Bisher hast du dir jegliche Details erspart. Du verwechselst auch offenbar bloßes Begreifen oder Erfassen mit Verstehen. Das zu differenzieren war ja gerade der Zweck meines Beitrages. Genauso könnte ich behaupten, es wäre nicht "statthaft" Begreifen derart zu überfrachten, dass man daraus ein Verstehen macht. Einfach mal den Wortstamm bewusst machen: Begreifen, Umgreifen, Greifen, die äußere Form erfassen. Wenn man das einer KI als Vermögen abspricht, dann stellt sich eben die Frage, was man meint, was die KI überhaupt in der Lage ist zu leisten. Man muss nun einen Sprachgebrauch ja nicht mitmachen, aber dann muss man auch etwas Besseres zur Erklärung anbieten. Da kam nichts.Uffzach hat geschrieben:(17 Aug 2018, 15:08)
KI wendet auch keine Begriffe an. Wenn du dir die Details der Arbeitsweise von KI ersparen willst, ist das verständlich, aber "begreifen" dazu zu missbrauchen ist nicht statthaft.
Erklärt nicht im Ansatz das Wesentliche einer KI. Wenn das KI gelenkte Auto langsamer am Ziel ankommt als von einem Menschen gelenkt, dann hört die KI nicht auf KI zu sein, auch nicht wenn sie mehr Fehler begeht.KI erledigt Aufgaben schneller und zuverlässiger als der Mensch. Der Komplexizitätsgrad der Aufgaben ist nahezu unbegrenzt, hängt also lediglich von Prozessorleistung und Speicherplatz ab. KI ist überall, in Autos, Waschmaschinen, Verkehrssteuerung, Börsengeschäfte, Data-Mining im Internet, Kriegsführung etc etc
Du hörst praktisch da auf, wo eine Erklärung erst beginnen würde. Damit eine KI überhaupt ein Auto lenken und den menschlichen Fahrer ersetzen kann, muss sie die Verkehrssituation, in der sie sich befindet, ausreichend erfassen (=begreifen), das ist das zu lösende Kernproblem. Da hat man bspw. ein neuronales Netz, dass Verkehrszeichen erkennen kann, darauf ist es trainiert. Das Trainieren erzeugt letztlich ein interne Struktur ("hidden layer"), die in der Lage ist zu erkennen.
Hier ist es das sehr anschaulich dargestellt:
Also damit das neuronale Netz Zahlen erkennen kann, braucht es zuvor ein Konzept von Zahlen (das ist praktisch die Outputlayer). "It's thinking it's a 5". Im zweiten Schritt visualisiert er, wie die KI eine 2 etc "träumt" oder sich vorstellt. Und das ist Hinton, einer der führenden AI-Leute im Bereich neuronaler Netze.
Ob eine KI ein Auto erfolgreich lenken kann, hängt auch nicht lediglich von Prozessorleistung und Speicherplatz ab, sondern bspw. auch von sinnvoll gewählten Inputs, von der Sensorik, dann von der Art des neuronalen Netztes. Und vor allem davon, wie und womit das neuronale Netz zuvor trainiert wurde. Ein Neuronales Netz braucht Unmengen von Inputs/Wiederholungen.