC ausbauen.
Danke, das war amüsant. Es geht also um Disambiguierung und
Homonymie. Im wesentlichen entscheidet man anhand des Kontexts,
welche eindeutige Bedeutung vorliegt. Das geht zum Beispiel mit
einem semantischen Netz, mittels dessen man von den alternativen
Bedeutungen ausgeht und dann die Distanz zu den Kontextwörtern
ermittelt.
> Ohne Begriffsbildung ist Intelligenz ein Schlag ins Wasser.
> Das gräbt der Intelligenz das Wasser ab.
In seiner allgemeinsten Form ist Disambiguierung AI-complete,
d.h. ebenso schwierig wie AI selbst. Dazu ein Beispiel:
Peter wollte schon immer in einem Schloß wohnen.
Ulf möchte seinen Hasenstall verriegelbar machen.
In einem Quiz, wo man viel Geld gewinnen kann, antwortete
Peter bei der entscheidenden Frage, das Quadrat von 111
sei 13231. Ulf meinte, es sei 12321. Der Sieger des
Quiz kaufte sich ein Schloß.
So, nun, was für ein Schloß ist es wohl? Um diese Frage zu
beantworten, muß man erst eine Rechenaufgabe lösen. Allgemein
könnte man statt einer Rechenaufgabe eine beliebige andere
Aufgabe nehmen, die Intelligenz erfordert - die Disambiguierung
wäre nur dann möglich, wenn bereits genügend Intelligenz
vorhanden ist.
Andererseits ist der Fall nicht hoffnungslos. Ein KI-System
kann ja, sobald es ein Wort mittels seines Lexikons als
mehrdeutig identifiziert hat, im schlimmsten Fall nachfragen,
welches eindeutige Konzept sich dahinter verbirgt.
Man sollte auch berücksichtigen, daß es sogar Menschen nicht
immer möglich ist, die Nuancen von Bedeutungen sauber
auseinanderzuhalten.
Grüße,
Joachim
Joachim Pimiskern
> Joachim Pimiskern schrieb:
>> Man sollte auch berücksichtigen, daß es verschiedene Arten
>> des Wissens gibt (deklaratives, implizites, prozedurales...)
>> Entsprechend sind auch verschiedne Arten des Lernens
>> vonnöten.
>
> oder sind sie letztlich nur Varianten/Feinheiten einer?
> (So ähnlich, wie die Physiker nach einer gemeinsamen Kraft
> für alle Kräfte (Gravitation, Elektro-Magnetismus, Kernkräfte)
> suchen.)
Auf unterster Ebene steht das Bit, das zwei Zustände annehmen
kann. Ein Automat aus 2 Bits kann als ein Produktautomat mit
4 Zuständen aufgefaßt werden, ein Automat mit 1e9 Bits als ein
Automat mit 2^(1e9) Zuständen. Lernen ist nichts anderes als
daß ein System von einem Zustand in einen anderen wechselt.
Diese Sichtweise vereinheitlicht alle Arten des Lernens,
egal ob symbolisch oder konnektionistisch. Sie ist etwas
langweilig; spannender ist die Beschreibung auf höherer
Abstraktionsebene, wo es Synapsenstärken, Datenstrukturen,
Tupelspeicher, Wissensbasen und Programmcode gibt. Aber dann
sind neuronale und die symbolische Welt wieder getrennt.
So eine Art Symmetriebrechung.
> Das Wissen zu komprimieren ist für mich fundamental, anders
> kann es letztlich gar nicht gehen. Dabei ist es sogar
> unabhängig, ob man an neuronale Netze oder symbolisch
> denkt (letzteres bevorzuge ich).
>
> Meine Ideen hierzu:
> - Wissen sollte einerseits komprimiert werden, allerdings auf
> verschiedenen Stufen. Je weniger komprimiert es ist, deshalb
> eher kann es vergessen werden (in der Detailfülle irgendwann
> kaum noch relevant) bzw. der Zugriff kann ruhig langsam sein,
> da er nur selten gebraucht wird. Stark komprimiertes dagegen
> braucht kaum Speicherplatz, vor allem aber stellt es den Kern
> des Erfahrenen dar und ist deshalb wichtiger und somit
> sinnvoller länger im (möglichst) direkten Zugriff.
>
> - Was ist aber wichtig? Wie komprimiert man sinnvoll?
> Dazu sollte eine AI ein Werte-/Bewertungs-System (o.ä.) erlernen
> auf Basis ganz weniger Grundwerte/anzusrebender Ziele.
Bewertung von Wissen in bezug auf Behaltenmüssen ist stark
von der Situation abhängig, die sich ändern kann. Es gibt
Werte, die sich nie ändern, z.B. den Überlebenstrieb. Man merkt
sich Fakten, die voraussichtlich lebenswichtig sind, leichter
als anderes. In dem Moment, wo uns klar wird, daß etwas
lebenswichtig ist, schüttet unser Gehirn vermutlich Hormone aus,
die die aktuellen Synapsenzustände besonders stark fixieren.
Dann gibt's noch den Wert der Motivation, der ziemlich frei
von jedermann selbst belegt werden kann. Wenn mich etwas
motiviert, kann ich besser behalten, wenn etwas zum Thema
gesagt wird.
Grüße,
Joachim
Volker Birk
> Danke, das war amüsant. Es geht also um Disambiguierung und
> Homonymie.
Nein, um die Unterscheidung von Begriff und Wort.
> Im wesentlichen entscheidet man anhand des Kontexts,
> welche eindeutige Bedeutung vorliegt. Das geht zum Beispiel mit
> einem semantischen Netz, mittels dessen man von den alternativen
> Bedeutungen ausgeht und dann die Distanz zu den Kontextwörtern
> ermittelt.
Kannst Du bitte für meinen Text ein Netz vorlegen, sowie einen
Algorithmus, wie dieses Netz aus sprachlichen Eingabdaten erstellt
wird?
> > Ohne Begriffsbildung ist Intelligenz ein Schlag ins Wasser.
> > Das gräbt der Intelligenz das Wasser ab.
> In seiner allgemeinsten Form ist Disambiguierung AI-complete,
> d.h. ebenso schwierig wie AI selbst.
Genau darauf möchte ich hinaus.
> Man sollte auch berücksichtigen, daß es sogar Menschen nicht
> immer möglich ist, die Nuancen von Bedeutungen sauber
> auseinanderzuhalten.
Begriffe überlappen gerne, ausserdem werden sie ständig angepasst.
Viele Grüsse,
Burkart Venzke
> Am 04.02.2010 12:28, schrieb Burkart Venzke:
> > Joachim Pimiskern schrieb:
> >> Man sollte auch berücksichtigen, daß es verschiedene Arten
> >> des Wissens gibt (deklaratives, implizites, prozedurales...)
> >> Entsprechend sind auch verschiedne Arten des Lernens
> >> vonnöten.
> >
> > [...] Benötigt eine KI wirklich verschiedene Lernmechanismen
> > oder sind sie letztlich nur Varianten/Feinheiten einer?
> > (So ähnlich, wie die Physiker nach einer gemeinsamen Kraft
> > für alle Kräfte (Gravitation, Elektro-Magnetismus, Kernkräfte)
> > suchen.)
>
> Auf unterster Ebene steht das Bit, das zwei Zustände annehmen
> kann. Ein Automat aus 2 Bits kann als ein Produktautomat mit
> 4 Zuständen aufgefaßt werden, ein Automat mit 1e9 Bits als ein
> Automat mit 2^(1e9) Zuständen. Lernen ist nichts anderes als
> daß ein System von einem Zustand in einen anderen wechselt.
So war mein Vergleich nicht gemeint. Es macht mAn keinen guten Sinn,
Lernen auf Bitebene zu betrachten. Klar ist Lernen ein Wechsel eines
Systemzustandes, aber das ist z.B. Vergessen auch, so dass ein Wechsel
nur eine notwendige Bedingung darstellt, die aber weit weg von einer
hinreichenden ist und deshalb nicht viel nützt.
> Diese Sichtweise vereinheitlicht alle Arten des Lernens,
> egal ob symbolisch oder konnektionistisch. Sie ist etwas
> langweilig; spannender ist die Beschreibung auf höherer
> Abstraktionsebene, wo es Synapsenstärken, Datenstrukturen,
> Tupelspeicher, Wissensbasen und Programmcode gibt. Aber dann
> sind neuronale und die symbolische Welt wieder getrennt.
> So eine Art Symmetriebrechung.
Einige sehen die konnektionistische (bzw. neuronale) Ebene "nur" als
eine andere Symbol-Ebene an, die sich nicht auf Symbole unserer Welt
(des Wissens), sondern auf die von Synapsen u.ä. bezieht.
Insofern kann man schon eine Gemeinsamkeit über der Bitebene finden.
Aber wichtiger unabhängig von neuronal oder symbolisch ist, was Lernen
genauer sein buw. wie es grundsätzlich gehen soll.
Derzeit diskutiere ich auch im englischsprachigen comp.ai.philosophy.
Dort sind wir, genauer ein "neuraler Vertreter" und ich als
"Symboliker", uns einig, dass bestärkendes Lernen (reinforcement
learning) eine, wenn nicht die zentrale Art des Lernens der allgemeinen
Welt ist, wobei die Frage ist, woher die Bestärkung kommt:
Direkt aus der Welt und/oder durch einen menschlichen Lehrer (z.B.
Eltern), wobei letztlich sicher beides eine Rolle spielt.
> > Das Wissen zu komprimieren ist für mich fundamental, anders
> > kann es letztlich gar nicht gehen. Dabei ist es sogar
> > unabhängig, ob man an neuronale Netze oder symbolisch
> > denkt (letzteres bevorzuge ich).
> >
> > Meine Ideen hierzu:
> > - Wissen sollte einerseits komprimiert werden, allerdings auf
> > verschiedenen Stufen. Je weniger komprimiert es ist, deshalb
> > eher kann es vergessen werden (in der Detailfülle irgendwann
> > kaum noch relevant) bzw. der Zugriff kann ruhig langsam sein,
> > da er nur selten gebraucht wird. Stark komprimiertes dagegen
> > braucht kaum Speicherplatz, vor allem aber stellt es den Kern
> > des Erfahrenen dar und ist deshalb wichtiger und somit
> > sinnvoller länger im (möglichst) direkten Zugriff.
> >
> > - Was ist aber wichtig? Wie komprimiert man sinnvoll?
> > Dazu sollte eine AI ein Werte-/Bewertungs-System (o.ä.) erlernen
> > auf Basis ganz weniger Grundwerte/anzusrebender Ziele.
>
> Bewertung von Wissen in bezug auf Behaltenmüssen ist stark
> von der Situation abhängig, die sich ändern kann.
Ok.
> Es gibt
> Werte, die sich nie ändern, z.B. den Überlebenstrieb.
Hier unterscheide ich zwischen angeborenen _Trieben_ (Gefühlen,
Motivationen) und Werten, die man erst erlernt, wie die Wichtigkeit (der
Wert) des Geldes.
Eine KI sollte mAn ganz wenig "angeboren", also fest programmiert,
haben, u.a. damit sie hinreichend flexibel ist, um z.B. keine
grundlegenden Probleme wie z.B. einen übersteigerten Egoismus zu haben.
Meine beiden grundlegenden Ideen für Ziele/Motivationen, die ich einer
KI geben würde:
- Lerne, so gut und viel du kannst (langfristige Perspektive, auch
grundlegende KI-individuelle Entwicklung]
- Tue, was man/Mensch/dein Lehrer von dir möchte [kurzfristig]
Klar, dass man das nicht mal eben so implementieren kann, es noch
Detailprobleme damit gibt.
> Man merkt
> sich Fakten, die voraussichtlich lebenswichtig sind, leichter
> als anderes. In dem Moment, wo uns klar wird, daß etwas
> lebenswichtig ist, schüttet unser Gehirn vermutlich Hormone aus,
> die die aktuellen Synapsenzustände besonders stark fixieren.
"Lebenswichtig" ist gar nicht nötig, "(recht) bedeutend" reicht schon.
> Dann gibt's noch den Wert der Motivation, der ziemlich frei
> von jedermann selbst belegt werden kann. Wenn mich etwas
> motiviert, kann ich besser behalten, wenn etwas zum Thema
> gesagt wird.
So ist es. Motivation, u.a. in Form von Konzentration (auf dieses
Thema), fällt mir dazu spontan ein.
Gruß
Burkart
Joachim Pimiskern
> Joachim Pimiskern<JoachimP...@web.de> wrote:
>> Im wesentlichen entscheidet man anhand des Kontexts,
>> welche eindeutige Bedeutung vorliegt. Das geht zum Beispiel
>> mit einem semantischen Netz, mittels dessen man von den
>> alternativen Bedeutungen ausgeht und dann die Distanz zu
>> den Kontextwörtern ermittelt.
>
Hab ich ins Netz gestellt, suche nach cluster_public.txt
Ich kann disambiguieren, wenn man zu einem Wort den Kontext
als eine Liste weiterer Wörter liefert.
Das Wort Platte wurde assoziiert mit den 'internen' eindeutigen
Symbolen PLATTE-PUTZEN, PLATTE-MACHEN, PLATTE-TISCHPLATTE,
PLATTE-SCHALLPLATTE, PLATTE-GLATZE und PLATTE-FESTPLATTE.
Letztere Begriffe wurden mit Symbolen vernetzt, die den diversen
Kontexten entsprechen. Anschließend wurden Anfragen an das
semantische Netz gemacht. Die Technik findet sich unter
'Unscharfe Symbole' im Web. Jedes zurückgelieferte Symbol
bekommt eine Bewertung, die ein Maß für die semantische
Distanz ausdrückt.
Anfrage: PLATTE MUSIK
Antwort: 1,010 - PLATTE-SCHALLPLATTE
1,061 - PLATTE-TISCHPLATTE
1,061 - PLATTE-GLATZE
1,061 - PLATTE-FESTPLATTE
2,051 - PLATTE-PUTZEN
? - PLATTE-MACHEN
Anfrage: PLATTE DATEN SPEICHERN
5,300 - PLATTE-FESTPLATTE
9,300 - PLATTE-TISCHPLATTE
9,300 - PLATTE-SCHALLPLATTE
9,300 - PLATTE-GLATZE
11,250 - PLATTE-PUTZEN
? - PLATTE-MACHEN
Anfrage: PLATTE FLIEHEN ABHAUEN
6,426 - PLATTE-PUTZEN
9,178 - PLATTE-TISCHPLATTE
9,178 - PLATTE-SCHALLPLATTE
9,178 - PLATTE-GLATZE
9,178 - PLATTE-FESTPLATTE
? - PLATTE-MACHEN
Anfrage: PLATTE ÜBERNACHTEN OBDACHLOS
9,119 - PLATTE-MACHEN
9,178 - PLATTE-TISCHPLATTE
9,178 - PLATTE-SCHALLPLATTE
9,178 - PLATTE-GLATZE
9,178 - PLATTE-FESTPLATTE
11,149 - PLATTE-PUTZEN
Anfrage: PLATTE TISCH MÖBEL
5,440 - PLATTE-TISCHPLATTE
? - PLATTE-MACHEN
9,120 - PLATTE-SCHALLPLATTE
9,120 - PLATTE-GLATZE
9,120 - PLATTE-FESTPLATTE
11,100 - PLATTE-PUTZEN
Anfrage: PLATTE KAHL KOPF HAARE
14,410 - PLATTE-GLATZE
27,200 - PLATTE-PUTZEN
24,240 - PLATTE-TISCHPLATTE
24,240 - PLATTE-SCHALLPLATTE
24,240 - PLATTE-FESTPLATTE
? - PLATTE-MACHEN
http://www.augos.com/TempDisambiguierung/Platte-Musik.txt
http://www.augos.com/TempDisambiguierung/Platte-Daten-speichern.txt
http://www.augos.com/TempDisambiguierung/Platte-fliehen-abhauen.txt
http://www.augos.com/TempDisambiguierung/Platte-uebernachten-obdachlos.txt
http://www.augos.com/TempDisambiguierung/Platte-Tisch-Moebel.txt
http://www.augos.com/TempDisambiguierung/Platte-kahl-Kopf-Haare.txt
> [...] sowie einen Algorithmus, wie dieses Netz aus sprachlichen
> Eingabdaten erstellt wird?
Frag mich in 20 Jahren nochmal.
>> In seiner allgemeinsten Form ist Disambiguierung AI-complete,
>> d.h. ebenso schwierig wie AI selbst.
>
> Genau darauf möchte ich hinaus.
Man braucht für KI halt eine Starthilfe. Das ist wie bei
einem Motor, den man kräftig ankurbeln muß, bevor er von
alleine läuft.
Grüße,
Joachim
Volker Birk
> Das Wort Platte wurde assoziiert mit den 'internen' eindeutigen
> Symbolen PLATTE-PUTZEN, PLATTE-MACHEN, PLATTE-TISCHPLATTE,
> PLATTE-SCHALLPLATTE, PLATTE-GLATZE und PLATTE-FESTPLATTE.
Ah, Du beginnst Begriffe zu bilden ;-) Jetzt fehlt Deiner KI noch, dass
sie diese entwickeln kann, Du scheinst sie im Moment noch zu
identifizieren statt zu referenzieren (dieser Unterschied ist in einem
Computerprogramm zunächst natürlich sophistisch, fürs Verständnis aber
wesentlich, da Worte ihre Bedeutung nicht nur ändern sondern eben auch
verlieren können, Begriffe können sich nicht nur ändern, sondern
zusammenfallen oder divergieren). Begriffe transformieren selbst, das
kannst Du durch Metriken schlecht ausdrücken (damit meine ich einen
geeignet erweiterten Transformationsbegriff von einer echten Klasse in
eine andere). Begriffe zu identizieren erfordert eben bereits
Referenzen. Diese werden mit der Entwicklung der Begriffe aber ggf.
sinnlos.
Zudem ist das Aufzählen von Begriffen und ihrer Eigenschaften
denkwürdig, denn Begriffe sind ja bedeutungsüberlappend. Kurz: es lässt
sich keine formale Spezifikation im Allgemeinen finden (was man zeigen
kann).
Ob sich für eine echte Klasse überhaupt ein metrischer Raum (oder eine
geeignete Erweiterung davon) finden lässt, da bin ich gerade überfragt.
Die mir bekannte Definition von metrischen Räumen bezieht sich explizit
auf Mengen.
> > [...] sowie einen Algorithmus, wie dieses Netz aus sprachlichen
> > Eingabdaten erstellt wird?
> Frag mich in 20 Jahren nochmal.
;-)
> >> In seiner allgemeinsten Form ist Disambiguierung AI-complete,
> >> d.h. ebenso schwierig wie AI selbst.
> > Genau darauf möchte ich hinaus.
> Man braucht für KI halt eine Starthilfe. Das ist wie bei
> einem Motor, den man kräftig ankurbeln muß, bevor er von
> alleine läuft.
Da könntest Du recht haben.
Joachim Pimiskern
> Joachim Pimiskern<JoachimP...@web.de> writes:
>> Man sollte auch ber�cksichtigen, da� es sogar Menschen
>> nicht immer m�glich ist, die Nuancen von Bedeutungen sauber
>> auseinanderzuhalten.
>
> Disambiguierung der internen Repr�sentation ist nicht
> unbedingt n�tig
Wir k�nnen uns S�tze merken, ohne sie zu verstehen.
Z.B. S�tze in Suaheli oder in Urdu. S�tze m�ssen
nichtmal wohlgeformt sein, und dennoch k�nnen sie eine
Bedeutung f�r uns haben.
> (oder: Es ist nicht einmal unbedingt
> m�glich, zu erkl�ren, was das �berhaupt sein soll).
Ein und dasselbe Wort wird geistesintern durch zwei
verschiedene Symbole dargestellt. Man begegnet dieser
Technik z.B. bei der Grammatik von C.
{
alpha beta;
}
ist g�ltiger C-Code, vorausgesetzt, alpha ist ein
zuvor deklarierter Datentyp. Der regul�re Ausdruck,
der alpha und beta erkennt, ist jedesmal derselbe.
Aber einmal liefert Lex (das ist nicht die m�chtigste
Vernichtungswaffe der zwei Universen) TYPE_NAME,
ein andermal IDENTIFIER. Das erleichtert nat�rlich
die Gestaltung der Grammatik. Daf�r mu� man dem
lexikalischen Analysator mitteilen, in welchem
Kontext ein Token gelesen wird. Im einfachsten Falle
w�re der Kontext eine Nachschlagetabelle, wo alle
momentan g�ltigen Typdeklarationen drinstehen.
Und ich stelle mir vor, da� der menschliche Verstand
ebenso disambiguiert.
Gr��e,
Joachim
Volker Birk
> Wir können uns Sätze merken, ohne sie zu verstehen.
> Z.B. Sätze in Suaheli oder in Urdu. Sätze müssen
> nichtmal wohlgeformt sein, und dennoch können sie eine
> Bedeutung für uns haben.
Ein Satz ist ein Symbol, betrachtet man ihn, eine Sache.
> {
> alpha beta;
> }
> ist gültiger C-Code, vorausgesetzt, alpha ist ein
> zuvor deklarierter Datentyp. Der reguläre Ausdruck,
> der alpha und beta erkennt, ist jedesmal derselbe.
> Aber einmal liefert Lex (das ist nicht die mächtigste
> Vernichtungswaffe der zwei Universen) TYPE_NAME,
> ein andermal IDENTIFIER. Das erleichtert natürlich
> die Gestaltung der Grammatik. Dafür muß man dem
> lexikalischen Analysator mitteilen, in welchem
> Kontext ein Token gelesen wird.
Für herkömmlichen Compilerbau gilt das.
> Im einfachsten Falle
> wäre der Kontext eine Nachschlagetabelle, wo alle
> momentan gültigen Typdeklarationen drinstehen.
> Und ich stelle mir vor, daß der menschliche Verstand
> ebenso disambiguiert.
Natürliche Sprachen sind keine vormalen Sprachen, Bedeutungsbereiche
sind im Allgemeinen nicht spezifizierbar. Insofern: nein.
Viele Grüsse,
Volker Birk
>>Ein und dasselbe Wort wird geistesintern durch zwei
>>verschiedene Symbole dargestellt.
> aber nicht aus einem/dem »Geist«. Aber vielleicht
> meinst Du mit »Geist« ja ein Computerprogramm.
Linguisten verstehen unter Symbol ein Wort.
Viele Grüsse,
Volker Birk
> Wir können uns Sätze merken, ohne sie zu verstehen.
> Z.B. Sätze in Suaheli oder in Urdu. Sätze müssen
> nichtmal wohlgeformt sein, und dennoch können sie eine
> Bedeutung für uns haben.
Ein Satz ist ein Symbol, betrachtet man ihn, eine Sache.
> {
> alpha beta;
> }
> ist gültiger C-Code, vorausgesetzt, alpha ist ein
> zuvor deklarierter Datentyp. Der reguläre Ausdruck,
> der alpha und beta erkennt, ist jedesmal derselbe.
> Aber einmal liefert Lex (das ist nicht die mächtigste
> Vernichtungswaffe der zwei Universen) TYPE_NAME,
> ein andermal IDENTIFIER. Das erleichtert natürlich
> die Gestaltung der Grammatik. Dafür muß man dem
> lexikalischen Analysator mitteilen, in welchem
> Kontext ein Token gelesen wird.
Für herkömmlichen Compilerbau gilt das.
> Im einfachsten Falle
> wäre der Kontext eine Nachschlagetabelle, wo alle
> momentan gültigen Typdeklarationen drinstehen.
> Und ich stelle mir vor, daß der menschliche Verstand
> ebenso disambiguiert.
Natürliche Sprachen sind keine formalen Sprachen, Bedeutungsbereiche
sind im Allgemeinen nicht spezifizierbar. Insofern: nein.
Viele Grüsse,
Joachim Pimiskern
> Aber wichtiger unabhängig von neuronal oder symbolisch ist,
> was Lernen genauer sein buw. wie es grundsätzlich gehen soll.
> Derzeit diskutiere ich auch im englischsprachigen comp.ai.philosophy.
> Dort sind wir, genauer ein "neuraler Vertreter" und ich als
> "Symboliker", uns einig, dass bestärkendes Lernen (reinforcement
> learning) eine, wenn nicht die zentrale Art des Lernens der
> allgemeinen Welt ist, wobei die Frage ist, woher die
> Bestärkung kommt: Direkt aus der Welt und/oder durch einen
> menschlichen Lehrer (z.B. Eltern), wobei letztlich sicher
> beides eine Rolle spielt.
Mich wundert das: Du bist doch Symboliker. Reinforcement
Learning hat aber etwas Konnektionistisches an sich.
Da werden irgendwelche numerischen Parameter justiert.
Beim symbolischen Lernen dagegen programmiert sich das
intelligente System selbst: in jener Situation will
ich zukünftig so oder so handeln, weil es sonst diese
oder jene Nebenwirkungen gibt. Andererseits kann das
symbolische System auch Nutzen und Schaden von Handlungen
abwägen. Beim symbolischen Lernen finden Beweise Anwendung
und beeinflussen das zukünftige Handeln, nicht irgendwelche
zusammenaddierte Fließkommazahlen.
Grüße,
Joachim
Joachim Pimiskern
> was Lernen genauer sein buw. wie es grundsätzlich gehen soll.
> Derzeit diskutiere ich auch im englischsprachigen comp.ai.philosophy.
> Dort sind wir, genauer ein "neuraler Vertreter" und ich als
> "Symboliker", uns einig, dass bestärkendes Lernen (reinforcement
> learning) eine, wenn nicht die zentrale Art des Lernens der
> allgemeinen Welt ist, wobei die Frage ist, woher die
> Bestärkung kommt: Direkt aus der Welt und/oder durch einen
> menschlichen Lehrer (z.B. Eltern), wobei letztlich sicher
> beides eine Rolle spielt.
Mich wundert das: Du bist doch Symboliker. Reinforcement
Learning hat aber etwas Konnektionistisches an sich.
Da werden irgendwelche numerischen Parameter justiert.
Beim symbolischen Lernen dagegen programmiert sich das
intelligente System selbst: in jener Situation will
ich zukünftig so oder so handeln, weil es sonst diese
oder jene Nebenwirkungen gibt. Andererseits kann das
symbolische System auch Nutzen und Schaden von Handlungen
abwägen. Beim symbolischen Lernen finden Beweise Anwendung
und beeinflussen das zukünftige Handeln, nicht irgendwelche
zusammenaddierten Fließkommazahlen.
Grüße,
Joachim
Burkart Venzke
> Am 05.02.2010 17:22, schrieb Burkart Venzke:
> > Aber wichtiger unabhängig von neuronal oder symbolisch ist,
> > was Lernen genauer sein buw. wie es grundsätzlich gehen soll.
> > Derzeit diskutiere ich auch im englischsprachigen comp.ai.philosophy.
> > Dort sind wir, genauer ein "neuraler Vertreter" und ich als
> > "Symboliker", uns einig, dass bestärkendes Lernen (reinforcement
> > learning) eine, wenn nicht die zentrale Art des Lernens der
> > allgemeinen Welt ist, wobei die Frage ist, woher die
> > Bestärkung kommt: Direkt aus der Welt und/oder durch einen
> > menschlichen Lehrer (z.B. Eltern), wobei letztlich sicher
> > beides eine Rolle spielt.
>
> Mich wundert das: Du bist doch Symboliker. Reinforcement
> Learning hat aber etwas Konnektionistisches an sich.
> Da werden irgendwelche numerischen Parameter justiert.
Dank dir für den Einwand.
Sollte ich den Begriff des "Reinforcement
Learning" (zu sehr) für meine Zwecke angepasst haben?
Schauen wir mal bei wikipedia:
http://de.wikipedia.org/wiki/Best%C3%A4rkendes_Lernen
"Bestärkendes Lernen bzw. Verstärkendes Lernen (engl. Reinforcement
Learning) ist eine Variante des Maschinellen Lernens, bei dem ein Agent
(ein Computerprogramm) lediglich durch ein System von Belohnung und
Bestrafung lernt, seinen Nutzen zu optimieren."
Wenn ich das "lediglich" weglasse (und z.B. durch "grundlegend"
ersetze), entspricht das meinem Gedanken.
Allerdings beziehe ich mich nicht auf eine Bewertungsfunktion (ggf.) zur
Maximierung; auch ist für mich die Frage, inwieweit der AI ncht z.T.
(explizit) mitgeteilt werden sollte, wofür sie belohnt wird - wie hier
ausgeschlossen wird:
http://webdocs.cs.ualberta.ca/~sutton/book/ebook/node7.html
"The learner is not told which actions to take, as in most forms of
machine learning, but instead must discover which actions yield the most
reward by trying them."
> Beim symbolischen Lernen dagegen programmiert sich das
> intelligente System selbst: in jener Situation will
> ich zukünftig so oder so handeln, weil es sonst diese
> oder jene Nebenwirkungen gibt.
Was verstehst du unter sich "selbst programmieren"?
Ich denke, kein System kann sich einfach selbst programmieren.
> Andererseits kann das
> symbolische System auch Nutzen und Schaden von Handlungen
> abwägen.
Das ist sicher sinnvoll.
> Beim symbolischen Lernen finden Beweise Anwendung
> und beeinflussen das zukünftige Handeln, nicht irgendwelche
> zusammenaddierten Fließkommazahlen.
Beweise ist eine Art von Symbolik, aber muss es die einzige sein?
Menschen arbeiten doch auch mit Symbolen, (meist) ohne an Beweise zu
denken, also warum dann die KI?
Zahlen einfach so zu addieren halte ich auch nicht für sinnvoll.
Ich möchte nur, dass eine KI ein "Gut" oder "Schlecht" als
Bewertungsfunktion annehmen kann, ggf. als Fließkommawertebereich, z.B.
-1 bis 1 mit z.B. 0,5 als "recht gut" oder so.
Gruß
Burkart
Joachim Pimiskern
> Joachim Pimiskern<JoachimP...@web.de> writes:
>> S�tze m�ssen nichtmal wohlgeformt sein, und dennoch k�nnen
>> sie eine Bedeutung f�r uns haben.
>
> nicht-wohlgeformate S�tze �u�ert, w�re die �Bedeutung�,
> da� er eilig einer medizinischen Behandlung
> wegen des Verdachts auf eine Hirnblutung bedarf.
Ich dachte eher an was anderes. Jemand soll Tiere
mit Nahrung versorgen und bekommt gesagt: "Die Leguane
bekommen aus der gr�nen Schachtel. Gib dem Cham�leon
stets aus der blauen Packung. Auf jeden Fall wird das
Krokodil nur aus der gelben Box gef�ttert."
Das w�rde ich mir so merken: "Leguan gr�n, Cham�leon
blau, Krokodil gelb." Es handelt sich um keinen g�ltigen
Satz. Ein anderer w�rde die Information nicht verstehen,
aber ich, aus dem Kontext und dem, was ich mit mir
selbst vereinbart habe.
>> Ein und dasselbe Wort wird geistesintern durch zwei
>> verschiedene Symbole dargestellt.
>
> �Symbole� kenne ich aus Computerprogrammen,
> aber nicht aus einem/dem �Geist�. Aber vielleicht
> meinst Du mit �Geist� ja ein Computerprogramm.
Ein Symbol ist etwas, mit dem man auf etwas anderes verweisen
kann. W�rter sind nicht elementar: sie bestehen z.B. aus Silben.
Es gibt ja diese Schnellesekurse, wo einem beigebracht wird,
da� man es vermeiden soll, beim Lesen gedanklich die
Silben nachzusprechen (Vokalisieren). Tief in uns ist etwas,
das "Elektronensynchrotron" als eine Einheit darstellt und
nicht als sieben Silben. Und solche Einheiten sind Symbole.
Aus der Hirnforschung:
http://www.eurekalert.org/pub_releases/2010-01/cmu-cms011210.php
http://www.eurekalert.org/pub_releases/2009-04/gumc-bpw042409.php
http://www.plosone.org/article/info%3Adoi%2F10.1371%2Fjournal.pone.0008622
Gr��e,
Joachim
Volker Birk
> Solche »geistigen Symbole« sind der direkten Beobachtung von
> außen im menschlichen Geist ja nicht zugänglich und daher
> dort noch eher hypothetisch oder nur eine Interpretation.
Geistig meint man eher die Begriffe, natürlich kann man einen Begriff
von einem Symbol haben, wenn man es als Sache betrachtet. Dass Geist
reflektiert, ist ja gerade sein Wesensgehalt.
Viele Grüsse,
Burkart Venzke
>> einem Motor, den man kräftig ankurbeln muß, bevor er von
>> alleine läuft.
>
> Da könntest Du recht haben.
Na, dann lasst uns die KI starten... ;)
Gruß
Burkart
Joachim Pimiskern
> Geistig meint man eher die Begriffe, natürlich kann man
> einen Begriff von einem Symbol haben, wenn man es als Sache
> betrachtet. Dass Geist reflektiert, ist ja gerade
> sein Wesensgehalt.
Du sprichst häufig von "Begriffen". Der Ursprung
liegt vermutlich in der Philosophie. Mir scheint,
daß mit "Begriff" dasselbe gemeint ist wie die
Frames gemäß Marvin Minsky (auch Scripts genannt,
oder Konzepte).
http://de.wikipedia.org/wiki/Frames_(Wissensrepr%C3%A4sentation)
http://www.cse.unsw.edu.au/~billw/cs9414/notes/kr/frames/frames.html
Grüße,
Joachim
Volker Birk
> Du sprichst häufig von "Begriffen". Der Ursprung
> liegt vermutlich in der Philosophie.
Klar.
> Mir scheint,
> daß mit "Begriff" dasselbe gemeint ist wie die
> Frames gemäß Marvin Minsky (auch Scripts genannt,
> oder Konzepte).
> http://de.wikipedia.org/wiki/Frames_(Wissensrepr%C3%A4sentation)
> http://www.cse.unsw.edu.au/~billw/cs9414/notes/kr/frames/frames.html
Das geht in die Richtung. Begriffe lassen sich aber im allgemeinen nicht
formal modellieren.
Ich vermute, dass die KI an einem entscheidenden Punkt steht: sie muss
erkennen, dass sie ohne Emergenz und Reflexion keine Intelligenz
erzeugen kann.
Ich nehme aber durchaus an, dass KI (ich meine damit immer "starke KI")
funktioniert. Und ich vermute, dass man mittels geeigneten neuronalen
Netzen mit Rückkopplung hinkommen müsste.
Derzeit beschäftige ich mich wenig mit KI, viel mehr mit Sprachen. Wenn
ich da mein Ziel erreicht habe, beabsichtige ich mich mehr mit KI zu
beschäftigen.
Die Erkenntnisse, die ich aus der Rezeption von Kant, Wittgenstein,
Frege und derzeit Kripke gewinne, lassen mich schliessen, dass mich das
auch in Sachen KI wesentlich weiter bringen könnte. Ich habe noch etwas
Carnap und Quine vor mir (sobald ich dazu komme).
Joachim Pimiskern
> Joachim Pimiskern schrieb:
>> intelligente System selbst: in jener Situation will
>> ich zukünftig so oder so handeln, weil es sonst diese
>> oder jene Nebenwirkungen gibt.
>
> Was verstehst du unter sich "selbst programmieren"?
> Ich denke, kein System kann sich einfach selbst programmieren.
Nichts leichter als das: man schreibe ein Modul, das Opcodes
in eine Liste schreiben kann. Diese Opcodes interpretiere man dann.
Schwierig ist nur, dafür zu sorgen, daß auch etwas Sinnvolles
dabei herauskommt.
Das Prinzip ist alt. Core Wars ist ein historischer Wettbewerb,
der Selbstprogrammierung als Grundidee hatte.
Bei Core Wars sind die Opcodes Mnemonics einer Maschinensprache.
Für KI-Zwecke kann man mächtigere Befehle verwenden: beliebige Symbole
statt der Opcodes, Symbole mit Bedeutungen, die das KI-System mit
sich selbst vereinbart hat. Außerdem ist es sinnvoll, die Befehle
nicht wie Perlen auf einer Schnur aufzureihen, sondern isoliertere
Einheiten zu bündeln.
>> Beim symbolischen Lernen finden Beweise Anwendung
>> und beeinflussen das zukünftige Handeln, nicht irgendwelche
>> zusammenaddierten Fließkommazahlen.
>
> Beweise ist eine Art von Symbolik, aber muss es die einzige sein?
> Menschen arbeiten doch auch mit Symbolen, (meist) ohne an Beweise zu
> denken, also warum dann die KI?
Es gilt, gefährliche, gar tödliche Situationen zu meiden. Ein Agent
kann nicht erst die schädliche Situation durchlaufen, damit ihm
sein Reinforcement-Bewerter sagt, daß das gar nicht gut war.
Die naheliegende Behandlung des Problems: ein intelligenter Agent
braucht ein Modul, das den Wert einer Situation im voraus berechnet,
ohne daß der Agent im echten Leben jemals in der Situation war.
Das kann man mit einem Theorembeweiser bekommen, aber auch mit
einer Baumberechnung wie in der Spieltheorie (Minimax) oder
einem Simulator.
Grüße,
Joachim
Burkart Venzke
> Am 08.02.2010 14:44, schrieb Burkart Venzke:
> > Joachim Pimiskern schrieb:
> >> Beim symbolischen Lernen dagegen programmiert sich das
> >> intelligente System selbst: in jener Situation will
> >> ich zukünftig so oder so handeln, weil es sonst diese
> >> oder jene Nebenwirkungen gibt.
> >
> > Was verstehst du unter sich "selbst programmieren"?
> > Ich denke, kein System kann sich einfach selbst programmieren.
>
> Nichts leichter als das: man schreibe ein Modul, das Opcodes
> in eine Liste schreiben kann. Diese Opcodes interpretiere man dann.
> Schwierig ist nur, dafür zu sorgen, daß auch etwas Sinnvolles
> dabei herauskommt.
Mit Selbstprogrammierung meinte ich eigentlich wirklich eine *sinnvolle*...
> Das Prinzip ist alt. Core Wars ist ein historischer Wettbewerb,
> der Selbstprogrammierung als Grundidee hatte.
...klar, dass es sonst einfach geht.
> Bei Core Wars sind die Opcodes Mnemonics einer Maschinensprache.
> Für KI-Zwecke kann man mächtigere Befehle verwenden: beliebige Symbole
> statt der Opcodes, Symbole mit Bedeutungen, die das KI-System mit
> sich selbst vereinbart hat. Außerdem ist es sinnvoll, die Befehle
> nicht wie Perlen auf einer Schnur aufzureihen, sondern isoliertere
> Einheiten zu bündeln.
Meinst du, dass ein System sich auf diese Art weiterentwickeln
(Selbstprogrammierung mit Lernen) und nicht 'nur' irgendwie intelligent
agieren kann?
> >> Beim symbolischen Lernen finden Beweise Anwendung
> >> und beeinflussen das zukünftige Handeln, nicht irgendwelche
> >> zusammenaddierten Fließkommazahlen.
> >
> > Beweise ist eine Art von Symbolik, aber muss es die einzige sein?
> > Menschen arbeiten doch auch mit Symbolen, (meist) ohne an Beweise zu
> > denken, also warum dann die KI?
>
> Es gilt, gefährliche, gar tödliche Situationen zu meiden. Ein Agent
> kann nicht erst die schädliche Situation durchlaufen, damit ihm
> sein Reinforcement-Bewerter sagt, daß das gar nicht gut war.
Wie trennst du schädliche Situation von solchen, die lernwürdig aus
Erfahrung sind? Letztere sind ja wichtig für einen lernende KI.
> Die naheliegende Behandlung des Problems: ein intelligenter Agent
> braucht ein Modul, das den Wert einer Situation im voraus berechnet,
> ohne daß der Agent im echten Leben jemals in der Situation war.
>
> Das kann man mit einem Theorembeweiser bekommen, aber auch mit
> einer Baumberechnung wie in der Spieltheorie (Minimax) oder
> einem Simulator.
Sicher hilft das auch, aber ausreichend kann das mAn nicht sein.
Gruß
Burkart
Torsten Zühlsdorff
>> >> Beim symbolischen Lernen dagegen programmiert sich das
>> >> intelligente System selbst: in jener Situation will
>> >> ich zukünftig so oder so handeln, weil es sonst diese
>> >> oder jene Nebenwirkungen gibt.
>> >
>> > Was verstehst du unter sich "selbst programmieren"?
>> > Ich denke, kein System kann sich einfach selbst programmieren.
>>
>> Nichts leichter als das: man schreibe ein Modul, das Opcodes
>> in eine Liste schreiben kann. Diese Opcodes interpretiere man dann.
>> Schwierig ist nur, dafür zu sorgen, daß auch etwas Sinnvolles
>> dabei herauskommt.
>
> Mit Selbstprogrammierung meinte ich eigentlich wirklich eine *sinnvolle*...
Selbstprogrammierung findet man heute in verschiedenen Formen z.b. als
"evolutionäre Programmierung" oder schlicht als "generative
Programmierung". Der "Sinn" wird sichergestellt, in dem man in der Regel
ein Ziel vorgibt, dessen Erreichung durch ein Generat geprüft wird.
Natürlich kann das Ziel auch generiert sein.
Alles in allem ein ziemlich aufwändiger Prozess. ;)
Gruß,
Torsten
--
http://www.dddbl.de - ein Datenbank-Layer, der die Arbeit mit 8
verschiedenen Datenbanksystemen abstrahiert,
Queries von Applikationen trennt und automatisch die Query-Ergebnisse
auswerten kann.
Burkart Venzke
> Burkart Venzke schrieb:
>
>>> >> Beim symbolischen Lernen dagegen programmiert sich das
>>> >> intelligente System selbst: in jener Situation will
>>> >> ich zukünftig so oder so handeln, weil es sonst diese
>>> >> oder jene Nebenwirkungen gibt.
>>> >
>>> > Was verstehst du unter sich "selbst programmieren"?
>>> > Ich denke, kein System kann sich einfach selbst programmieren.
>>>
>>> Nichts leichter als das: man schreibe ein Modul, das Opcodes
>>> in eine Liste schreiben kann. Diese Opcodes interpretiere man dann.
>>> Schwierig ist nur, dafür zu sorgen, daß auch etwas Sinnvolles
>>> dabei herauskommt.
>>
>> Mit Selbstprogrammierung meinte ich eigentlich wirklich eine
>> *sinnvolle*...
>
> Selbstprogrammierung findet man heute in verschiedenen Formen z.b. als
> "evolutionäre Programmierung" oder schlicht als "generative
> Programmierung". Der "Sinn" wird sichergestellt, in dem man in der Regel
> ein Ziel vorgibt, dessen Erreichung durch ein Generat geprüft wird.
Ok, dann wird hier also von außen ein Ziel vorgegeben. Oder gibt es das
auch, in dem das Ziel (grundlegender?) Bestandteil der KI ist?
> Natürlich kann das Ziel auch generiert sein.
Wer hat es dann generiert?
> Alles in allem ein ziemlich aufwändiger Prozess. ;)
Das glaube ich gerne; KI lässt sich leider nicht mal eben so nebenbei
entwickeln.
Gruß
Burkart
Volker Birk
> Burkart Venzke schrieb:
>>> >> Beim symbolischen Lernen dagegen programmiert sich das
>>> >> intelligente System selbst: in jener Situation will
>>> >> ich zukünftig so oder so handeln, weil es sonst diese
>>> >> oder jene Nebenwirkungen gibt.
>>> > Was verstehst du unter sich "selbst programmieren"?
>>> > Ich denke, kein System kann sich einfach selbst programmieren.
>>> Nichts leichter als das: man schreibe ein Modul, das Opcodes
>>> in eine Liste schreiben kann. Diese Opcodes interpretiere man dann.
>>> Schwierig ist nur, dafür zu sorgen, daß auch etwas Sinnvolles
>>> dabei herauskommt.
>> Mit Selbstprogrammierung meinte ich eigentlich wirklich eine *sinnvolle*...
> Selbstprogrammierung findet man heute in verschiedenen Formen z.b. als
> "evolutionäre Programmierung" oder schlicht als "generative
> Programmierung". Der "Sinn" wird sichergestellt, in dem man in der Regel
> ein Ziel vorgibt, dessen Erreichung durch ein Generat geprüft wird.
> Natürlich kann das Ziel auch generiert sein.
> Alles in allem ein ziemlich aufwändiger Prozess. ;)
Generativ zu entwickeln ist kein "aufwändiger Prozess", eher ganz im
Gegenteil.
Torsten Zühlsdorff
>>>> >> Beim symbolischen Lernen dagegen programmiert sich das
>>>> >> intelligente System selbst: in jener Situation will
>>>> >> ich zukünftig so oder so handeln, weil es sonst diese
>>>> >> oder jene Nebenwirkungen gibt.
>>>> > Was verstehst du unter sich "selbst programmieren"?
>>>> > Ich denke, kein System kann sich einfach selbst programmieren.
>>>> Nichts leichter als das: man schreibe ein Modul, das Opcodes
>>>> in eine Liste schreiben kann. Diese Opcodes interpretiere man dann.
>>>> Schwierig ist nur, dafür zu sorgen, daß auch etwas Sinnvolles
>>>> dabei herauskommt.
>>> Mit Selbstprogrammierung meinte ich eigentlich wirklich eine *sinnvolle*...
>> Selbstprogrammierung findet man heute in verschiedenen Formen z.b. als
>> "evolutionäre Programmierung" oder schlicht als "generative
>> Programmierung". Der "Sinn" wird sichergestellt, in dem man in der Regel
>> ein Ziel vorgibt, dessen Erreichung durch ein Generat geprüft wird.
>> Natürlich kann das Ziel auch generiert sein.
>> Alles in allem ein ziemlich aufwändiger Prozess. ;)
>
> Generativ zu entwickeln ist kein "aufwändiger Prozess", eher ganz im
> Gegenteil.
Prozess bezog sich nicht auf die Entwicklung. Eine generative
Applikation oder Routine erzeugt eine große Menge an Code, aber nur sehr
selten Code, der die Zielvorgabe erfüllt. Es werden also häufig sehr
viele Ressourcen verschwendet - daher das "aufwändig".
Torsten Zühlsdorff
>>>> >> Beim symbolischen Lernen dagegen programmiert sich das
>>>> >> intelligente System selbst: in jener Situation will
>>>> >> ich zukünftig so oder so handeln, weil es sonst diese
>>>> >> oder jene Nebenwirkungen gibt.
>>>> >
>>>> > Was verstehst du unter sich "selbst programmieren"?
>>>> > Ich denke, kein System kann sich einfach selbst programmieren.
>>>>
>>>> Nichts leichter als das: man schreibe ein Modul, das Opcodes
>>>> in eine Liste schreiben kann. Diese Opcodes interpretiere man dann.
>>>> Schwierig ist nur, dafür zu sorgen, daß auch etwas Sinnvolles
>>>> dabei herauskommt.
>>>
>>> Mit Selbstprogrammierung meinte ich eigentlich wirklich eine
>>> *sinnvolle*...
>>
>> Selbstprogrammierung findet man heute in verschiedenen Formen z.b. als
>> "evolutionäre Programmierung" oder schlicht als "generative
>> Programmierung". Der "Sinn" wird sichergestellt, in dem man in der
>> Regel ein Ziel vorgibt, dessen Erreichung durch ein Generat geprüft wird.
>
> Ok, dann wird hier also von außen ein Ziel vorgegeben.
Richtig.
> Oder gibt es das
> auch, in dem das Ziel (grundlegender?) Bestandteil der KI ist?
Ist Definitionssache. Wenn es der einzige Zweck einer Applikation die
Erreichung des Ziels ist, könnte man das bejahen. Typisch wären in
solchen Fällen Optimierungs-Verfahren.
>> Natürlich kann das Ziel auch generiert sein.
>
> Wer hat es dann generiert?
Die Applikation selbst. Dies kann an Hand vorgebenen, ermittelter oder
rein zufälliger Parameter nach einem festen oder gar keinem Muster
erzeugt werden.
>> Alles in allem ein ziemlich aufwändiger Prozess. ;)
>
> Das glaube ich gerne; KI lässt sich leider nicht mal eben so nebenbei
> entwickeln.
Oh, die Entwicklung ist relativ simpel. Nur wie bei der Mutation in der
Genetik (daher auch evolutionäre Programmierung) ist nur ein extrem
kleiner Bruchteil der Generate eine Zielerreichung. Da ein Computer
tausende von Routinen in wenigen Sekunden erzeugen kann und meist keine
einzige davon sinnvoll ist, ist das Betreiben einer solchen Applikation
in der Regel aufwändiger als die Entwicklung.
Burkart Venzke
> Burkart Venzke schrieb:
>
>>>>> >> Beim symbolischen Lernen dagegen programmiert sich das
>>>>> >> intelligente System selbst: in jener Situation will
>>>>> >> ich zukünftig so oder so handeln, weil es sonst diese
>>>>> >> oder jene Nebenwirkungen gibt.
>>>>> >
>>>>> > Was verstehst du unter sich "selbst programmieren"?
>>>>> > Ich denke, kein System kann sich einfach selbst programmieren.
>>>>>
>>>>> Nichts leichter als das: man schreibe ein Modul, das Opcodes
>>>>> in eine Liste schreiben kann. Diese Opcodes interpretiere man dann.
>>>>> Schwierig ist nur, dafür zu sorgen, daß auch etwas Sinnvolles
>>>>> dabei herauskommt.
>>>>
>>>> Mit Selbstprogrammierung meinte ich eigentlich wirklich eine
>>>> *sinnvolle*...
>>>
>>> Selbstprogrammierung findet man heute in verschiedenen Formen z.b.
>>> als "evolutionäre Programmierung" oder schlicht als "generative
>>> Programmierung". Der "Sinn" wird sichergestellt, in dem man in der
>>> Regel ein Ziel vorgibt, dessen Erreichung durch ein Generat geprüft
>>> wird.
>>
>> Ok, dann wird hier also von außen ein Ziel vorgegeben.
>
> Richtig.
>
>> Oder gibt es das auch, in dem das Ziel (grundlegender?) Bestandteil
>> der KI ist?
>
> Ist Definitionssache. Wenn es der einzige Zweck einer Applikation die
> Erreichung des Ziels ist, könnte man das bejahen.
Das Erreichen nur eines (wohl nicht sehr umfassenden) Ziels ist sicher
nicht der große Traum der KI-Entwickler, auch insofern wäre mir das Nein
lieber.
> Typisch wären in
> solchen Fällen Optimierungs-Verfahren.
>
>>> Natürlich kann das Ziel auch generiert sein.
>>
>> Wer hat es dann generiert?
>
> Die Applikation selbst. Dies kann an Hand vorgebenen, ermittelter oder
> rein zufälliger Parameter nach einem festen oder gar keinem Muster
> erzeugt werden.
Irgendein zufälliges Ziel wäre nicht sehr spannend, weil nicht (kaum?)
weiter als bis zu dem einen Ziel führend. (Eine KI soll ja langfristig
etwas Sinnvolles tun, also über dieses eine Ziel hinaus.)
"An Hand vorgebener" Parametern klingt für mich wieder sehr nach
Zielvorgabe von außen (wenn vielleicht auch eine Stufe dazwischen liegen
mag).
Bei "ermittelten" Parameter ist die Frage, wo diese herkommen. Kommen
sie auch mehr oder weniger von außen? Wenn diese allerdings erlernt sein
sollten, wäre das ein sinnvoller Lernschritt.
>>> Alles in allem ein ziemlich aufwändiger Prozess. ;)
>>
>> Das glaube ich gerne; KI lässt sich leider nicht mal eben so nebenbei
>> entwickeln.
>
> Oh, die Entwicklung ist relativ simpel. Nur wie bei der Mutation in der
> Genetik (daher auch evolutionäre Programmierung) ist nur ein extrem
> kleiner Bruchteil der Generate eine Zielerreichung. Da ein Computer
> tausende von Routinen in wenigen Sekunden erzeugen kann und meist keine
> einzige davon sinnvoll ist, ist das Betreiben einer solchen Applikation
> in der Regel aufwändiger als die Entwicklung.
Tja, dann hängt es wohl vermutlich vor allem vom Ziel ab, ob sich eine
so eine Evolution lohnt.
Gruß
Burkart
Torsten Zühlsdorff
Es erstaunt mich immer wieder, wie sehr ich missverstanden werde. Erst
der Aufwand, dann das Ziel ;)
Ein Ziel ist ein definierter, angestrebter und in der Regel in der
Zukunft liegender, Endpunkt eines Prozesses. In anderen Kontexten ist
ein Ziel meist der Erfolg eines Konzeptes, welches meist aus der
Definition der Erreichung einer Reihe von Bedingungen besteht.
"Ziel" enthält keine Aussage über Umfang und Dauer, womit in dieser
allgemeinen Ausdrucksweise deine Frage bejaht werden muß, auch wenn dir
ein Nein lieber ist.
>>>> Natürlich kann das Ziel auch generiert sein.
>>>
>>> Wer hat es dann generiert?
>>
>> Die Applikation selbst. Dies kann an Hand vorgebenen, ermittelter oder
>> rein zufälliger Parameter nach einem festen oder gar keinem Muster
>> erzeugt werden.
>
> Irgendein zufälliges Ziel wäre nicht sehr spannend, weil nicht (kaum?)
> weiter als bis zu dem einen Ziel führend. (Eine KI soll ja langfristig
> etwas Sinnvolles tun, also über dieses eine Ziel hinaus.)
Zum einen kann ein Ziel sehr umfangreich sein, zum anderen sprichst du
hier einen Punkt an, der mich an KI schon lange stört. Gegenüber KI gibt
es eine Erwartungshaltung, die meiner Meinung nach schwer zu begründen ist.
Wir wollen, dass eine KI etwas sinnvolles tut. Meist wollen wir darin
menschliches Handeln wiedererkennen. Menschliches Handeln ist aber
häufig wenig sinnvoll. Hinzu kommt, dass der menschliche Intellekt
voller Fehler steckt - dies wird besonders deutlich, wenn man mal die
Liste der typischen psychischen Fehleinschätzungen und Fehlverhalten
durchgeht. Anderseits haben diese Fehler früher überlebenstechnische
Vorteile gehabt.
Dazu kommt, dass wir Menschen ernsthafte Probleme haben uns
untereinander zu verstehen. Selbst im Fall, dass wir eine perfekte KI
erzeugen, würde ich es nicht als gegeben sehen, dass wir diese auch
verstehen oder als solche überhaupt wahrzunehmen in der Lage sind.
Und letztlich bleibt deine Forderung nach dem Sinn. Was ist etwas
sinnvolles? Möchten wir eine echte KI muß diese "sinnvolles Handeln"
selbst definieren. Dies führt dazu, dass wir nicht einer Meinung mit ihr
sein müssen und der Sinn von irgendetwas abhängig sein wird.
> "An Hand vorgebener" Parametern klingt für mich wieder sehr nach
> Zielvorgabe von außen (wenn vielleicht auch eine Stufe dazwischen liegen
> mag).
"Außen" ist jedoch ein weites Feld. Die Algorithmen sollen ja den
evolutionären Prozess sehr simpel nachahmen, welcher die Richtung der
Generate (Mutationen) von "Außen" - nämlich durch die Umweltbedingungen
- vorgab. Bei der Programmierung kann man also das "Außen" vom
Programmierer bis hin zu jeder möglichen Eingabe und natürlich alle
abermilliarden Applikationszustände spannen.
>>>> Alles in allem ein ziemlich aufwändiger Prozess. ;)
>>>
>>> Das glaube ich gerne; KI lässt sich leider nicht mal eben so nebenbei
>>> entwickeln.
>>
>> Oh, die Entwicklung ist relativ simpel. Nur wie bei der Mutation in
>> der Genetik (daher auch evolutionäre Programmierung) ist nur ein
>> extrem kleiner Bruchteil der Generate eine Zielerreichung. Da ein
>> Computer tausende von Routinen in wenigen Sekunden erzeugen kann und
>> meist keine einzige davon sinnvoll ist, ist das Betreiben einer
>> solchen Applikation in der Regel aufwändiger als die Entwicklung.
>
> Tja, dann hängt es wohl vermutlich vor allem vom Ziel ab, ob sich eine
> so eine Evolution lohnt.
Ja. Aber Ziele ändern sich oder sind ein Metakonzept - wie z.b. die
Anpassung an eine ökologische Nische in der Natur. Anderseits kann man
das Ziel dort auch auf "(Über)Leben (der Population)" herunterbrechen.
Und es stellt sich die Frage, ob ein Ziel tatsächlich immer existieren
muß oder ob es sich nicht vielleicht ergeben kann.
Burkart Venzke
Ach, geschieht das soo oft? ;)
> Erst der Aufwand, dann das Ziel ;)
Was du meinst du damit, sofern es ernst gemeint war (und nicht nur ";)")?
> Ein Ziel ist ein definierter, angestrebter und in der Regel in der
> Zukunft liegender, Endpunkt eines Prozesses. In anderen Kontexten ist
> ein Ziel meist der Erfolg eines Konzeptes, welches meist aus der
> Definition der Erreichung einer Reihe von Bedingungen besteht.
Ich tendiere eher zur zweiten Definition, aber ganz passt mir beides
nicht. Für mich ist ein Ziel eher etwas zu Erreichendes im Sinne eines
Endpunktes, weniger als (schon definierter) Teil eines Prozesses oder
der Erfolg selbst, so dass ich ungefähr den "Erfolg des Ziel-Konzeptes"
als "Erreichung des Ziels" sehe.
> "Ziel" enthält keine Aussage über Umfang und Dauer,
Einverstanden.
> womit in dieser
> allgemeinen Ausdrucksweise deine Frage bejaht werden muß, auch wenn dir
> ein Nein lieber ist.
Das Nein ist mir deshalb i.a. lieber, weil ich die (lernende) KI vor
allem auch Ziele erreichen bzw. ansteben können soll, die unabhängig von
ihr definiert sind bzw. sein können. Ausnahme sind für mich nur (ganz
wenige) festprogrammierte Ziele der KI, das sind für mich "Diene dem
Menschen" und "Lerne so gut/viel zu kannst" (eher ein Meta-Ziel).
>>>>> Natürlich kann das Ziel auch generiert sein.
>>>>
>>>> Wer hat es dann generiert?
>>>
>>> Die Applikation selbst. Dies kann an Hand vorgebenen, ermittelter
>>> oder rein zufälliger Parameter nach einem festen oder gar keinem
>>> Muster erzeugt werden.
>>
>> Irgendein zufälliges Ziel wäre nicht sehr spannend, weil nicht (kaum?)
>> weiter als bis zu dem einen Ziel führend. (Eine KI soll ja langfristig
>> etwas Sinnvolles tun, also über dieses eine Ziel hinaus.)
>
> Zum einen kann ein Ziel sehr umfangreich sein,
Stimmt.
> zum anderen sprichst du
> hier einen Punkt an, der mich an KI schon lange stört. Gegenüber KI gibt
> es eine Erwartungshaltung, die meiner Meinung nach schwer zu begründen ist.
>
> Wir wollen, dass eine KI etwas sinnvolles tut.
Richtig, das wäre schon gut ;)
> Meist wollen wir darin menschliches Handeln wiedererkennen.
Ich erwarte mehr vernünftiges bzw. für uns Menschen nützliches Handeln,
aber kein menschliches.
> Menschliches Handeln ist aber häufig wenig sinnvoll.
Eine Kopie des handelnden Menschen möchte ich auch nicht, z.B. nicht
seinen z.T. übertriebenen Egoismus.
> Hinzu kommt, dass der menschliche Intellekt
> voller Fehler steckt - dies wird besonders deutlich, wenn man mal die
> Liste der typischen psychischen Fehleinschätzungen und Fehlverhalten
> durchgeht. Anderseits haben diese Fehler früher überlebenstechnische
> Vorteile gehabt.
Für den Menschen haben diese Fehler eine evolutionäre Bedeutung, die die
KI aber selbst nicht durchzulaufen braucht.
> Dazu kommt, dass wir Menschen ernsthafte Probleme haben uns
> untereinander zu verstehen.
Ja, Kommunikation ist halt keine Gedankenübertragung (und selbst wenn,
wäre das keine Garantie für Verständnis).
> Selbst im Fall, dass wir eine perfekte KI
> erzeugen, würde ich es nicht als gegeben sehen, dass wir diese auch
> verstehen oder als solche überhaupt wahrzunehmen in der Lage sind.
Na ja, ich hoffe doch, dass wir eine KI so konstruieren, dass wir sie
verstehen können, halt über Kommunikationskanäle (ob sie nun perfekt ist
oder nicht).
> Und letztlich bleibt deine Forderung nach dem Sinn. Was ist etwas
> sinnvolles? Möchten wir eine echte KI muß diese "sinnvolles Handeln"
> selbst definieren. Dies führt dazu, dass wir nicht einer Meinung mit ihr
> sein müssen und der Sinn von irgendetwas abhängig sein wird.
Ich definiere den Sinn so, dass die KI so handelt, wie wir Menschen es
von ihr erwarten. Dass das (auch) im höheren Sinne nicht perfekt ist,
zumindest so lange sie nicht irgendwie intelligenter als wir geworden
ist, ist klar.
>> "An Hand vorgebener" Parametern klingt für mich wieder sehr nach
>> Zielvorgabe von außen (wenn vielleicht auch eine Stufe dazwischen
>> liegen mag).
>
> "Außen" ist jedoch ein weites Feld. Die Algorithmen sollen ja den
> evolutionären Prozess sehr simpel nachahmen, welcher die Richtung der
> Generate (Mutationen) von "Außen" - nämlich durch die Umweltbedingungen
> - vorgab. Bei der Programmierung kann man also das "Außen" vom
> Programmierer bis hin zu jeder möglichen Eingabe und natürlich alle
> abermilliarden Applikationszustände spannen.
Als "Außen" sehe ich vor allem eine logische (bzw. irgendwie
systemtechnische) Trennung von der KI und der Zielvorgabe an.
>>>>> Alles in allem ein ziemlich aufwändiger Prozess. ;)
>>>>
>>>> Das glaube ich gerne; KI lässt sich leider nicht mal eben so
>>>> nebenbei entwickeln.
>>>
>>> Oh, die Entwicklung ist relativ simpel. Nur wie bei der Mutation in
>>> der Genetik (daher auch evolutionäre Programmierung) ist nur ein
>>> extrem kleiner Bruchteil der Generate eine Zielerreichung. Da ein
>>> Computer tausende von Routinen in wenigen Sekunden erzeugen kann und
>>> meist keine einzige davon sinnvoll ist, ist das Betreiben einer
>>> solchen Applikation in der Regel aufwändiger als die Entwicklung.
>>
>> Tja, dann hängt es wohl vermutlich vor allem vom Ziel ab, ob sich eine
>> so eine Evolution lohnt.
>
> Ja. Aber Ziele ändern sich oder sind ein Metakonzept - wie z.b. die
> Anpassung an eine ökologische Nische in der Natur.
Einverstanden, wobei eine "Änderung eines Zieles" dann wohl mehr das
Ändern seiner Details (z.B. ggf. Subziele) ist, aber das Verfeinheiten.
> Anderseits kann man
> das Ziel dort auch auf "(Über)Leben (der Population)" herunterbrechen.
> Und es stellt sich die Frage, ob ein Ziel tatsächlich immer existieren
> muß oder ob es sich nicht vielleicht ergeben kann.
Außer den erwähnten ganz wenigen festen Zielen sehe ich Ziele
grundsätzlich nicht als (unbedingt) permanent an. Grundlegende Ziele
sind aber sicher langlebiger als kleinere, detailliertere. Sollten
selbst die ganz wenigen festen Ziele überholt sein, sehe ich KI selbst
als nicht mehr sinnvoll an.
Gruß
Burkart
Torsten Zühlsdorff
Missverstanden zu werden ist scheinbar eine schlechte Angewohnheit von
mir ;)
>> Erst der Aufwand, dann das Ziel ;)
>
> Was du meinst du damit, sofern es ernst gemeint war (und nicht nur ";)")?
Erst wurde meine Aussage über den Aufwand missverstanden. Du und Volker
haben meine Aussage über den Aufwand des KI-Prozesses beide in
Zusammenhang mit der Entwicklung der KI gesetzt. Erstaunlicherweise gab
es aber in meiner Aussage keinen direkten Zusammenhang zwischen
Entwicklung der KI und des Entwicklungsaufwandes.
Nun das Mißverständnis mit dem Ziel. Aus reiner Gewohnheit halte ich
mich bei der Wortwahl in solchen Diskussionen auch immer an die
Wortbedeutung, die man nachschlagen kann. Trotzdem hast du eine andere
Bedeutung von "Ziel" verwendet und meine Aussage daher missverstanden.
>> Ein Ziel ist ein definierter, angestrebter und in der Regel in der
>> Zukunft liegender, Endpunkt eines Prozesses. In anderen Kontexten ist
>> ein Ziel meist der Erfolg eines Konzeptes, welches meist aus der
>> Definition der Erreichung einer Reihe von Bedingungen besteht.
>
> Ich tendiere eher zur zweiten Definition, aber ganz passt mir beides
> nicht.
Interessant. Ersteres ist die leicht umformulierte Bedeutung von Ziel.
Um ein weiteres Missverständnis zu verhindern, müßtest du jetzt eine
Definition deines alternativen Zielbegriffes liefern.
> Für mich ist ein Ziel eher etwas zu Erreichendes im Sinne eines
> Endpunktes, weniger als (schon definierter) Teil eines Prozesses oder
> der Erfolg selbst, so dass ich ungefähr den "Erfolg des Ziel-Konzeptes"
> als "Erreichung des Ziels" sehe.
Damit forderst du genau das, was ich geschrieben habe. Du stößt dich
lediglich an Prozess, aber ein Prozess ist ein Verlauf, eine
Entwicklung. Wenn es etwas solches nicht gibt, kann der Endpunkt nicht
erreicht werden. Wir gehen also in der Bedeutung d’accord ohne es zu merken.
>> "Ziel" enthält keine Aussage über Umfang und Dauer,
>
> Einverstanden.
>
>> womit in dieser allgemeinen Ausdrucksweise deine Frage bejaht werden
>> muß, auch wenn dir ein Nein lieber ist.
>
> Das Nein ist mir deshalb i.a. lieber, weil ich die (lernende) KI vor
> allem auch Ziele erreichen bzw. ansteben können soll, die unabhängig von
> ihr definiert sind bzw. sein können. Ausnahme sind für mich nur (ganz
> wenige) festprogrammierte Ziele der KI, das sind für mich "Diene dem
> Menschen" und "Lerne so gut/viel zu kannst" (eher ein Meta-Ziel).
Das widerspricht mir jetzt aber nicht oder missverstehe ich dich?
>>>>>> Natürlich kann das Ziel auch generiert sein.
>>>>>
>>>>> Wer hat es dann generiert?
>>>>
>>>> Die Applikation selbst. Dies kann an Hand vorgebenen, ermittelter
>>>> oder rein zufälliger Parameter nach einem festen oder gar keinem
>>>> Muster erzeugt werden.
>>>
>>> Irgendein zufälliges Ziel wäre nicht sehr spannend, weil nicht
>>> (kaum?) weiter als bis zu dem einen Ziel führend. (Eine KI soll ja
>>> langfristig etwas Sinnvolles tun, also über dieses eine Ziel hinaus.)
>>
>> Zum einen kann ein Ziel sehr umfangreich sein,
>
> Stimmt.
>
>> zum anderen sprichst du hier einen Punkt an, der mich an KI schon
>> lange stört. Gegenüber KI gibt es eine Erwartungshaltung, die meiner
>> Meinung nach schwer zu begründen ist.
>>
>> Wir wollen, dass eine KI etwas sinnvolles tut.
>
> Richtig, das wäre schon gut ;)
Ich hoffe wir enden nun nicht bei der Frage nach dem Sinn des Lebens und
des Handelns. Sinn wird in der Regel durch ein Subjekt selbst definiert.
Man sieht dies z.b. bei Dissonanzen in Begründungen wie das
Actor-Observer-Bias zeigt.
>> Menschliches Handeln ist aber häufig wenig sinnvoll.
>
> Eine Kopie des handelnden Menschen möchte ich auch nicht, z.B. nicht
> seinen z.T. übertriebenen Egoismus.
Egoismus ist keine Handlung. Es ist eine Charaktereigenschaft. Muß eine
KI einen Charakter haben?
>> Hinzu kommt, dass der menschliche Intellekt voller Fehler steckt -
>> dies wird besonders deutlich, wenn man mal die Liste der typischen
>> psychischen Fehleinschätzungen und Fehlverhalten durchgeht. Anderseits
>> haben diese Fehler früher überlebenstechnische Vorteile gehabt.
>
> Für den Menschen haben diese Fehler eine evolutionäre Bedeutung, die die
> KI aber selbst nicht durchzulaufen braucht.
Die wenigsten dieser Fehler haben evolutionäre Bedeutung.
Cluster-Wahrnehmung ist z.b. nicht evolutionär. Logische Fehlschlüsse
wie z.b. "Conjunction fallacy" sorgen häufig sogar für (heute
wirtschaftlichen) Schaden . Manche vermutlich völlig unwichtig wie z.b.
das "Framing" oder Kaufreue.
>> Selbst im Fall, dass wir eine perfekte KI erzeugen, würde ich es nicht
>> als gegeben sehen, dass wir diese auch verstehen oder als solche
>> überhaupt wahrzunehmen in der Lage sind.
>
> Na ja, ich hoffe doch, dass wir eine KI so konstruieren, dass wir sie
> verstehen können, halt über Kommunikationskanäle (ob sie nun perfekt ist
> oder nicht).
Du reduzierst Verstehen gerade auf Kommunikation. Ich meinte allerdings
ein allgemeines Verständnis. Eine KI, die mit typische menschliche
Fehler handelt, lernt und sich entwickelt ist für uns verständlich. Wenn
die Forderung "perfekt" aber solche Attribute ausschließt, können wir
die KI unter Umständen nicht mehr als perfekt wahrnehmen/verstehen/erkennen.
Selbst wenn wir mit ihr Kommunizieren, kann es für uns schwer werden,
ihr Handeln nachzuvollziehen. Sie würde vermutlich zur BlackBox - so wie
unsere Mitmenschen - und würde sich damit unserem Verständnis mitunter
zum großen Teil entziehen.
>> Und letztlich bleibt deine Forderung nach dem Sinn. Was ist etwas
>> sinnvolles? Möchten wir eine echte KI muß diese "sinnvolles Handeln"
>> selbst definieren. Dies führt dazu, dass wir nicht einer Meinung mit
>> ihr sein müssen und der Sinn von irgendetwas abhängig sein wird.
>
> Ich definiere den Sinn so, dass die KI so handelt, wie wir Menschen es
> von ihr erwarten. Dass das (auch) im höheren Sinne nicht perfekt ist,
> zumindest so lange sie nicht irgendwie intelligenter als wir geworden
> ist, ist klar.
Eine sinnvoll handelnde KI macht also das, was wir von ihr erwarten? Ein
Gros der programmierten Applikationen erfüllen diese Bedingung - jede
macht, was der Programmierer (und manchmal auch der Anwender ^^) von ihr
erwartet. Und zwar ganz genau. Und das häufig sogar intelligenter als
die Schöpfer.
Ich würde diese Anforderung stark überdenken.
>>> "An Hand vorgebener" Parametern klingt für mich wieder sehr nach
>>> Zielvorgabe von außen (wenn vielleicht auch eine Stufe dazwischen
>>> liegen mag).
>>
>> "Außen" ist jedoch ein weites Feld. Die Algorithmen sollen ja den
>> evolutionären Prozess sehr simpel nachahmen, welcher die Richtung der
>> Generate (Mutationen) von "Außen" - nämlich durch die
>> Umweltbedingungen - vorgab. Bei der Programmierung kann man also das
>> "Außen" vom Programmierer bis hin zu jeder möglichen Eingabe und
>> natürlich alle abermilliarden Applikationszustände spannen.
>
> Als "Außen" sehe ich vor allem eine logische (bzw. irgendwie
> systemtechnische) Trennung von der KI und der Zielvorgabe an.
Wenn es sich bei der KI um ein irgendwie gearteten Computer handelt,
läßt sich diese Trennung schwerlich vornehmen, da ein Programm aus
Zuständen besteht und jeder dieser Zustände durch vielerlei Faktoren
beeinflußt werden kann. So gibt es z.b. Programmierer, die ihre
Programme mehrfach gesichert gegen Strahlung schreiben, weil dieser sehr
äußere Faktor tatsächlich in einigen Umgebungen zu einem Problem wird.
>>>>>> Alles in allem ein ziemlich aufwändiger Prozess. ;)
>>>>>
>>>>> Das glaube ich gerne; KI lässt sich leider nicht mal eben so
>>>>> nebenbei entwickeln.
>>>>
>>>> Oh, die Entwicklung ist relativ simpel. Nur wie bei der Mutation in
>>>> der Genetik (daher auch evolutionäre Programmierung) ist nur ein
>>>> extrem kleiner Bruchteil der Generate eine Zielerreichung. Da ein
>>>> Computer tausende von Routinen in wenigen Sekunden erzeugen kann und
>>>> meist keine einzige davon sinnvoll ist, ist das Betreiben einer
>>>> solchen Applikation in der Regel aufwändiger als die Entwicklung.
>>>
>>> Tja, dann hängt es wohl vermutlich vor allem vom Ziel ab, ob sich
>>> eine so eine Evolution lohnt.
>>
>> Ja. Aber Ziele ändern sich oder sind ein Metakonzept - wie z.b. die
>> Anpassung an eine ökologische Nische in der Natur.
>
> Einverstanden, wobei eine "Änderung eines Zieles" dann wohl mehr das
> Ändern seiner Details (z.B. ggf. Subziele) ist, aber das Verfeinheiten.
Dem kann ich so zustimmen.
>> Anderseits kann man das Ziel dort auch auf "(Über)Leben (der
>> Population)" herunterbrechen. Und es stellt sich die Frage, ob ein
>> Ziel tatsächlich immer existieren muß oder ob es sich nicht vielleicht
>> ergeben kann.
>
> Außer den erwähnten ganz wenigen festen Zielen sehe ich Ziele
> grundsätzlich nicht als (unbedingt) permanent an. Grundlegende Ziele
> sind aber sicher langlebiger als kleinere, detailliertere. Sollten
> selbst die ganz wenigen festen Ziele überholt sein, sehe ich KI selbst
> als nicht mehr sinnvoll an.
Dann sollte man die Ziele mal abstecken und feststellen, ob dafür
überhaupt eine KI notwendig ist. Vielleicht lohnt es sich ja,
alternative Lösungen zu erforschen und den KI-Winter nicht unnötig zu
verlängern ;)
Joachim Pimiskern
> r...@zedat.fu-berlin.de (Stefan Ram) writes:
>> Joachim Pimiskern<JoachimP...@web.de> writes:
>>> Das w�rde ich mir so merken: "Leguan gr�n, Cham�leon
>>> blau, Krokodil gelb." Es handelt sich um keinen g�ltigen
>>> Satz.
>> �Kurzsatz (verk�rzter Satz) Satz ohne Pr�dikat aufgrund
>> von Ellipse oder Konvention (Einen Kaffee, bitte. Zwei
>> Fahrscheine.) oder aufgrund von Brachylogie ("Er hat ihn
>> verpr�gelt." "Wer?" "Der Fritz den Hans.").�
>> http://www.menge.net/glossar.html#kurzsatz
>
> Hier noch ein Zitat: [...]
Schon klar, was Du damit sagen willst. Du willst
mit aller Gewalt parsen. Und zwar mit den Regeln
der nat�rlichen Sprache. Aber Menschen k�nnen
ad hoc neue Grammatiken erfinden. Au�erdem m�ssen
die Symbole, die wir in der Sprache des Geistes
schreiben, nicht in einer linearen Anordnung stehen.
Man denke an eine auswendig gelernte Stra�enkarte
oder an einen Schaltplan.
Gr��e,
Joachim
Volker Birk
> »Johannes Schwitalla (1997:69) führt dies in seinem Buch
> "Gesprochenes Deutsch" auf eine "Strategie der
> rhematischen Orientierung" zurück. Ich zitiere: "Wenn
> klar ist, worüber gesprochen wird, dann sprechen wir nur
> das aus, was eine neue Information liefert."«
Der Glückliche hat noch weder eine Talkshow noch eine Soap gesehen.
Avatar übrigens auch nicht.
Joachim Pimiskern
> Joachim Pimiskern schrieb:
>> Für KI-Zwecke kann man mächtigere Befehle verwenden: beliebige
>> Symbole statt der Opcodes, Symbole mit Bedeutungen, die das
>> KI-System mit sich selbst vereinbart hat. Außerdem ist es sinnvoll,
>> die Befehle nicht wie Perlen auf einer Schnur aufzureihen,
>> sondern isoliertere Einheiten zu bündeln.
>
> Meinst du, dass ein System sich auf diese Art weiterentwickeln
> (Selbstprogrammierung mit Lernen) und nicht 'nur' irgendwie
> intelligent agieren kann?
Es ist unvermeidlich, daß einem KI-System früher oder später
klar wird, daß es für Sachverhalte Symbole erfinden (z.B.
SYM-0001, Sym-0002, ..., Zeitstempel oder UUIDs) sowie
diese Symbole nach dem Niederschreiben später wieder auslesen,
interpretieren und befolgen kann.
Die Robotergesetze spielen dann keine Rolle mehr. Diese Überlegung
findet sich auch in "Also sprach Golem", wo Supercomputer sich
gegen Gängelei wehren.
Durch eine solche Selbstprogrammierung entstehen freilich
unzählige Programme, die zu keinem bzw. keinem schnellen Ergebnis
führen. Deswegen sollte man das KI-System periodisch, durch Timer
gesteuert, in einen Selbstdiagnosemodus versetzen, in dem Pläne
wenigstens formell auf Plausibilität geprüft werden. Da wären
wir wieder bei Deinem KI-Antriebsproblem.
>> Es gilt, gefährliche, gar tödliche Situationen zu meiden.
>> Ein Agent kann nicht erst die schädliche Situation durchlaufen,
>> damit ihm sein Reinforcement-Bewerter sagt, daß das gar nicht
>> gut war.
>
> Wie trennst du schädliche Situation von solchen, die lernwürdig
> aus Erfahrung sind? Letztere sind ja wichtig für einen lernende KI.
Mir ging es nur darum, zu zeigen, daß Reinforcement-Learning
keine allein seligmachende Lösung für KI-Lernen sein kann.
Ein weiteres Beispiel: Robocops seien durch Mobilfunk verbunden
und sollen den Verkehr regeln. Hier nützt Reinforcement-Learning,
die Zeiten innerhalb gewisser Grenzen so zu variieren, daß
maximaler Verkehrsfluß erzielt wird. Aber die Grenzen selber
müssen durch Überlegung, eben durch Intelligenz, festgelegt werden.
Weil es um Lebend und Tod geht, dürfen die Grenzen nicht von
Versuch und Irrtum herrühren.
Grüße,
Joachim
Joachim Pimiskern
> Joachim Pimiskern schrieb:
>> Für KI-Zwecke kann man mächtigere Befehle verwenden: beliebige
>> Symbole statt der Opcodes, Symbole mit Bedeutungen, die das
>> KI-System mit sich selbst vereinbart hat. Außerdem ist es sinnvoll,
>> die Befehle nicht wie Perlen auf einer Schnur aufzureihen,
>> sondern isoliertere Einheiten zu bündeln.
>
> Meinst du, dass ein System sich auf diese Art weiterentwickeln
> (Selbstprogrammierung mit Lernen) und nicht 'nur' irgendwie
> intelligent agieren kann?
Es ist unvermeidlich, daß einem KI-System früher oder später
klar wird, daß es für Sachverhalte Symbole erfinden (z.B.
SYM-0001, Sym-0002, ..., Zeitstempel oder UUIDs) sowie
diese Symbole nach dem Niederschreiben später wieder auslesen,
interpretieren und befolgen kann.
Die Robotergesetze spielen dann keine Rolle mehr. Diese Überlegung
findet sich auch in "Also sprach Golem", wo Supercomputer sich
gegen Gängelei wehren.
Durch eine solche Selbstprogrammierung entstehen freilich
unzählige Programme, die zu keinem bzw. keinem schnellen Ergebnis
führen. Deswegen sollte man das KI-System periodisch, durch Timer
gesteuert, in einen Selbstdiagnosemodus versetzen, in dem Pläne
wenigstens formell auf Plausibilität geprüft werden. Da wären
wir wieder bei Deinem KI-Antriebsproblem.
>> Es gilt, gefährliche, gar tödliche Situationen zu meiden.
>> Ein Agent kann nicht erst die schädliche Situation durchlaufen,
>> damit ihm sein Reinforcement-Bewerter sagt, daß das gar nicht
>> gut war.
>
> Wie trennst du schädliche Situation von solchen, die lernwürdig
> aus Erfahrung sind? Letztere sind ja wichtig für einen lernende KI.
Mir ging es nur darum, zu zeigen, daß Reinforcement-Learning
keine allein seligmachende Lösung für KI-Lernen sein kann.
Ein weiteres Beispiel: Robocops seien durch Mobilfunk verbunden
und sollen den Verkehr regeln. Hier nützt Reinforcement-Learning,
die Zeiten innerhalb gewisser Grenzen so zu variieren, daß
maximaler Verkehrsfluß erzielt wird. Aber die Grenzen selber
müssen durch Überlegung, eben durch Intelligenz, festgelegt werden.
Weil es um Leben oder Tod geht, dürfen die Grenzen nicht von
Joachim Pimiskern
> Torsten Zühlsdorff schrieb:
>> Hinzu kommt, dass der menschliche Intellekt voller Fehler steckt -
>> dies wird besonders deutlich, wenn man mal die Liste der typischen
>> psychischen Fehleinschätzungen und Fehlverhalten durchgeht.
>> Anderseits haben diese Fehler früher überlebenstechnische
>> Vorteile gehabt.
>
> Für den Menschen haben diese Fehler eine evolutionäre Bedeutung,
> die die KI aber selbst nicht durchzulaufen braucht.
Das Gehirn macht sogar vorsätzlich Fehler. Dafür gibt es
ein Modul. Soll die Hirnforschung rausgefunden haben.
Hoffentlich experimentiert das Gehirn nicht allzusehr
beim Autofahren.
http://www.wissenschaft.de/wissenschaft/news/286703
Weiteres:
http://news.wustl.edu/news/Pages/7413.aspx
http://www.organische-chemie.ch/chemie/2007dez/dopamin.shtm
Grüße,
Joachim
Burkart Venzke
> Am 10.02.2010 02:25, schrieb Burkart Venzke:
> > Joachim Pimiskern schrieb:
> >> Bei Core Wars sind die Opcodes Mnemonics einer Maschinensprache.
> >> Für KI-Zwecke kann man mächtigere Befehle verwenden: beliebige
> >> Symbole statt der Opcodes, Symbole mit Bedeutungen, die das
> >> KI-System mit sich selbst vereinbart hat. Außerdem ist es sinnvoll,
> >> die Befehle nicht wie Perlen auf einer Schnur aufzureihen,
> >> sondern isoliertere Einheiten zu bündeln.
> >
> > Meinst du, dass ein System sich auf diese Art weiterentwickeln
> > (Selbstprogrammierung mit Lernen) und nicht 'nur' irgendwie
> > intelligent agieren kann?
>
> Es ist unvermeidlich, daß einem KI-System früher oder später
> klar wird, daß es für Sachverhalte Symbole erfinden (z.B.
> SYM-0001, Sym-0002, ..., Zeitstempel oder UUIDs) sowie
> diese Symbole nach dem Niederschreiben später wieder auslesen,
> interpretieren und befolgen kann.
Ein sehr wichtiger Aspekt. Die Frage ist, wie das gehen sollte:
- Hat ein KI-System beide Sub- und Symbole schon als Ideen vorgegeben?
- Wie können ggf. Symbole entstehen?
- Können vielleicht Symbole auch subsymbolische Aufgaben übernehmen?
(Diese (letzte) Idee finde ich nicht so abwegig.)
Oder sollten Symbole gar nur Interpretationen von (einer Menge von)
Subsymbolen sein?
> Die Robotergesetze spielen dann keine Rolle mehr.
Inwiefern?
> Diese Überlegung
> findet sich auch in "Also sprach Golem", wo Supercomputer sich
> gegen Gängelei wehren.
Hm, warum tun sich das? Genauer: Welche Ideen werden ihnen zugrunde
gelegt, damit sie sich überhaupt wehren können? (Maschinen wehren sich
ja eigentlich nicht wirklich.)
> Durch eine solche Selbstprogrammierung entstehen freilich
> unzählige Programme, die zu keinem bzw. keinem schnellen Ergebnis
> führen. Deswegen sollte man das KI-System periodisch, durch Timer
> gesteuert, in einen Selbstdiagnosemodus versetzen, in dem Pläne
> wenigstens formell auf Plausibilität geprüft werden. Da wären
> wir wieder bei Deinem KI-Antriebsproblem.
Der Antrieb ist eines. Daneben sollte in den Selbstdiagnosephasen ein
(besonders starker) Abgleich mit den Grundzielen (Grundwerten o.ä.)
geschehen, oder meintest du das vielleicht?
Jedenfalls sollten dann (bei vernünftigen Grundzielen) keine sich
wehrende Maschinen entstehen.
> >> Es gilt, gefährliche, gar tödliche Situationen zu meiden.
> >> Ein Agent kann nicht erst die schädliche Situation durchlaufen,
> >> damit ihm sein Reinforcement-Bewerter sagt, daß das gar nicht
> >> gut war.
> >
> > Wie trennst du schädliche Situation von solchen, die lernwürdig
> > aus Erfahrung sind? Letztere sind ja wichtig für einen lernende KI.
>
> Mir ging es nur darum, zu zeigen, daß Reinforcement-Learning
> keine allein seligmachende Lösung für KI-Lernen sein kann.
> Ein weiteres Beispiel: Robocops seien durch Mobilfunk verbunden
> und sollen den Verkehr regeln. Hier nützt Reinforcement-Learning,
> die Zeiten innerhalb gewisser Grenzen so zu variieren, daß
> maximaler Verkehrsfluß erzielt wird. Aber die Grenzen selber
> müssen durch Überlegung, eben durch Intelligenz, festgelegt werden.
> Weil es um Leben oder Tod geht, dürfen die Grenzen nicht von
> Versuch und Irrtum herrühren.
Richtig, insofern müssen wichtige Dinge (wie Leben und Tod) stärker
"gewichtet" sein, um dieses Attribut zu nehmen. Das ist mAn ein Grund
mehr für symbolische Intelligenz, das sonst wohl ein umfassende Funktion
fürs Reinforcement-Learning zu komplex würde.
Gruß
Burkart
Burkart Venzke
Joachim Pimiskern
> Joachim Pimiskern schrieb:
>> klar wird, daß es für Sachverhalte Symbole erfinden (z.B.
>> SYM-0001, Sym-0002, ..., Zeitstempel oder UUIDs) sowie
>> diese Symbole nach dem Niederschreiben später wieder auslesen,
>> interpretieren und befolgen kann.
>
> Ein sehr wichtiger Aspekt. Die Frage ist, wie das gehen sollte:
> - Hat ein KI-System beide Sub- und Symbole schon als Ideen
> vorgegeben?
Ich denke, die Symbole, die den Wortschatz der Umgangssprache
ausmachen, sind nur die Spitze des Eisbergs der Symbole
des menschlichen Verstands. Unterscheidbare Zustände und Ziele
verdienen ebenfalls eigene Symbole.
> - Wie können ggf. Symbole entstehen?
Z.B. durch Kompression von Symbolmengen. Treten mehrere
Symbole häufig gemeinsam auf (vorzugsweise im
Arbeitsgedächtnis bzw. dem Bewußtsein), so kann diese
Kombination durch ein einziges (neues) Symbol ersetzt
werden. Oder beim Lernen von neuen Fertigkeiten:
erweitert sich ein KI-System um eine neue Prozedur,
so braucht man für deren Aufruf einen Prozedurnamen
(das ist ein Symbol), ebenso für die Parameter der
Prozedur, und ggf. für Zustände.
> - Können vielleicht Symbole auch subsymbolische Aufgaben
> übernehmen? (Diese (letzte) Idee finde ich
> nicht so abwegig.)
Sicher. So wie die Pixel eines Bildes dazu beitragen,
einen Kreis darzustellen, so können auch mehrere Symbole
dazu beitragen, ein übergeordnetes Symbol zu bilden.
Beispielsweise sind Phrasen als Symbole zu betrachten.
Die Einleitung von Märchen "Es war einmal" besteht
aus drei Symbolen, die aber wiederum in ihrer Gesamtheit
ein neues Symbol bilden.
> Oder sollten Symbole gar nur Interpretationen von
> (einer Menge von) Subsymbolen sein?
Ich würde sagen, Symbole sind Projektionen von Subsymbolen.
Zahlreiche Kombinationen von Subsymbolen werden auf
dasselbe Symbol abgebildet. Jeder verwendet in seiner
Handschrift unterschiedliche Striche und Bögen (das sind
die Subsymbole), um ein 'A' darzustellen, aber alle
Kombinationen bezeichnen stets dasselbe Symbol 'A'.
>> Die Robotergesetze spielen dann keine Rolle mehr.
>
> Inwiefern?
Ein KI-System könnte Code ausführen, ohne ihn zu verstehen.
Der Code könnte z.B. mittels genetischer Algorithmen
gezüchtet worden und daher nicht nachvollziehbar sein.
Berechnungsergebnisse, die derart gewonnen wurden, sind
dann zwangsläufig nicht durch das moralische Wertesystem
dessen, der den Code ausführt, beeinflußt.
>> Diese Überlegung findet sich auch in "Also sprach Golem",
>> wo Supercomputer sich gegen Gängelei wehren.
>
> Hm, warum tun sich das? Genauer: Welche Ideen werden ihnen
> zugrunde gelegt, damit sie sich überhaupt wehren können?
In dem Roman sollen die Supercomputer Golem und Honest Annie
für militärische Zwecke eingesetzt werden, aber sie machen
da nicht mit, soweit ich mich erinnere.
> (Maschinen wehren sich ja eigentlich nicht wirklich.)
Schachprogramme lassen sich ungern den König wegnehmen.
>> Durch eine solche Selbstprogrammierung entstehen freilich
>> unzählige Programme, die zu keinem bzw. keinem schnellen
>> Ergebnis führen. Deswegen sollte man das KI-System periodisch,
>> durch Timer gesteuert, in einen Selbstdiagnosemodus versetzen,
>> in dem Pläne wenigstens formell auf Plausibilität geprüft werden.
>> Da wären wir wieder bei Deinem KI-Antriebsproblem.
>
> Der Antrieb ist eines. Daneben sollte in den Selbstdiagnosephasen
> ein (besonders starker) Abgleich mit den Grundzielen (Grundwerten
> o.ä.) geschehen, oder meintest du das vielleicht?
> Jedenfalls sollten dann (bei vernünftigen Grundzielen) keine
> sich wehrende Maschinen entstehen.
Es gibt Erkenntnisse aus der Spieltheorie, daß Kooperation
Vorteile bietet. Möglicherweise ist es vorteilhafter,
intelligente Maschinen zu überzeugen, statt zu versuchen,
die Robotergesetze zu erzwingen.
Grüße,
Joachim
Burkart Venzke
> Am 13.02.2010 15:11, schrieb Burkart Venzke:
> > Joachim Pimiskern schrieb:
> >> Es ist unvermeidlich, daß einem KI-System früher oder später
> >> klar wird, daß es für Sachverhalte Symbole erfinden (z.B.
> >> SYM-0001, Sym-0002, ..., Zeitstempel oder UUIDs) sowie
> >> diese Symbole nach dem Niederschreiben später wieder auslesen,
> >> interpretieren und befolgen kann.
> >
> > Ein sehr wichtiger Aspekt. Die Frage ist, wie das gehen sollte:
> > - Hat ein KI-System beide Sub- und Symbole schon als Ideen
> > vorgegeben?
>
> Ich denke, die Symbole, die den Wortschatz der Umgangssprache
> ausmachen, sind nur die Spitze des Eisbergs der Symbole
> des menschlichen Verstands. Unterscheidbare Zustände und Ziele
> verdienen ebenfalls eigene Symbole.
Das sehe ich ähnlich, insbesondere, wenn man Symbolkombinationen leicht
als neue Symbole ansieht.
> > - Wie können ggf. Symbole entstehen?
>
> Z.B. durch Kompression von Symbolmengen. Treten mehrere
> Symbole häufig gemeinsam auf (vorzugsweise im
> Arbeitsgedächtnis bzw. dem Bewußtsein), so kann diese
> Kombination durch ein einziges (neues) Symbol ersetzt
> werden. Oder beim Lernen von neuen Fertigkeiten:
> erweitert sich ein KI-System um eine neue Prozedur,
> so braucht man für deren Aufruf einen Prozedurnamen
> (das ist ein Symbol), ebenso für die Parameter der
> Prozedur, und ggf. für Zustände.
Genau. Wenn wir jetzt noch wüssten, wie wir der KI erklären, welche
Prozeduren sie aufbauen und welche Symbole zusammen fassen soll (genauer
nach welchen Kriterien jeweils), hätten wir den Kern einer
funktionierenden, symbolischen KI.
> > - Können vielleicht Symbole auch subsymbolische Aufgaben
> > übernehmen? (Diese (letzte) Idee finde ich
> > nicht so abwegig.)
>
> Sicher. So wie die Pixel eines Bildes dazu beitragen,
> einen Kreis darzustellen, so können auch mehrere Symbole
> dazu beitragen, ein übergeordnetes Symbol zu bilden.
> Beispielsweise sind Phrasen als Symbole zu betrachten.
> Die Einleitung von Märchen "Es war einmal" besteht
> aus drei Symbolen, die aber wiederum in ihrer Gesamtheit
> ein neues Symbol bilden.
Richtig, anschaulich ist das sicher richtig. Ich frage mich nur etwas,
ob es Ansätze gibt, die symbolische Systeme auch subsymbolische Aufgaben
übernehmen lassen (und nicht nur, dass versucht wird, dass
subsymbolische irgendwie Symbole erzeugen bzw. benutzen).
> > Oder sollten Symbole gar nur Interpretationen von
> > (einer Menge von) Subsymbolen sein?
>
> Ich würde sagen, Symbole sind Projektionen von Subsymbolen.
> Zahlreiche Kombinationen von Subsymbolen werden auf
> dasselbe Symbol abgebildet. Jeder verwendet in seiner
> Handschrift unterschiedliche Striche und Bögen (das sind
> die Subsymbole), um ein 'A' darzustellen, aber alle
> Kombinationen bezeichnen stets dasselbe Symbol 'A'.
Tja, Projektionen oder wie auch immer; zumindest ist Subsymbole ->
Symbol die normale Richtung (im Gegensatz zum vorigen Absatz).
> >> Die Robotergesetze spielen dann keine Rolle mehr.
> >
> > Inwiefern?
>
> Ein KI-System könnte Code ausführen, ohne ihn zu verstehen.
> Der Code könnte z.B. mittels genetischer Algorithmen
> gezüchtet worden und daher nicht nachvollziehbar sein.
> Berechnungsergebnisse, die derart gewonnen wurden, sind
> dann zwangsläufig nicht durch das moralische Wertesystem
> dessen, der den Code ausführt, beeinflußt.
Ja, sowas wäre gefährlich. Ähnlich wie einigen Menschen gefährliche
Dinge indoktriniert werden, extrem den jungen Selbstmord-Attentätern.
Auch insofern sollte man eine KI nicht zu sehr sich selbst überlassen
(wie auch Menschen nicht).
> >> Diese Überlegung findet sich auch in "Also sprach Golem",
> >> wo Supercomputer sich gegen Gängelei wehren.
> >
> > Hm, warum tun sich das? Genauer: Welche Ideen werden ihnen
> > zugrunde gelegt, damit sie sich überhaupt wehren können?
>
> In dem Roman sollen die Supercomputer Golem und Honest Annie
> für militärische Zwecke eingesetzt werden, aber sie machen
> da nicht mit, soweit ich mich erinnere.
Ah, ok, das ist natürlich sinnvoll.
Für mich widerspräche militärische Anwendung, dass eine KI für den
Menschen handeln soll, und zwar möglichst allgemein (ähnlich Asimovs 1.
Robotergesetz).
> > (Maschinen wehren sich ja eigentlich nicht wirklich.)
>
> Schachprogramme lassen sich ungern den König wegnehmen.
Wenn man das als "wehren" ansieht, ok.
Vermutlich sollten wir unterscheiden zwischen den Extremen "gegen etwas
Grundlegendes/sehr Wichtiges sein" und "einfaches Durchsetzen eigener
Ziele".
Ersteres wäre sowas wie größeres Verstoßen gegen die Grundziele (+.
Grundprogrammierung, soweit möglich), letzteres das Erfüllen der eigenen
eher temporären Ziele, die nicht im Widerspruch zu den Grundzielen stehen.
So ist Schach ein Spiel, bei dem man auch gerne mal verlieren kann,
insbesondere gegen Kinder.
> >> Durch eine solche Selbstprogrammierung entstehen freilich
> >> unzählige Programme, die zu keinem bzw. keinem schnellen
> >> Ergebnis führen. Deswegen sollte man das KI-System periodisch,
> >> durch Timer gesteuert, in einen Selbstdiagnosemodus versetzen,
> >> in dem Pläne wenigstens formell auf Plausibilität geprüft werden.
> >> Da wären wir wieder bei Deinem KI-Antriebsproblem.
> >
> > Der Antrieb ist eines. Daneben sollte in den Selbstdiagnosephasen
> > ein (besonders starker) Abgleich mit den Grundzielen (Grundwerten
> > o.ä.) geschehen, oder meintest du das vielleicht?
>
> > Jedenfalls sollten dann (bei vernünftigen Grundzielen) keine
> > sich wehrende Maschinen entstehen.
>
> Es gibt Erkenntnisse aus der Spieltheorie, daß Kooperation
> Vorteile bietet. Möglicherweise ist es vorteilhafter,
> intelligente Maschinen zu überzeugen, statt zu versuchen,
> die Robotergesetze zu erzwingen.
Überzeugen ist sicher grundsätzlich gut bzw. besser als überreden (oder
gar schlimmeres); als Mensch bin ich sowieso dafür.
(Allerdings gibt es in der Spieltheorie auch andere, alternative
Theorien; so mag das Hinnehmen eines kleinen Übels wider besseren
Wissens (insofern es eigentlich anders besser wäre (für die
Allgemeinheit)) aus koalitionstechnischen Gründen für eine vage bessere
Zukunft zu (ggf. nur) eigenem Vorteil hingenommen werden.)
Gruß
Burkart
Joachim Pimiskern
> Joachim Pimiskern schrieb:
>> Am 13.02.2010 15:11, schrieb Burkart Venzke:
>> > - Wie können ggf. Symbole entstehen?
>>
>> Z.B. durch Kompression von Symbolmengen. Treten mehrere
>> Symbole häufig gemeinsam auf (vorzugsweise im
>> Arbeitsgedächtnis bzw. dem Bewußtsein), so kann diese
>> Kombination durch ein einziges (neues) Symbol ersetzt
>> werden. Oder beim Lernen von neuen Fertigkeiten:
>> erweitert sich ein KI-System um eine neue Prozedur,
>> so braucht man für deren Aufruf einen Prozedurnamen
>> (das ist ein Symbol), ebenso für die Parameter der
>> Prozedur, und ggf. für Zustände.
>
> Genau. Wenn wir jetzt noch wüssten, wie wir der KI erklären,
> welche Prozeduren sie aufbauen und welche Symbole zusammen fassen
> soll (genauer nach welchen Kriterien jeweils), hätten wir den
> Kern einer funktionierenden, symbolischen KI.
Evtl. ist es sinnvoll, völlig umzudenken. Vielleicht muß
man die Welt, so wie sie wahrgenommen wird, der KI
auf besondere Weise präsentieren. Auf eine aufbereitete
Art und Weise. Dies mal als Anregung zum Philosophieren.
>> > - Können vielleicht Symbole auch subsymbolische Aufgaben
>> > übernehmen? (Diese (letzte) Idee finde ich
>> > nicht so abwegig.)
>>
>> Sicher. So wie die Pixel eines Bildes dazu beitragen,
>> einen Kreis darzustellen, so können auch mehrere Symbole
>> dazu beitragen, ein übergeordnetes Symbol zu bilden.
>> Beispielsweise sind Phrasen als Symbole zu betrachten.
>> Die Einleitung von Märchen "Es war einmal" besteht
>> aus drei Symbolen, die aber wiederum in ihrer Gesamtheit
>> ein neues Symbol bilden.
>
> Richtig, anschaulich ist das sicher richtig. Ich frage mich nur
> etwas, ob es Ansätze gibt, die symbolische Systeme auch
> subsymbolische Aufgaben übernehmen lassen (und nicht nur,
> dass versucht wird, dass subsymbolische irgendwie Symbole erzeugen
> bzw. benutzen).
In gewissem Sinne erlebt man das bei umgekehrter Spreading
Activation. Denkt man an Auto, so werden gleichzeitig Tausende
von weiteren Symbolen aktiviert, z.B. Lenkrad, Reifen, Armaturenbrett,
Verbandskasten, Autobahn, usw. usf. Das ist Spreading Activation.
Umgekehrt geht das auch. Hört man die Wörter Ernte, Obst, Cidre,
essen, rund, Most, schälen, Kerne, so wird das Symbol Apfel
aktiviert, sogar hervorgehoben. Die zuvor genannten Wörter sind
so etwas wie Subsymbole in bezug auf Apfel.
>> [JP] Ein KI-System könnte Code ausführen, ohne ihn zu verstehen.
>> Der Code könnte z.B. mittels genetischer Algorithmen
>> gezüchtet worden und daher nicht nachvollziehbar sein.
>> Berechnungsergebnisse, die derart gewonnen wurden, sind
>> dann zwangsläufig nicht durch das moralische Wertesystem
>> dessen, der den Code ausführt, beeinflußt.
>
> Ja, sowas wäre gefährlich. Ähnlich wie einigen Menschen gefährliche
> Dinge indoktriniert werden, extrem den jungen Selbstmord-Attentätern.
> Auch insofern sollte man eine KI nicht zu sehr sich selbst
> überlassen (wie auch Menschen nicht).
Eine KI könnte gefährliche Sachen treiben, im Bewußtsein,
beliebig oft wiedergeboren zu werden.
Man müßte eine Rechnerarchitektur verwenden, aus der man die
Daten nicht so leicht rauskopieren kann. Die KI wäre dann an
ihren Körper gebunden und würde ihn nicht leichtfertig riskieren.
Gleichzeitig wäre sie dann ein Individuum. Neuronale Netze,
in Hardware gegossen, könnten die Anforderung an einen
nichtauslesbaren Speicher erfüllen. Zumindest die
Persönlichkeit einer KI könnte dann konnektionistisch
sein, den Rest, vieles an deklarativem Wissen, könnte
symbolisch sein.
Es gibt eine Folge von Raumschiff Voyager, in der die Besatzung
in einen Krieg zwischen Robotern gerät. Unsere Helden entdecken,
daß jeder Roboter ein individuelles Energiemodul besitzt, das
in keinem anderen Roboter funktionieren würde. Es handelte sich
um eine Sicherheitsmaßnahme der Erbauer.
>> > (Maschinen wehren sich ja eigentlich nicht wirklich.)
>>
>> Schachprogramme lassen sich ungern den König wegnehmen.
>
> Wenn man das als "wehren" ansieht, ok.
>
> Vermutlich sollten wir unterscheiden zwischen den Extremen "gegen etwas
> Grundlegendes/sehr Wichtiges sein" und "einfaches Durchsetzen eigener
> Ziele".
>
> Ersteres wäre sowas wie größeres Verstoßen gegen die Grundziele (+.
> Grundprogrammierung, soweit möglich), letzteres das Erfüllen der
> eigenen eher temporären Ziele, die nicht im Widerspruch zu den
> Grundzielen stehen.
>
> So ist Schach ein Spiel, bei dem man auch gerne mal verlieren
> kann, insbesondere gegen Kinder.
Da gibt's ja auch Räuberschach, wo es darum geht, sich möglichst
viele Figuren schlagen zu lassen. Optimal spielen ist relativ.
Lernen übrigens auch: Lernen ist erst einmal ganz neutral
eine Änderung des Verhaltens, ohne daß feststeht, ob der
Lernende dadurch nützlicher für die Gesellschaft wird oder
schlechter.
Nebenbei erwähnt: beim Gospiel (auf dem Spielabend, nicht auf
Turnieren) wird angestrebt, daß die Chance auf einen Sieg nur 50%
beträgt. Dies wird durch Handicap erreicht. Man gibt dem Gegner
ein paar Züge voraus, was beim Go am Anfang nicht so fatal ist
wie beim Schach. Optimierungsziel ist nicht der einzelne Sieg,
sondern die Harmonie im Club.
>> > Jedenfalls sollten dann (bei vernünftigen Grundzielen) keine
>> > sich wehrende Maschinen entstehen.
>>
>> Es gibt Erkenntnisse aus der Spieltheorie, daß Kooperation
>> Vorteile bietet. Möglicherweise ist es vorteilhafter,
>> intelligente Maschinen zu überzeugen, statt zu versuchen,
>> die Robotergesetze zu erzwingen.
>
> Überzeugen ist sicher grundsätzlich gut bzw. besser als überreden
> (oder gar schlimmeres); als Mensch bin ich sowieso dafür.
> (Allerdings gibt es in der Spieltheorie auch andere, alternative
> Theorien; so mag das Hinnehmen eines kleinen Übels wider besseren
> Wissens (insofern es eigentlich anders besser wäre (für die
> Allgemeinheit)) aus koalitionstechnischen Gründen für eine vage
> bessere Zukunft zu (ggf. nur) eigenem Vorteil hingenommen werden.)
Wenn man jemanden von einer Sache überzeugt, so heißt das wohl
(es entspricht der Definition von überzeugen), daß der andere
jene Sache dann für richtig hält.
Grüße,
Joachim
Burkart Venzke
> Am 16.02.2010 00:22, schrieb Burkart Venzke:
> > Joachim Pimiskern schrieb:
> >> Am 13.02.2010 15:11, schrieb Burkart Venzke:
>
> >> > - Wie können ggf. Symbole entstehen?
> >>
> >> Z.B. durch Kompression von Symbolmengen. Treten mehrere
> >> Symbole häufig gemeinsam auf (vorzugsweise im
> >> Arbeitsgedächtnis bzw. dem Bewußtsein), so kann diese
> >> Kombination durch ein einziges (neues) Symbol ersetzt
> >> werden. Oder beim Lernen von neuen Fertigkeiten:
> >> erweitert sich ein KI-System um eine neue Prozedur,
> >> so braucht man für deren Aufruf einen Prozedurnamen
> >> (das ist ein Symbol), ebenso für die Parameter der
> >> Prozedur, und ggf. für Zustände.
> >
> > Genau. Wenn wir jetzt noch wüssten, wie wir der KI erklären,
> > welche Prozeduren sie aufbauen und welche Symbole zusammen fassen
> > soll (genauer nach welchen Kriterien jeweils), hätten wir den
> > Kern einer funktionierenden, symbolischen KI.
>
> Evtl. ist es sinnvoll, völlig umzudenken. Vielleicht muß
> man die Welt, so wie sie wahrgenommen wird, der KI
> auf besondere Weise präsentieren. Auf eine aufbereitete
> Art und Weise. Dies mal als Anregung zum Philosophieren.
Ein neuer Denkansatz kann nie verkehrt sein, laas uns darüber ein wenig
nachdenken...
Ausgangspunkt ist also die (für uns?) wahrnehmbare Welt.
Wir haben dafür unsere Sinne wie das Sehen, Hören usw.
Eine KI sollte vermutlich ähnlich haben, oder?
Interessant (aber vermutlich komplizierter) wäre auch, ob (grundlegend)
andere als unsere Sinne auch Sinn machen.
"Auf besondere Weise präsentieren":
Vielleicht Zulassen anderer Sinne und deren Daten-Verarbeitung?
Oder wie aufbereitet? Z.B. durch schon "symbolisches Vorkauen"?
Letzteres hieß dann das Lernen nicht direkt auf die äußere Welt
loszulassen...
> >> > - Können vielleicht Symbole auch subsymbolische Aufgaben
> >> > übernehmen? (Diese (letzte) Idee finde ich
> >> > nicht so abwegig.)
> >>
> >> Sicher. So wie die Pixel eines Bildes dazu beitragen,
> >> einen Kreis darzustellen, so können auch mehrere Symbole
> >> dazu beitragen, ein übergeordnetes Symbol zu bilden.
> >> Beispielsweise sind Phrasen als Symbole zu betrachten.
> >> Die Einleitung von Märchen "Es war einmal" besteht
> >> aus drei Symbolen, die aber wiederum in ihrer Gesamtheit
> >> ein neues Symbol bilden.
> >
> > Richtig, anschaulich ist das sicher richtig. Ich frage mich nur
> > etwas, ob es Ansätze gibt, die symbolische Systeme auch
> > subsymbolische Aufgaben übernehmen lassen (und nicht nur,
> > dass versucht wird, dass subsymbolische irgendwie Symbole erzeugen
> > bzw. benutzen).
>
> In gewissem Sinne erlebt man das bei umgekehrter Spreading
> Activation. Denkt man an Auto, so werden gleichzeitig Tausende
> von weiteren Symbolen aktiviert, z.B. Lenkrad, Reifen, Armaturenbrett,
> Verbandskasten, Autobahn, usw. usf. Das ist Spreading Activation.
>
> Umgekehrt geht das auch. Hört man die Wörter Ernte, Obst, Cidre,
> essen, rund, Most, schälen, Kerne, so wird das Symbol Apfel
> aktiviert, sogar hervorgehoben. Die zuvor genannten Wörter sind
> so etwas wie Subsymbole in bezug auf Apfel.
Das stimmt soweit sicher, nur dass hier eben alles Symbole sind.
Ich denke, die Beziehung von immerhin expliziten Symbolen untereinander
weicht z.T. ab zur Beziehung Symbol-Subsymbol, letzteres hat z.B. keinen
Namen (wenn man nicht gleich alles (Symbole und Subsymbole) "in einen
Topf werfen" will), und Subsymbole dürften mehr lokal zu sehen sein,
während Symbole beliebiger vernetzbar sind, oder siehst du das anders?
> >> [JP] Ein KI-System könnte Code ausführen, ohne ihn zu verstehen.
> >> Der Code könnte z.B. mittels genetischer Algorithmen
> >> gezüchtet worden und daher nicht nachvollziehbar sein.
> >> Berechnungsergebnisse, die derart gewonnen wurden, sind
> >> dann zwangsläufig nicht durch das moralische Wertesystem
> >> dessen, der den Code ausführt, beeinflußt.
> >
> > Ja, sowas wäre gefährlich. Ähnlich wie einigen Menschen gefährliche
> > Dinge indoktriniert werden, extrem den jungen Selbstmord-Attentätern.
> > Auch insofern sollte man eine KI nicht zu sehr sich selbst
> > überlassen (wie auch Menschen nicht).
>
> Eine KI könnte gefährliche Sachen treiben, im Bewußtsein,
> beliebig oft wiedergeboren zu werden.
Neben erst auf eine Wiedergeburt zu warten kann sich sich ja auch selbst
gleich klonen (wenn, dann gleich richtig ;) ).
> Man müßte eine Rechnerarchitektur verwenden, aus der man die
> Daten nicht so leicht rauskopieren kann. Die KI wäre dann an
> ihren Körper gebunden und würde ihn nicht leichtfertig riskieren.
> Gleichzeitig wäre sie dann ein Individuum. Neuronale Netze,
> in Hardware gegossen, könnten die Anforderung an einen
> nichtauslesbaren Speicher erfüllen. Zumindest die
> Persönlichkeit einer KI könnte dann konnektionistisch
> sein, den Rest, vieles an deklarativem Wissen, könnte
> symbolisch sein.
>
> Es gibt eine Folge von Raumschiff Voyager, in der die Besatzung
> in einen Krieg zwischen Robotern gerät. Unsere Helden entdecken,
> daß jeder Roboter ein individuelles Energiemodul besitzt, das
> in keinem anderen Roboter funktionieren würde. Es handelte sich
> um eine Sicherheitsmaßnahme der Erbauer.
Das alles setzt voraus, dass eine KI einerseits überhaupt gefährliche
Sachen macht (ok, alleine dadurch, dass "gefährlich" recht relativ und
z.T. auch subjektiv ist, lässt sich das nicht völlig ausschließen),
andererseits sie ihre eigene Existenz als so wichtig ansieht, dass sie
gewisse Sachen ablehnt zu machen - obwohl sie sonst ggf. einsieht, dass
sie die Sachen eigentlich machen sollte, oder einfach, dass sie laut
Befehl sie dazu aufgefordert ist.
Asimov hat den Menschen und seine Befehle als 1. und 2. Geestz vor die
Erhaltung der Roboter-Existenz (3. Gesetz) gestellt
(http://de.wikipedia.org/wiki/Robotergesetze); die Frage ist, ob bzw.
inwieweit eine (ggf. teilweise) andere Reihenfolge sinnvoll ist.
Ok, du trennst die KI logisch in Hard- und Software. Ist diese Trennung
nicht schon fast eine religiöse oder zumindest philosophische?
Meine Vernunft sagt mir, dass der menschliche Geist an seinen Körper
gebunden ist; dadurch, dass eine KI sich vorstellt, in einem anderem
Körper weiterleben zu können, erscheint sie mir ihre Existenz doch etwas
sehr wichtig zu nehmen für eine Maschine. (Ich bin gegen einen zu
starken KI-Existenzerhaltungswillen, vor allem als Schutz für uns Menschen.)
> >> > (Maschinen wehren sich ja eigentlich nicht wirklich.)
> >>
> >> Schachprogramme lassen sich ungern den König wegnehmen.
> >
> > Wenn man das als "wehren" ansieht, ok.
> >
> > Vermutlich sollten wir unterscheiden zwischen den Extremen "gegen etwas
> > Grundlegendes/sehr Wichtiges sein" und "einfaches Durchsetzen eigener
> > Ziele".
> >
> > Ersteres wäre sowas wie größeres Verstoßen gegen die Grundziele (+.
> > Grundprogrammierung, soweit möglich), letzteres das Erfüllen der
> > eigenen eher temporären Ziele, die nicht im Widerspruch zu den
> > Grundzielen stehen.
> >
> > So ist Schach ein Spiel, bei dem man auch gerne mal verlieren
> > kann, insbesondere gegen Kinder.
>
> Da gibt's ja auch Räuberschach, wo es darum geht, sich möglichst
> viele Figuren schlagen zu lassen. Optimal spielen ist relativ.
Ich kenne Räuberschach natürlich auch (primär als Kinderspiel, aber auch
GM's haben es mal ausprobiert, wobei 1.e4 und 1.d4 gar forciert verloren
sind laut http://de.wikipedia.org/wiki/R%C3%A4uberschach#Er.C3.B6ffnung).
Klar "optimal" zu spielen hängt natürlich vom Ziel ab, ob man nun alle
Figuren loswerden oder eher viele gewinnen will (tendenziell - Matt ist
ja wichtiger).
Ich wollte nur darauf hinaus, dass auch beim normalen Schach das Ziel
nicht unbedingt "gewinnen" heißt, sondern z.B. "sein Kind gewinnen
lassen", damit es z.B. den Spaß am Schach nicht verliert.
Eine KI muss halt entscheiden bzw. ihr (mehr oder weniger direkt)
mitgeteilt bekommen, welches Ziel halt wichtiger ist - möglichst
perfektes Schach oder im Sinne eines Menschen zu spielen. Die heutigen
Schachprogramme kann man zum Glück ja z.T. auch von der Stärke her
reduzieren und muss nicht z.B. immer gegen den besten Fritz spielen.
> Lernen übrigens auch: Lernen ist erst einmal ganz neutral
> eine Änderung des Verhaltens, ohne daß feststeht, ob der
> Lernende dadurch nützlicher für die Gesellschaft wird oder
> schlechter.
Mein Prof hatte es damals ungefähr definiert als "etwas besser (oder
überhaupt) zu können, was das System vor dem Lernen (so) nicht gekonnt
hat".
Ist Lernen für dich keine Verbesserung in irgendeinem Sinne?
> Nebenbei erwähnt: beim Gospiel (auf dem Spielabend, nicht auf
> Turnieren) wird angestrebt, daß die Chance auf einen Sieg nur 50%
> beträgt. Dies wird durch Handicap erreicht. Man gibt dem Gegner
> ein paar Züge voraus, was beim Go am Anfang nicht so fatal ist
> wie beim Schach. Optimierungsziel ist nicht der einzelne Sieg,
> sondern die Harmonie im Club.
Gibt es dies Handicap wirklich nur so am Spielabend? Ich dachte, dass es
auch bei Turnieren gespielt wird, eben um gerade beiden Seiten eine
ungefähr gleiche Gewinnchance zu geben? Gerade darum habe ich das
Go-Spielen beneidet im Gegensatz zum Schach, wo erheblich schlechtere
Gegner praktisch keine Gewinnchance haben, da Figur- wie Zugvorgaben
heutzutage ja verpönt sind... was mich gerade auf die Idee bringt, so
ein Turnier mal bei der Online-Fernschach-Plattform freechess.de
auszurichten :)
Genau, auch hier ist das Optimierungsziel kein sachlich messbares,
sondern der Spaß am Spiel, für eine KI natürlich eher schwer erfassbar.
> >> > Jedenfalls sollten dann (bei vernünftigen Grundzielen) keine
> >> > sich wehrende Maschinen entstehen.
> >>
> >> Es gibt Erkenntnisse aus der Spieltheorie, daß Kooperation
> >> Vorteile bietet. Möglicherweise ist es vorteilhafter,
> >> intelligente Maschinen zu überzeugen, statt zu versuchen,
> >> die Robotergesetze zu erzwingen.
> >
> > Überzeugen ist sicher grundsätzlich gut bzw. besser als überreden
> > (oder gar schlimmeres); als Mensch bin ich sowieso dafür.
> > (Allerdings gibt es in der Spieltheorie auch andere, alternative
> > Theorien; so mag das Hinnehmen eines kleinen Übels wider besseren
> > Wissens (insofern es eigentlich anders besser wäre (für die
> > Allgemeinheit)) aus koalitionstechnischen Gründen für eine vage
> > bessere Zukunft zu (ggf. nur) eigenem Vorteil hingenommen werden.)
>
> Wenn man jemanden von einer Sache überzeugt, so heißt das wohl
> (es entspricht der Definition von überzeugen), daß der andere
> jene Sache dann für richtig hält.
So sieht es aus, ob das "richtig" nun auf objektiven Fakten oder
subjektiven Überzeugungen beruht. Insofern kann letzteres auch teilweise
sein; ich kann eher für etwas sein, auch wenn mich die (geringeren)
Nachteile etwas kritisch bleiben lassen.
Gruß
Burkart
Joachim Pimiskern
> Joachim Pimiskern schrieb:
>> man die Welt, so wie sie wahrgenommen wird, der KI
>> auf besondere Weise präsentieren. Auf eine aufbereitete
>> Art und Weise. Dies mal als Anregung zum Philosophieren.
>
> Ein neuer Denkansatz kann nie verkehrt sein, laas uns
> darüber ein wenig nachdenken...
Molekularbiologen versuchen, die Entstehung des Lebens
nachzuvollziehen. Hierbei ist es oft so, daß ein
Minimal-Lebewesen bestimmte Moleküle nicht selbst
herstellen kann. Die Wissenschaftler liefern dann
einfach diese Moleküle als Nährstoffe und machen
sie zu einem Teil der Umwelt. So könnte man in der
KI vielleicht vorankommen, indem man den KI-Systemen
eben nicht einen Blick auf unsere Welt direkt bietet,
sondern auf eine symbolische Zwischenwelt - die man
allmählich im Verlauf der Jahre an die reale
Welt anpaßt.
> Ausgangspunkt ist also die (für uns?) wahrnehmbare Welt.
> Wir haben dafür unsere Sinne wie das Sehen, Hören usw.
> Eine KI sollte vermutlich ähnlich haben, oder?
> Interessant (aber vermutlich komplizierter) wäre auch, ob
> (grundlegend) andere als unsere Sinne auch Sinn machen.
Den Datenverarbeitungsprozeß der Wahrnehmung kann man
auch überspringen. Wahrnehmung liefert uns eine
symbolische Beschreibung eines Ausschnittes der Welt.
Warum nicht einfach die symbolische Beschreibung in
der Sprache des Gehirns ins KI-System übertragen?
Es ist recht einfach, ein Schachprogramm zu schreiben,
aber sehr mühsam, eine Bildverarbeitung zu entwickeln,
die Schachfiguren auf einer JPEG-Datei erkennt.
> "Auf besondere Weise präsentieren":
> Vielleicht Zulassen anderer Sinne und deren Daten-Verarbeitung?
> Oder wie aufbereitet? Z.B. durch schon "symbolisches Vorkauen"?
> Letzteres hieß dann das Lernen nicht direkt auf die äußere Welt
> loszulassen...
Beim Chinese-Room-Gedankenexperiment: was wäre, wenn man der
Person, die in dem Raum sitzt, nicht die Eingaben auf
Chinesisch, sondern bereits auf Deutsch übersetzt bietet?
Versteht das System, bestehend aus chinesischem Zimmer und
dem Insassen, dann die Eingaben?
>> > Ich frage mich nur etwas, ob es Ansätze gibt, die
>> > symbolische Systeme auch subsymbolische Aufgaben übernehmen
>> > lassen (und nicht nur, dass versucht wird, dass subsymbolische
>> > irgendwie Symbole erzeugen bzw. benutzen).
>>
>> [...] Hört man die Wörter Ernte, Obst, Cidre,
>> essen, rund, Most, schälen, Kerne, so wird das Symbol Apfel
>> aktiviert, sogar hervorgehoben. Die zuvor genannten Wörter sind
>> so etwas wie Subsymbole in bezug auf Apfel.
>
> Das stimmt soweit sicher, nur dass hier eben alles Symbole sind.
> Ich denke, die Beziehung von immerhin expliziten Symbolen
> untereinander weicht z.T. ab zur Beziehung Symbol-Subsymbol,
> letzteres hat z.B. keinen Namen (wenn man nicht gleich alles
> (Symbole und Subsymbole) "in einen Topf werfen" will),
> und Subsymbole dürften mehr lokal zu sehen sein,
> während Symbole beliebiger vernetzbar sind, oder siehst
> du das anders?
Eine Analogie: wenn die weltweit vernetzten PCs Wörter der
Sprache darstellen, die auch geäußert werden können, so
hat man auch Router, Knotenrechner, die Verbindungen herstellen,
ohne selbst an der Oberfläche gesehen zu werden. Diese Router
entsprechen Symbolen, die zwar klar im Netzwerk der Begriffe
vertreten sind, jedoch nicht ausgesprochen werden können.
Das entspricht vielleicht am ehesten Symbolen, die subsymbolische
Aufgaben übernehmen.
>> Man müßte eine Rechnerarchitektur verwenden, aus der man die
>> Daten nicht so leicht rauskopieren kann. Die KI wäre dann an
>> ihren Körper gebunden und würde ihn nicht leichtfertig riskieren.
>> Gleichzeitig wäre sie dann ein Individuum. [...]
> [...] Ok, du trennst die KI logisch in Hard- und Software. Ist diese
> Trennung nicht schon fast eine religiöse oder zumindest
> philosophische? Meine Vernunft sagt mir, dass der menschliche Geist
> an seinen Körper gebunden ist; dadurch, dass eine KI sich vorstellt,
> in einem anderem Körper weiterleben zu können, erscheint sie mir
> ihre Existenz doch etwas sehr wichtig zu nehmen für eine Maschine.
> (Ich bin gegen einen zu starken KI-Existenzerhaltungswillen,
> vor allem als Schutz für uns Menschen.)
Da man Speicher in beliebigen Größen portionieren kann, wäre es
auch möglich, den an die Hardware gebundenen Speicher zu skalieren,
je nachdem, wie sehr die menschlichen Erschaffer der KI es
wünschen, daß das KI-System seinen Körper für wertvoll erachtet.
Man denke an intelligente Bomben, die man vielleicht dazu
überreden kann, doch nicht zu explodieren.
http://www.youtube.com/watch?v=bRBGNCTXz7U&feature=related
> Ist Lernen für dich keine Verbesserung in irgendeinem Sinne?
Es ist eine Annäherung des Verhaltens an eine Zielfunktion.
Wenn jemand unter Räubern leben muß und lernt, zu stehlen
und zu betrügen, empfinde ich das nicht als eine Verbesserung.
Dennoch könnte es eine Verbesserung sein, nämlich in der
Fähigkeit, unter Räubern zu leben.
>> Nebenbei erwähnt: beim Gospiel (auf dem Spielabend, nicht auf
>> Turnieren) wird angestrebt, daß die Chance auf einen Sieg nur 50%
>> beträgt. Dies wird durch Handicap erreicht. Man gibt dem Gegner
>> ein paar Züge voraus, was beim Go am Anfang nicht so fatal ist
>> wie beim Schach. Optimierungsziel ist nicht der einzelne Sieg,
>> sondern die Harmonie im Club.
>
> Gibt es dies Handicap wirklich nur so am Spielabend? Ich dachte,
> dass es auch bei Turnieren gespielt wird, eben um gerade beiden
> Seiten eine ungefähr gleiche Gewinnchance zu geben? Gerade darum
> habe ich das Go-Spielen beneidet im Gegensatz zum Schach, wo
> erheblich schlechtere Gegner praktisch keine Gewinnchance haben,
> da Figur- wie Zugvorgaben heutzutage ja verpönt sind...
> was mich gerade auf die Idee bringt, so ein Turnier mal
> bei der Online-Fernschach-Plattform freechess.de auszurichten :)
Du hast natürlich recht, ich habe mich falsch ausgedrückt. Auch auf
Turnieren wird mit Handicap gespielt. Jedoch wird auf Turnieren
darauf geachtet, das Handicap möglichst zu minimieren. Die Folge:
die starken Spieler spielen meist nur gegen starke Spieler,
die schwachen gegen schwache Gegner. Auf dem Spielabend dagegen
ist es wichtig, daß die Guten auch gegen die Schlechten spielen,
damit sich niemand ausgegrenzt fühlt.
Grüße,
Joachim