Informationen für
Logo VIS

« Zurück

Seminar "Künstliche Intelligenz"
Semester: SS 2007
Umfang: 2S
Dozent: Prof. Dr. Gunther Heidemann
Dr. Sebastian Klenk
Beschreibung:
Beschreibung    

Das Seminar behandelt unterschiedliche Bereiche der klassischen KI, die Themenstellungen beziehen sich auf Kapitel aus dem Buch von Stuart Russel und Peter Norvig.

Die Folien zum Einführungstermin finden sich hier.

Im Rahmen des Seminars werden Vorträge zu folgenden Themen gehalten:

  1. 30.04.2007: Philosophical foundations (Uwe Schächterle)

    Kurzfassung: Diese Seminararbeit versucht herauszufinden ob Computer wirklich Intelligent sein können, und was es heißt zu denken. Dazu Betrachten wir die Hypothese der schwachen und der starken Künstlichen Intelligenz ( KI ) . Kann man die Intelligenz von Maschinen überhaupt testen / nachweisen? Ist diese Intelligenz vergleichbar mit der der Menschen? Welche Auswirkungen hat die Künstliche Intelligenz auf die Menschheit / Gesellschaft?

    Dokumente: Folien (pdf)  |   Ausarbeitung (pdf)



  2. 07.05.2007: Knowledge representation (Xin Wang)

    Kurzfassung: In diesen Seminarstunden werden wir sehen, wie man die Prädikatenlogik (Logik erster Stufe) nutzt, um die wichtigen Aspekte der realen Welt zu repräsentieren. Wir beschäftigen uns mit den Fragen, welchen Inhalt man in der Wissensbasis eines Agenten ablegen sollte und wie man Fakten über die Welt repräsentieren kann.

    Auf folgende Punkte werden wir eingehen:

    • Ontologisches Engineering
    • Kategorien und Objekte
    • Aktionen, Situationen und Ereignisse
    • Ein Beispiel: Die Internet-Shopping-Welt
    • Inferenzsysteme für Kategorien
    • Schlißen mit Defaultinformation

    Dokumente: Folien (pdf)  |   Ausarbeitung (pdf)



  3. 14.05.2007: Making simple decisions (Sascha Sanzenbacher)

    Kurzfassung: Systeme mit künstlicher Intelligenz werden immer Autonomer, sie können eigene Entscheidungen treffen, ohne vorher den Menschen gefragt zu haben. Dieses Seminar erläutert eine Theorie die versucht eine Entscheidungsfindung mit einer Nutzenfunktion herbeizuführen. Dabei werden auf unterschiedliche Problemstellungen eingegangen, wodurch es möglich wird bei immer komplexeren Problemen rationale Entscheidungen zu treffen.

    Ausserdem wird ein Graph vorgestellt mit dessen Hilfe man Probleme modellieren kann.

    Mit vielen Beispielen wird dokumentiert was die Theorie jetzt schon leisten kann.

    Dokumente: Folien (pdf)  |   Ausarbeitung (pdf)



  4. 21.05.2007: Learning from observation (Tobias Kunz)

    Kurzfassung: If an expert system - brilliantly designed, engineered and implemented - cannot learn not to repeat its mistakes, it is not as intelligent as a worm or a sea anemone or a kitten. -- Oliver G. Selfridge (The Gardens of Learning, AI Magazine, 1993)

    Einführend werden verschiedene Klassen von Lernproblemen vorgestellt. Anschließend werden wir uns mit dem Induktiven Lernen beschäftigen, dem Lernen aus Beispielen. Wir werden Entscheidungsbäume kennenlernen und einen Algorithmus, der einen Entscheidungsbaum aus Beispielen erlernt.

    Verzeichnis einführender Materialien zum Thema Machine Learning: www.aaai.org/AITopics/html/machine.html

    Dokumente: Folien (pdf)  |   Ausarbeitung (pdf)



  5. 04.06.2007: Knowledge in learning (Felix Zwirn)

    Kurzfassung:

    Dokumente: Folien (pdf)  |   Ausarbeitung (pdf)



  6. 11.06.2007: Communication (Dennis Thom)

    Kurzfassung: Der Begriff Kommunikation fasst ein sehr weitläufiges Thema der Künstlichen Intelligenz. Schon als das Fachgebiet noch in den Kinderschuhen steckte, hat Alan Turing mit seinem Turingtest auf die enge Beziehung, die zwischen der Intelligenz und der Fähigkeit des kommunikativen Ausdrucks besteht, hingewiesen. In meinem Vortrag möchte ich im Besonderen auf die Möglichkeiten und Lösungskonzepte der Kommunikation in Multi-Agenten-Umgebungen eingehen. Dabei soll der formalistische Ansatz, einen Agenten mit einer formalen Grammatik und formalem semantischen Verständnis auszurüsten, beleuchtet werden. Beginnend mit der Vorstellung einer einfachen Phrasenstruktur-Grammatik, mit welcher die Möglichkeiten semantischer Strukturierung natürlicher Sätze eingeführt werden soll, werden über die syntaktische Analyse (Parsing), der daran anknüpfenden semantischen Analyse mittels eines regelattributierten Parsebaums und der Probleme der semantischen Mehrdeutigkeit natürlicher Sprache, die fundamentalen Schwierigkeiten und Lösungsideen des behavioristischen Ansatzes erörtert. Am Ende soll noch eine kurze übersicht über die Probleme, die im Verstehen und Verfolgen strukturierter Gespräche und Texte liegen, gegeben und auch ein Blick auf die viel versprechenden evolutionären und probabilistischen Ansätze auf diesem Gebiet geworfen werden.

    Dokumente: Folien (pdf)  |   Ausarbeitung (pdf)



  7. 18.06.2007: Probabilistic language learning (Marc Bischof)

    Kurzfassung: Was die Menschen von den Tieren unterscheidet, ist die Fähigkeit zum Austausch strukturierter Nachrichten. Diese wird auch als Sprache bezeichnet und ermöglicht uns fast alles mitzuteilen, was wir über die Welt wissen. Auch verschiedene Tiere können mit Vokabularen von Signalen ansatzweise kommunizieren, es bleibt (bisher?) aber dem Menschen vorbehalten, eine unbegrenzte Anzahl qualitativ unterschiedlicher Nachrichten zuverläsig zu kommunizieren. Schwerpunkt der Kommunikation ist die Interpretation natürlicher Sprache, das Sprachverständnis. Mit den Problemen dabei beschäftigt sich dieser Artikel. Hierbei werden auf der Grundlage des Buches "Künstliche Intelligenz - Ein moderner Ansatz" von Stuart Russel und Peter Norvig verschiedene Ansätze für das Sprachverständnis aufgezeigt. Hauptaugenmerk liegt auf der probabilistischen Sprachverarbeitung und wie diese bei der Suche und Extraktion von Informationen sowie der maschinellen Übersetzung genutzt werden kann. Ein Grundverständnis in Stochastik, Formalen Sprachen und Linguistik wird vorausgesetzt.

    Dokumente: Folien (pdf)  |   Ausarbeitung (pdf)



  8. 25.06.2007: Information Retrieval (Bertram Thoma�)

    Kurzfassung: Das Thema Information Retrieval beschäftigt sich mit dem Problem aus einer unstrukturierten Datenmenge (üblicherweise Text-Dokumente) für eine gesuchten Sachverhalt relevante Inhalte zu extrahieren. üblicherweise wird dazu eine Anfrage (mit Booleschen Verknüpfungen) an ein retrieval System gestellt, welches eine Liste relevanter Dokumente zurück liefert. Es beschreibt also die Vorgehensweise heutiger Web-Suchmaschinen.

    Literatur:
    Introduction to Information Retrieval
    Information Retrieval Resources

    Dokumente: Folien (pdf)  |   Ausarbeitung (pdf)



  9. 02.07.2007: Relational Data Mining (Frederik Nothelfer)

    Kurzfassung: Data Mining ist ein Verfahren, mit dem es möglich ist, sogenannte Muster (Pattern) in großen Mengen von Daten, wie sie beispielsweise in Datenbanken vorhanden sind, aufzuspüren. Standard Data Mining Verfahren betrachten hierbei nur einzelne Tabellen. Mit dem Seminar Relational Data Mining, sollen verschiedene Techniken vorgestellt werden, die es erlauben bei der Mustersuche mehrer Datenbanktabellen zu berücksichtigen. Hierbei wird so vorgegangen, dass die Techniken aus dem Standard Data Mining so erweitert werden, dass sie auch für den multirelationalen Fall (mit mehreren Tabellen) funktionieren.

    Dokumente: Folien (pdf)  |   Ausarbeitung (pdf)



  10. 09.07.2007: Semantic Web (Wolfgang Scherer)

    Kurzfassung: Das konventionelle WWW ist für den Menschen gemacht. Zwar können Suchmaschinen helfen, Dokumente zu finden, aber sie verstehen deren Inhalte nicht. Dadurch lässt die Qualität der Suchergebnisse oft zu wünschen übrig und der Benutzer muss selbst die für ihn relevanten Informationen heraus filtern. Das Semantic Web erweitet das konventionelle Web um Metadaten, die den Inhalten im Web Semantik geben und von Agenten interpretiert werden können. Diese Seminar stellt einige der Technoloigen vor die im Semantic Web verwendet werden.

    Dokumente: Folien (pdf)  |   Ausarbeitung (pdf)



 

  Literatur    

 

1.  Artificial Intelligence: a modern Approach, Stuart Russel, Peter Norvig, Prentice Hall International, 2003
2.  Künstliche Intelligenz. Ein moderner Ansatz, Stuart Russel, Peter Norvig, Pearson Studium, 2004
3.  Studien-Arbeiten, Marcus Deininger, Horst Lichter, Jochen Ludewig, Kurt Schneider, Vdf Hochschulverlag, 2005


»Stundenplanübersicht«   »Listenübersicht«   

Themen:
Datum Thema Vortragender Betreuer
30.04.2007 Philosophical foundations Entfällt
07.05.2007 Knowledge representation Entfällt
14.05.2007 Making simple decisions Entfällt
21.05.2007 Learning from observation Entfällt
04.06.2007 Knowledge in learning Entfällt
11.06.2007 Communication Entfällt
18.06.2007 Probabilistic language learning Entfällt
25.06.2007 Information Retrieval Entfällt
Termine: Montag, 11:30 - 13:00 Uhr in 0.363
Organisatorische Hinweise:

Die Folien zum Einführungstermin finden Sie unter

www.vis.uni-stuttgart.de/~klenksn/KI-Seminar.pdf

Abgabefrist für Folien: 0 Tag(e) nach dem Vortrag
Abgabefrist für Ausarbeitung: 0 Tag(e) nach dem Vortrag

« Zurück