E-Book, Deutsch, 448 Seiten, eBook
Von neuronalen Netzwerken zu einer „natürlichen“ KI
E-Book, Deutsch, 448 Seiten, eBook
Reihe: XLeitfäden der angewandten Informatik
ISBN: 978-3-322-94665-2
Verlag: Vieweg & Teubner
Format: PDF
Kopierschutz: 1 - PDF Watermark
Zielgruppe
Upper undergraduate
Autoren/Hrsg.
Weitere Infos & Material
1 Von der klassischen AI zum Konnektionismus.- 1.1 Allgemeines.- 1.2 Die Annahmen der AI.- 1.3 Ebenen kognitiver Prozesse.- 2 Konnektionismus — eine Einführung.- 2.1 Allgemeines.- 2.2 Repräsentation — die klassische Unterscheidung.- 2.3 “Programmieren” von konnektionistischen Netzwerken.- 2.4 Netzwerkgrundtypen.- 2.5 Aspekte von konnektionistischen Modellen.- 3 Neuronale Netzwerke — Eine nähere Betrachtung.- 3.1 Ein mathematischer Abriß der Aktivierungsausbreitung (Update).- 3.2 Ein mathematischer Abriß der Lernregeln.- 3.3 Verteilte Aktivierungsmuster.- 4 Das Sub-Symbolische Paradigma.- 4.1 Von Hofstadter zu Smolensky.- 4.2 Die Gebirgsanalogie.- 4.3 Die symbolische Annäherung.- 4.4 Als Beispiel: Buchstabenerkennung.- 4.5 Die Gegenprobe: identifizierbare Features.- 4.6 Die konnektionistische Version des Sub-symbolischen Paradigmas.- 5 Repräsentation und Selbstorganisation.- 5.1 Allgemeines.- 5.2 Symbolische Repräsentation.- 5.3 Sub-symbolische Repräsentation.- 5.4 Die Notwendigkeit eines Interpreters.- 5.5 Was aber passiert in Hidden Units?.- 5.6 Warum wurde Repräsentation als so wichtig eingeschätzt?.- 5.7 Kognitive Modelle ohne Repräsentation? — Das Tower-Bridge Bild.- 5.8 Sub-Symbolische Repräsentation — Das ‘Binding Problem’.- 6 Symbole in sub-symbolischen Modellen.- 6.1 Allgemeines.- 6.2 Symbole und Informationstheorie.- 6.3 Die Rolle symbolischer Muster.- 6.4 Darstellung von Symbolen in konnektionistischen Netzwerken.- 6.5 Ein Modellansatz für repräsentationsfreie interne Symbole.- 6.6 Zusammenfassung.- 7 Regeln und sub-symbolische AI.- 7.1 Allgemeines.- 7.2 Transformationsregeln.- 7.3 Definitionsregeln: Am Beispiel Sprache.- 7.4 Zusammenfassung.- 8 Lernen.- 8.1 Was ist Lernen?.- 8.2 Lernen vom Hebb-Typus.- 8.3 Verlernen.- 8.4Zusammenfassung.- 9 Zufälligkeit.- 9.1 Die Bedeutung stochastischer Komponenten.- 9.2 Pseudo-Zufälligkeit.- 10 Feedbacks, Motivation und aktive Systemkomponenten.- 10.1 Weg vom Stimulus-Response System.- 10.2 Radikaler Konstruktivismus und sub-symbolische AI.- 10.3 Offene Fragen.- 11 Modelle der Perzeption.- 11.1 Allgemeines.- 11.2 Merkmale perzeptorischer Vorgänge.- 11.3 Akustische Spracherkennung (Speech Recognition).- 11.4 Visuelle Mustererkennung — Vision.- 11.5 Zusammenfassung.- 12 Kategorisierung und Konzeptualisierung.- 12.1 Allgemeines.- 12.2 Menschliche Kategorisierung und Implikationen daraus.- 12.3 Kategorien und Bildung von Konzepten im sub-symbolischen Wissen.- 12.4 Struktur und das Binding Problem.- 12.5 Modularität, Rekrutierung und Resonanz.- 12.6 Schemata.- 13 Sprachverarbeitung.- 13.1 Klassische Modelle und deren Grenzen.- 13.2 Eine sub-symbolische Sicht.- 13.2.4 “Universalgrammatik”.- 13.3 Andere konnektionistische Systeme zum Thema Sprache.- 14 Expertensysteme und Logik in der sub-symbolischen AI.- 14.1 Menschliche Expertise, IP und CRI.- 14.2 Produktionensysteme und neuronale Netzwerke.- 14.3 Die Kritiken Dreyfus’.- 14.4 Die Rolle der Logik.- 15 Eine kritische Zusammenfassung.- 15.1 Allgemeines.- 15.2 Die “Symbol Wars”.- 15.3 Die Grenzen des sub-symbolischen Ansatzes.- 15.4 Konklusion (ein Versuch).- Literatur.
