Konzepte

Prolog
Ein Prolog-Programm setzt sich aus Klauseln zusammen. Klauseln sind dabei einzelne Aussagen bzw. Aussageformen (Aussagen mit Variablen). Ein Prolog-Programm versucht nun, zu einem vorgegebenen Problem passende Klauseln zu finden und diese zu einer Lösung zu kombinieren. Es entsteht dabei eine Art Schlusskette, wie man sie aus math. Beweisen kennt.
Prolog kann nach gewissen Regeln selbständig neue Klauseln erzeugen. Hierdurch wird ein Programm lernfähig. Viele Aufgaben lassen sich in Prolog sehr effektiv programmieren, so benötigt man für ein einfaches Expertensystem gerade 5 Zeilen.

Die Reihenfolge, in der die Klauseln auf Verwendbarkeit getestet werden, wird durch die Anordnung der Klauseln im Programmtext bestimmt. Dies schränkt die Flexibilität des Programms deutlich ein.
Details

Neuronale Netze
Ein neuronales Netz besteht aus autonomen Zellen (Neuronen), die einander auf bestimmten Wegen Zahlen übermitteln können.
Dabei werden eingehende Zahlen mit Faktoren gewichtet und dann addiert. Ist die Summe größer als ein Schwellenwert, so gibt das Neuron einen festen Zahlenwert an andere Neuronen aus. Durch Rückkopplung von Ausgängen auf Eingänge kann zeitlich komplexes Verhalten ausgelöst werden.
Wichtungen und Schwellenwerte können je nach Relevanz der Ausgaben angepasst werden. Z.B. kann das Netz ein Zahlenmuster erzeugen, das mit einer Vorgabe verglichen wird: Je stärker das Ausgabemuster von der Vorgabe abweicht, um so stärker werden Wichtungen und Schwellenwerte geändert. Wiederholt man den Vorgang, entsteht ein Lernprozess.

Wie sich die Faktoren und Schwellenwerte mit der Zeit verändern, lässt sich i.a. nicht vorhersagen: Das Netz kann überraschende Ergebnisse liefern.
Details

Parameter optimieren
Ein Programma kann Parameter nutzen, die sein Verhalten steuern. Es kann sinnvoll sein, dass das Programm die Parameter autonomt optimiert, indem es die Ergebnisse bewertet: Die Ergebnisgüte wird dazu wird durch eine Bewertungszahl ausgedrückt: Die Güte ist um so besser, je kleiner diese Zahl ist. Hat sich die Bewertung vergrößert, werden die Parameter zufällig variiert. Die Variationsbreite hängt dabei von der Bewertung ab. Das Durchbrechen der Breite ist in seltenen Fällen möglich, wobei deren Häufigkeit von der Bewertung begrenzt wird (Abkühlungsschema).

Was kommt?
Neuronale Netze können sehr komplex reagieren. Ihre Reaktionen hängen dabei von dem Material ab, mit dem sie trainiert wurden. Eine objektive Bewertung von Materialien und Reaktionen durch eine KI ist daher nicht möglich. Andererseits sind KI's in der Lage, Mimik und Sprache eines Menschen perfekt zu immitieren. Beides zusammen kann zu problematischen Situationen führen (vgl. Details).
Eigenständige Kreativität von KI's gibt es bisher nicht, ist aber in der Zukunft vorstellbar (vgl. Details zu neuronalen Netzen). Aber wäre diese Kreativität vergleichbar mit derjenigen von Menschen? Welche Auswirkungen könnte KI-Kreativität haben?
Details

[12.7.2023]