Künstliche Intelligenz

[Tom Bombadil]

(13 Sep 2020, 10:06)

Sprich, KI müsste sowas wie eine eigenständige, künstliche, menschliche Seelenlage entwickeln und haben.

Nein, das braucht die KI nicht, die KI muss nur wissen, welche Töne und Melodien von Menschen mit welcher Stimmung verbunden werden. Im Moment ist eine KI auch noch nicht so weit, ganz selbständig zu agieren, es muss der Anstoß von außen kommen, von einem Menschen der sagt: "Komponiere mir eine Musik mit foglenden Eigenschaften: gute Laune, Sommer, Spaß, 115 bpm, Genre Pop." Und dann geht es los. Natürlich könnte dieser Input irgendwann auch von einer anderen KI kommen, die die sozialen Netzwerke durchforstet und herausgefunden hat, welche Art Musik gerade den größten Erfolg haben könnte.

[Eulenwoelfchen]

(13 Sep 2020, 10:40)

Nein, das braucht die KI nicht, die KI muss nur wissen, welche Töne und Melodien von Menschen mit welcher Stimmung verbunden werden. Im Moment ist eine KI auch noch nicht so weit, ganz selbständig zu agieren, es muss der Anstoß von außen kommen, von einem Menschen der sagt: "Komponiere mir eine Musik mit foglenden Eigenschaften: gute Laune, Sommer, Spaß, 115 bpm, Genre Pop." Und dann geht es los. Natürlich könnte dieser Input irgendwann auch von einer anderen KI kommen, die die sozialen Netzwerke durchforstet und herausgefunden hat, welche Art Musik gerade den größten Erfolg haben könnte.

Da haben Sie das von mir Geschriebene einfach verdreht und vermischt. Ihr hier beschriebenes Szenario habe ich ja ausführlich als möglich und realistisch beschrieben, was das Potential von KI im Bereich Musik angeht.
Der Satz, den Sie hier zitierten, bezog sich aber explizit benannt auf eine andere Art Musik. Siehe Barbara Streisand. Und genau diese Art der menschlichen Musik haben Sie in Ihren KI-Betrachtungen - bewusst - ignoriert und ausgepart. Weshalb? - Ich behaupte nachwievor, dass KI weder eine Barbara Streisand, noch die Gefühlswelt eines Leonard Cohen und ihrer Seelen- und Gefühlslagen ausmacht - und für den Menschen nicht mehr unterscheidbar-
nachbilden kann. Kann Ki irgendwann auch die Situation von Jüdinnen und Juden und deren Erfahrungs-und Empfindungswelten, die über Jahrtausende entstanden sind, 1:1 genauso gut abbilden und plagiieren? - Was meinst Du?

[midlifecrisis]

...einfach durchsacken lassen...

[Laertes]

(13 Sep 2020, 10:29)
Das mit diesen Algorithmen trainierte Neuronale Netz ist selber kein Algortihmus.

Doch natürlich ist auch das einer. Sowohl das 'Training' des neuronalen Netzes, als auch die Anwendung des neuralen Netzes auf neuen Input sind Algorithmen. Eventuell meinst du, dass nicht alle Algorithmen deterministisch sein müssen, d. h. man weiß nicht genau welches Ergebnis bei welchem Input herauskommt.

[Tom Bombadil]

(13 Sep 2020, 10:51)

Weshalb?

Weil du da auch etwas verdreht und vermischt hast. Mein Punkt war: "ich bin sicher, dass man bald menschliche Musik nicht mehr von KI-Musik unterscheiden können wird" und im Kontext des postings kam ja auch die menschliche Inspiration hinzu, bedeutet, ein Mensch als musikalischer Laie hat die Inspiration und nutzt die KI, um ein Musikstück zu komponieren, ohne auch nur ein Instrument selber zu spielen. Bald wird das möglich sein, geschätzter Zeithorizont: 5 Jahre, plus oder minus. Und damit meine ich nur die Musik, nicht den Gesang mit Text. Und damit meine ich auch nicht höchstkomplizierte Musik wie Symphonien oder Opern.

Dass eine KI ganz eigenständig Songs schreibt und die dazu passende Musik komponiert wie die allergrößten Künstler, das wird wohl noch etwas länger dauern, aber die Rechenkapazität steigt rasant.

KIs sind gut darin, Muster zu erkennen, Musik besteht aus Mustern, das passt wie die Faust aufs Auge. Das Problem ist momentan aber noch, dass die repetitiven Muster, die der KI-Komponist aneinanderreiht, ziemlich langweilig sind. Da mangelt es noch an Kreativität.

Was meinst Du?

Ich bin davon überzeugt, dass es irgendwann auch KIs geben wird, denen man so etwas wie Bewusstsein und Gefühle antrainiert.

Damit kann ich selbstverständlich falsch liegen und wenn es so kommt, dann wäre das für mich auch kein Beinbruch, eher eine Erleichterung, weil eine solche Maschine eine ziemlich gefährliche Sache werden könnte. Also sollte es nicht so kommen, dann werden KIs im künstlerischen Bereich eben "nur" als Werkzeug eingesetzt, um die menschliche Kreativität zu unterstützen.

Kann Ki irgendwann auch die Situation von Juden und deren Erfahrungs-und Empfindungswelten, die über Jahrtausende entstanden sind, 1:1 genauso gut abbilden und plagiieren?

Haben denn Juden eine kollektive Erfahrungs- und Empfindungswelt oder sind das nicht auch alles individuell unterschiedliche Menschen mit unterschiedlichen Erfahrungen und Empfindungen? Und warum sollte man eine KI in diese Richtung trainieren?

[Tom Bombadil]

(13 Sep 2020, 11:12)

Doch natürlich ist auch das einer.

Nein: "Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems oder einer Klasse von Problemen. Algorithmen bestehen aus endlich vielen, wohldefinierten Einzelschritten." Das trifft auf ein Neuronales Netz nicht zu, genauso wenig wie auf das menschliche Gehirn.

[midlifecrisis]

Meine: Doch

[Eulenwoelfchen]

(13 Sep 2020, 11:20)
...

Haben denn Juden eine kollektive Erfahrungs- und Empfindungswelt oder sind das nicht auch alles individuell unterschiedliche Menschen mit unterschiedlichen Erfahrungen und Empfindungen? Und warum sollte man eine KI in diese Richtung trainieren?

Nur kurz, da die Gefahr von off-topic besteht:

Ja. Haben Sie. Behaupte ich. Neben den selbstverständlichen individuellen Erfahrungen und Empfindungen, die jeder Mensch hat.

Die Frage dabei ist nicht "warum" man KI dahingehend trainieren sollte, sondern "ob" es überhaupt möglich wäre, KI -für Menschen nicht mehr unterscheidbar- zu einer Barbara Streisand oder einem Leonard Cohen hinzutrainieren?

[Papaloooo]

(13 Sep 2020, 11:21)

Nein: "Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems oder einer Klasse von Problemen. Algorithmen bestehen aus endlich vielen, wohldefinierten Einzelschritten." Das trifft auf ein Neuronales Netz nicht zu, genauso wenig wie auf das menschliche Gehirn.

Daveu übersiehst du aber,
dass Algorithmen durchaus lernfähig sind:
Es ist also keine feste Handlungsvorschrift sondern etwas dynamisches.

[Tom Bombadil]

(13 Sep 2020, 11:31)

Ja. Haben Sie. Behaupte ich. Neben den selbstverständlichen individuellen Erfahrungen und Empfindungen, die jeder Mensch hat.

Und das ist nur beim jüdischen Volk so oder gibt es das auch in anderen Völkern?

Die Frage dabei ist nicht "warum" man KI dahingehend trainieren sollte, sondern "ob" es überhaupt möglich wäre, KI -für Menschen nicht mehr unterscheidbar- zu einer Barbara Streisand oder einem Leonard Cohen hinzutrainieren?

In Hinsicht auf deren Musik? Ja, ich denke schon, dass das irgendwann möglich sein wird.

[Eulenwoelfchen]

(13 Sep 2020, 11:40)

Und das ist nur beim jüdischen Volk so oder gibt es das auch in anderen Völkern?

Betrachten Sie doch einfach mal die jahrtausende alte Verfolgungs- und Verfehmungsgeschichte des jüdischen Volkes,
die bis zum heutigen Tag ungebrochen andauert...Und versuchen Sie dann, ein Volk zu finden, dem Ähnliches widerfuhr oder weiterhin widerfährt.
Ich bin sicher, Sie werden dann zu einer Antwort - auch ohne meine Mithilfe - finden...

[midlifecrisis]

Neandertaler?

[Tom Bombadil]

(13 Sep 2020, 12:09)

Ich bin sicher, Sie werden dann zu einer Antwort - auch ohne meine Mithilfe - finden...

Habe ich schon gefunden: ich halte so eine Art Kollektivgedächtnis über tausende Jahre hinweg für Esoterik. Ich glaube nicht, dass die wenigen Juden, die noch in Afrika leben eine sehr ähnliche "Erfahrungs- und Empfindungswelt" haben wie Nachfahren von Juden, die schon im 19. Jahrhundet nach Nordamerika ausgewandert sind. Wir kommen aber weit vom eigentlichen Thema ab

[Tom Bombadil]

(13 Sep 2020, 11:39)

dass Algorithmen durchaus lernfähig sind:

Wie soll das funktionieren? Dann müsste sich der gecodete Algorithmus ja zur Laufzeit selber ändern können.

[Laertes]

(13 Sep 2020, 11:21)

Nein: "Ein Algorithmus ist eine eindeutige Handlungsvorschrift zur Lösung eines Problems oder einer Klasse von Problemen. Algorithmen bestehen aus endlich vielen, wohldefinierten Einzelschritten." Das trifft auf ein Neuronales Netz nicht zu, genauso wenig wie auf das menschliche Gehirn.

Wie kommst du darauf, dass das auf neuronale Netze nicht zutrifft? Hier ein weiter Link zu den Algorithmen, auf denen neuronale Netze beruhen.

[Tom Bombadil]

(13 Sep 2020, 12:22)

Wie kommst du darauf, dass das auf neuronale Netze nicht zutrifft?

Dann trifft das auch auf das Gehirn zu? Ein Neuron im künstlichen neuronales Netz ist ja angelehnt an die Neuronen im Gehirn, dass die Elemente des biologischen Neurons durch Funktionen resp. Algorithmen und dazugehörige Werte im künstlichen Neuron dargestellt werden, bedeutet mMn. nicht, dass das gesamte neuronale Netz ein Algorithmus ist.

[midlifecrisis]

@Tom Bombadil: Kein Problem (>von Neumann-Architektur)
@Tom Bombadil: Das Programm besteht aus endlich vielen Anweisungen, der damit codierte Algorithmus braucht nicht zu terminieren. (unendliche Laufzeit mögl.)

[Laertes]

(13 Sep 2020, 13:06)
Dann trifft das auch auf das Gehirn zu? Ein Neuron im künstlichen neuronales Netz ist ja angelehnt an die Neuronen im Gehirn (...)

Ich kenne die Beispiele, die künstliche neuronale Netzte aus der vermeintlichen Arbeitsweise des menschlichen Gehirn ableiten. In der Regel sind das aber Einführungstexte für Laien von eher pädagogisch als wissenschaftlich orientierten Autoren. Die Verbinding ist aber dünner, als die sprachliche Nähe Neuron - Neuronales Netzwerk Glauben macht.

Im Hauptartikel History of artificial neural networks findest du viermal das Wort 'algorithm' und keinmal das Wort 'brain'. Die Konzeption künstlicher neuronaler Netze geht zurück auf die 1940er Jahre - wenn es jemals eine Ableitung aus Arbeitsweisen des Gehirns war, dann auf dem damaligen Wissensstand. In der Folge hat sich das Thema aber von jeglicher biologischer Basis gelöst. Oder um aus einem fachlichen Standardwerk zum Thema zu zitieren:

Goodfellow et al., 2016, S13p:Some of the earliest learning algorithms we recognize today were intended to be computational models of biological learning, that is, models of how learning happens or could happen in the brain. As a result, one of the names that deeplearning has gone by is artificial neural networks(ANNs). The corresponding perspective on deep learning models is that they are engineered systems inspired by the biological brain (whether the human brain or the brain of another animal).While the kinds of neural networks used for machine learning have sometimes been used to understand brain function (Hinton and Shallice, 1991), they are generally not designed to be realistic models of biological function. The neural perspective on deep learning is motivated by two main ideas. One idea is that the brain provides a proof by example that intelligent behavior is possible, and a conceptually straightforward path to building intelligence is to reverse engineer the computational principles behind the brain and duplicate its functionality. Another perspective is that it would be deeply interesting to understand the brain and the principles that underlie human intelligence, so machine learning models that shed light on these basic scientific questions are useful apart from their ability to solve engineering applications.The modern term “deep learning” goes beyond the neuroscientific perspective on the current breed of machine learning models. It appeals to a more general principle of learning multiple levels of composition, which can be applied in machine learning frameworks that are not necessarily neurally inspired.

Der regelmäßige Verweis beim Thema auf 'unser Gehirn' ist m. E. ein journalistischer Trick, weil das attraktiver klingt als multivariate lineare Gleichungssysteme, stochastische Gradientenverfahren oder Matritzenrechnung.

[Tom Bombadil]

(13 Sep 2020, 15:12)

...Einführungstexte für Laien von eher pädagogisch als wissenschaftlich orientierten Autoren...

...journalistischer Trick...

Es mag ja sehr wohl sein, dass du in dem Fachgebiet deutlich bewanderter bist als ich, aber auf so einer Basis werde ich hier nicht diskutieren.

[Laertes]

(13 Sep 2020, 15:26)

Es mag ja sehr wohl sein, dass du in dem Fachgebiet deutlich bewanderter bist als ich, aber auf so einer Basis werde ich hier nicht diskutieren.

Es ging ja nur darum, dass man nicht von Eigenschaften des Gehirns auf Eigenschaften künstlicher neuronaler Netze schließen kann, oder umgekehrt. Das eine ist Biologie, die wir noch gar nicht vollständig verstanden haben. Das andere ist angewandte Mathematik, die auf Computern ausgeführt wird, und damit zwangsläufig als Algorithmus von Maschinencode.

[Papaloooo]

(13 Sep 2020, 12:21)

Wie soll das funktionieren? Dann müsste sich der gecodete Algorithmus ja zur Laufzeit selber ändern können.

Letztlich wurde bei Algorithmen vor allem bei Dingen wie Bilderkennung das Gehirn des Menschen imitiert.
Beim Menschen ist es die Synapsenbildung zwischen den Neuronen, die erinnerungen ausmachen oder auch Dinge in Kategorien einzuordnen.
Die künstliche Intelligenz nützt ebenfalls die Verstärkung und abschwächungen verschiedene Reize, um Dinge kategorisieren zu können.
Ist das z.b. er Katze oder eher Hund?
aber ja, ich gebe dir dahingehend Recht, dass Algorithmus nicht umgeschrieben wird, dass er entsprechend fein ausgearbeitet werden muss.
Und dass er eben in der Lage sein muss, Dinge zu erlernen. Der Algorithmus bildet also irgendwann eine Struktur die sich immer weiter verfeinert.
Flexibel ist also nicht der Algorithmus selbst sondern diese Struktur die er bildet.
Dahingehend korrigiere ich mich.

[naddy]

(13 Sep 2020, 15:39)

Letztlich wurde bei Algorithmen vor allem bei Dingen wie Bilderkennung das Gehirn des Menschen imitiert.
Beim Menschen ist es die Synapsenbildung zwischen den Neuronen, die erinnerungen ausmachen oder auch Dinge in Kategorien einzuordnen.
Die künstliche Intelligenz nützt ebenfalls die Verstärkung und abschwächungen verschiedene Reize, um Dinge kategorisieren zu können.

Zum Thema "Gehirn und Computer" etwas ziemlich Altes von einem ganz Alten, der leider am 2. Oktober 2002 verstarb:

Korrekt. Allerdings betrieben nicht allein und ausschließlich die frühen Kybernetiker diese Parallelisierung von Mensch und Maschine oder von Gehirn und Computer; auch die Journalisten haben an der Verbreitung dieser Analogien ihren ganz gewaltigen Anteil. Es klang einfach aufregend, wenn man schreiben konnte: Das Gehirn funktioniert wie eine Maschine, ja, schlimmer noch, es ist nichts anderes als eine Maschine. Und dann die etwas unheimliche Umkehrung dieser Analogie: Diese Maschine arbeitet wie das menschliche Gehirn. Natürlich ist es durchaus verständlich, daß man die Fähigkeiten des eigenen Körpers auf etwas Anderes projiziert, das kommt häufig vor. In diesem Sinne spricht man von Beinen und Gelenken bei Möbeln und Maschinen. Und so wollten in den vierziger Jahren einige Autoren die schnellen Rechner durch eine sprachliche Verkleidung und bestimmte Metaphern verständlich machen. Sie schrieben über das "elektronische Gehirn" und das "Gedächtnis der Maschinen". Obwohl niemand wußte und weiß, wie das Gehirn oder das Gedächtnis funktionieren, erschien es irgendwie witzig und unterhaltend, eine Undurchsichtigkeit durch eine andere zu erklären.

Das ganze Interview mit dem Vater der "Kybernetik zweiter Ordnung" ist äußerst lesenswert.

[Laertes]

(13 Sep 2020, 15:39)
Flexibel ist also nicht der Algorithmus selbst sondern diese Struktur die er bildet.

Algorithmen, zumindest i. S. d. Informatik, sind nicht flexibel sondern statisch. Allerdings gibt es Algorithmen, die Varianten von anderen Algorithmen produzieren. D. h. es gibt eine fixe Rechenvorschrift, wie ich schrittweise Algorithmen zur Lösung des eigentlichen Problems erzeugen kann. Außerdem gibt es Programmcode, der sich auf Grund von Eingangsinformationen selber zur Laufzeit modifizieren kann. Aber auch der Algorithmus nach dem diese Modifikation erfolgt, ist selber statisch.

[Laertes]

(13 Sep 2020, 15:54) ganze Interview mit dem Vater der "Kybernetik zweiter Ordnung" ist äußerst lesenswert.

Zumindest fühle ich mich in meiner Aussage weiter oben bestärkt, dass die Analogie zum Gehirn häufig eher der Unterhaltung als der technischen Erklärung dient:

auch die Journalisten haben an der Verbreitung dieser Analogien ihren ganz gewaltigen Anteil. Es klang einfach aufregend, wenn man schreiben konnte: Das Gehirn funktioniert wie eine Maschine, ja, schlimmer noch, es ist nichts anderes als eine Maschine. Und dann die etwas unheimliche Umkehrung dieser Analogie: Diese Maschine arbeitet wie das menschliche Gehirn. Natürlich ist es durchaus verständlich, daß man die Fähigkeiten des eigenen Körpers auf etwas Anderes projiziert, das kommt häufig vor. In diesem Sinne spricht man von Beinen und Gelenken bei Möbeln und Maschinen. Und so wollten in den vierziger Jahren einige Autoren die schnellen Rechner durch eine sprachliche Verkleidung und bestimmte Metaphern verständlich machen. Sie schrieben über das "elektronische Gehirn" und das "Gedächtnis der Maschinen". Obwohl niemand wußte und weiß, wie das Gehirn oder das Gedächtnis funktionieren, erschien es irgendwie witzig und unterhaltend, eine Undurchsichtigkeit durch eine andere zu erklären.

[Tom Bombadil]

(13 Sep 2020, 15:38)

Es ging ja nur darum, dass man nicht von Eigenschaften des Gehirns auf Eigenschaften künstlicher neuronaler Netze schließen kann, oder umgekehrt.

Mir war nicht bewußt, dass ich das getan hätte. Es ist im Endeffekt aber auch egal, es ist auch egal, ob man es Algortihmus nennen will oder nicht, die KI steckt immer noch in den Kunderschuhen, wir werden da noch sehr viele - teils auch unschöne - Überraschungen erleben, wozu KI in der Lage sein wird. Das bedeutet nicht zwangsläufig, dass eine KI irgendwann "schlauer" oder kreativer als der Mensch sein wird, aber die Grenzen werden unschärfer, besonders wenn dann in den nächsten 10 Jahren noch die Quantencomputer ins Spiel kommen.

[Tom Bombadil]

(13 Sep 2020, 16:00)

Zumindest fühle ich mich in meiner Aussage weiter oben bestärkt, dass die Analogie zum Gehirn häufig eher der Unterhaltung als der technischen Erklärung dient:

Sind die künstlichen Neuronen eines KNN denn nicht nach dem Vorbild der biologischen Neuronen im Gehirn modelliert?

[Laertes]

(13 Sep 2020, 16:15)
(...) die KI steckt immer noch in den Kunderschuhen, wir werden da noch sehr viele - teils auch unschöne - Überraschungen erleben, wozu KI in der Lage sein wird. Das bedeutet nicht zwangsläufig, dass eine KI irgendwann "schlauer" oder kreativer als der Mensch sein wird (...)

Das denke ich auch. Allerdings weniger weil KIs uns bis dahin in Sachen Kreativität oder allgemeiner Problemlösungskompetenz überflügeln werden, sondern weil hochoptimierte, wenn auch ziemlich beschränkte KIs, das Potenzial haben Millionen von Arbeitsplätzen zu ersetzen, die intelligente, aber wenig kreative Arbeit zu Inhalt haben. Das reicht von Lageristen, die nicht mehr gebraucht werden, um Versandpakete oder Lieferwagen 'optimal' zu packen bis hin zu heute vergleichsweise hoch qualifizierten Sachbearbeitern bei Finanzämtern, Krankenkassen usw. Selbst Routineaufgaben in Bereichen wie technisches Zeichnen, Konstruktion, Architektur oder Programmierung könnten in absehbarer Zeit großflächig von KIs übernommen werden.

[Laertes]

(13 Sep 2020, 16:18)

Sind die künstlichen Neuronen eines KNN denn nicht nach dem Vorbild der biologischen Neuronen im Gehirn modelliert?

Das war 1943 tatsächlich die Inspiration. Aus heutiger Sicht ist das wie bei dem fallenden Apfel, der angeblich Newton zur Entwicklung des allgemeinen Gravitationsgesetzes inspiriert hat. Bei der Konstruktion heute erfolgreicher KNNs orientiert sich m. W. niemand mehr am aktuellen Wissenstand des Aufbaus biologischer Neuronen im Speziellen oder der Arbeitsweise des Gehirns im Allgemeinen. Für den Erfolg der KNN ist das schlicht unerheblich.

Um ein weiteres Standardwerk zum Thema anzuführen (Hervorhebung von mir):

Bishop, 2006, p226The term ‘neural network’ has its origins in attempts to find mathematical representations of information processing in biological systems (McCulloch and Pitts, 1943; Widrow and Hoff, 1960; Rosenblatt, 1962; Rumelhart et al., 1986). Indeed, it has been used very broadly to cover a wide range of different models, many of which have been the subject of exaggerated claims regarding their biological plausibility. From the perspective of practical applications of pattern recognition, however, biological realism would impose entirely unnecessary constraints. Our focus in this chapter is therefore on neural networks as efficient models for statistical pattern recognition.

Als kleines Gimmick hier die Übersetzung obiger Passage von DeepL aus Köln, d. h. ebenfalls mittels KNN:

Der Begriff "neuronales Netz" hat seinen Ursprung in Versuchen, mathematische Darstellungen der Informationsverarbeitung in biologischen Systemen zu finden (McCulloch und Pitts, 1943; Widrow und Hoff, 1960; Rosenblatt, 1962; Rumelhart et al., 1986). Sie wurde in der Tat sehr breit verwendet, um ein breites Spektrum verschiedener Modelle abzudecken, von denen viele Gegenstand übertriebener Behauptungen bezüglich ihrer biologischen Plausibilität waren. Aus der Perspektive praktischer Anwendungen der Mustererkennung würde der biologische Realismus jedoch völlig unnötige Zwänge auferlegen. Unser Schwerpunkt in diesem Kapitel liegt daher auf neuronalen Netzen als effiziente Modelle für die statistische Mustererkennung.

Übersetzt mit http://www.DeepL.com/Translator (kostenlose Version)

[Papaloooo]

(13 Sep 2020, 16:15)

... die KI steckt immer noch in den Kunderschuhen, wir werden da noch sehr viele - teils auch unschöne - Überraschungen erleben, wozu KI in der Lage sein wird. Das bedeutet nicht zwangsläufig, dass eine KI irgendwann "schlauer" oder kreativer als der Mensch sein wird, aber die Grenzen werden unschärfer, besonders wenn dann in den nächsten 10 Jahren noch die Quantencomputer ins Spiel kommen.

Kann ja auch nicht anders sein.
Selbst ein moderner Chip wird ja an der Anzahl der Schalteinheiten von dem Hirn einer Spitzmaus noch übertroffen.
Zudem wäre es vermutlich dessen Entwicklung von der doch auch noch recht begrenzten Kreativität der menschlichen Chip-Designern abzukoppeln und sie eher einer Art "technologischer Evolution" anzugedeihen.

Evolutive Prozesse sind, an der Natur unschwer zu erkennen, der menschlichen Kreativität überlegen.
Evolutive Prozesse beginnen sehr profund, steigern sich aber kontinuierlich, ja oftmals expotential.
Wie genau ein evolutiver (also aus sich selbst heraus wachsender) technischer Prozess aussehen kann,
weiß ich auch nicht genau.
Aber so z.B. dass Computeralgorithmen die leistungsfähigere Computerchips entwerfen,
und auf denen dann wieder verbessert leistungsfähiere Simulationsprogramme laufen,
welche die nächste Chipgeneration noch leistungsfähiger machen.
u.s.w.
In diesem Falle assistiert der Mensch dann nur noch.

[Teeernte]

(13 Sep 2020, 17:22)

Kann ja auch nicht anders sein.
Selbst ein moderner Chip wird ja an der Anzahl der Schalteinheiten von dem Hirn einer Spitzmaus noch übertroffen.
Zudem wäre es vermutlich dessen Entwicklung von der doch auch noch recht begrenzten Kreativität der menschlichen Chip-Designern abzukoppeln und sie eher einer Art "technologischer Evolution" anzugedeihen.

Evolutive Prozesse sind, an der Natur unschwer zu erkennen, der menschlichen Kreativität überlegen.
Evolutive Prozesse beginnen sehr profund, steigern sich aber kontinuierlich, ja oftmals expotential.
Wie genau ein evolutiver (also aus sich selbst heraus wachsender) technischer Prozess aussehen kann,
weiß ich auch nicht genau.
Aber so z.B. dass Computeralgorithmen die leistungsfähigere Computerchips entwerfen,
und auf denen dann wieder verbessert leistungsfähiere Simulationsprogramme laufen,
welche die nächste Chipgeneration noch leistungsfähiger machen.
u.s.w.
In diesem Falle assistiert der Mensch dann nur noch.

Die "KI" von Xerox is ja immer noch "unübertroffen".

https://www.heise.de/tp/features/Xerox- ... 61586.html

Kommt gleich nach X für ein U vormachen.

[midlifecrisis]

eigentlich "Uerou"?

[BlueMonday]

(13 Sep 2020, 15:39)
Flexibel ist also nicht der Algorithmus selbst sondern diese Struktur die er bildet.

Nun ist es praktisch immer so. Also eine gleichbleibende "Rechenvorschrift"(Algorithmus) erhält Eingabewerte (input) und berechnet daraus Ausgabewerte(output). Das Veränderliche sind die Daten.
Bei einer "KI" nicht anders. Wobei es da grob gesagt zwei wesentliche Richtungen und damit zwei Gruppen von Algorithmen gibt. Einmal "vorwärts". Wenn also das bereits trainierte neuronale Netz (das sind praktisch nur gespeicherte Knotengewichte) eingelesen wird dazu die eigentlichen Inputs. Das neuronale Netz ist so gesehen Teil der veränderlichen Eingabedaten.
Und dann gibt es zuvor den "Lernprozess", bei dem man dann den Weg meist rückwärts geht ("backpropagation"), und die Gewichte immer wieder so verändert, dass beim nächsten Vorwärtslauf der Fehler kleiner wird, bis er unter einer gewünschten Schwelle liegt. Also bspw. bis eine hingeschmierte 5 auch als 5 erkannt wird.

Die Kunst heutzutage ist vor allem eine geeignete "Netzform" zu finden. Herauszufinden, wieviele innere Schichten(hidden layers) nötig sind, wie "tief" das Netz sein muss, wieviele "Neuronen" pro Schicht nötig sind, welche Arten von "Neuronen". Da ist viel Probieren angesagt. Und eine effiziente Form zu "lernen", also die Gewichte der Knoten möglichst mit wenig Aufwand/wenig Schritten zu modifizieren.
Irgendwann übernimmt vielleicht eine KI diesen anspruchsvollen Part .

[midlifecrisis]

Reden wir über Graphen?

[Papaloooo]

(13 Sep 2020, 20:32)

Reden wir über Graphen?

Eine Bitte, auch wenn ich nicht ein Moderator bin,
ohne den Zitier-Button,
evtl. noch extrahierte Zitat-Sätze,
fehlt anderen jeder Zusammenhang.

[schokoschendrezki]

(13 Sep 2020, 16:15)

Mir war nicht bewußt, dass ich das getan hätte. Es ist im Endeffekt aber auch egal, es ist auch egal, ob man es Algortihmus nennen will oder nicht, die KI steckt immer noch in den Kunderschuhen, wir werden da noch sehr viele - teils auch unschöne - Überraschungen erleben, wozu KI in der Lage sein wird. Das bedeutet nicht zwangsläufig, dass eine KI irgendwann "schlauer" oder kreativer als der Mensch sein wird, aber die Grenzen werden unschärfer, besonders wenn dann in den nächsten 10 Jahren noch die Quantencomputer ins Spiel kommen.

Nicht denken, dass ein Quantencomputer einfach nur ein viel viel besserer und schnellerer Rechner ist als ein klassischer Computer. Die Frage der sogenannten "Quantenüberlegenheit" (https://de.wikipedia.org/wiki/Quanten%C3%BCberlegenheit) ist nochmal eine andere.

Ein Schulkind kann sich mühelos einen Schnürsenkel zubinden. Ohne groß darüber nachzudenken. Es erledigt diese Aufgabe nicht, indem es sich an irgendeine deterministische Rechenvorschrift hält. Das im Grunde ist Quantenüberlegenheit. So wie wir mit der Sonne bereits das absolute Fusionskraftwerk haben, haben wir mit den biologischen Lebewesen bereits die absoluten und perfekten Quantencomputer.

[midlifecrisis]

Hammer!

[Papaloooo]

(20 Sep 2020, 08:37)

Nicht denken, dass ein Quantencomputer einfach nur ein viel viel besserer und schnellerer Rechner ist als ein klassischer Computer. Die Frage der sogenannten "Quantenüberlegenheit" (https://de.wikipedia.org/wiki/Quanten%C3%BCberlegenheit) ist nochmal eine andere.

Ein Schulkind kann sich mühelos einen Schnürsenkel zubinden. Ohne groß darüber nachzudenken. Es erledigt diese Aufgabe nicht, indem es sich an irgendeine Rechenvorschrift hält. Das im Grunde ist Quantenüberlegenheit. So wie wir mit der Sonne bereits das absolute Fusionskraftwerk haben, haben wir mit den biologischen Lebewesen bereits die absoluten und perfekten Quantencomputer.

Quantencomputer arbeiten mit Verschränkungen von Quantenzuständen,
was das Gehirn - soweit man weiß - nicht tut.
Zwar gibt es da ein paar Theorien, dass es beim Gehirn so sei,
den Beweis bleiben diese aber bislang schuldig.
Gehirne eignen sich z.B. nicht,
Terabytes von Daten zu durchforsten, also z.B. einen Erbsprung in der Codesequenz der DNA aufzuspüren.
Da brauchen unsere Gehirne schon Unterstützung.
Die Hoffnung auf Quantencomputer ist z.B. in der Medizin,
weil diese besser in der Lage sein sollen molekulare Prozesse zu simulieren.

[schokoschendrezki]

(20 Sep 2020, 08:49)

Quantencomputer arbeiten mit Verschränkungen von Quantenzuständen,
was das Gehirn - soweit man weiß - nicht tut.
Zwar gibt es da ein paar Theorien, dass es beim Gehirn so sei,
den Beweis bleiben diese aber bislang schuldig.
Gehirne eignen sich z.B. nicht,
Terabytes von Daten zu durchforsten, also z.B. einen Erbsprung in der Codesequenz der DNA aufzuspüren.
Da brauchen unsere Gehirne schon Unterstützung.
Die Hoffnung auf Quantencomputer ist z.B. in der Medizin,
weil diese besser in der Lage sein sollen molekulare Prozesse zu simulieren.

Ich sag dazu einfach nochmal: Ein Schulkind bindet sich ohne groß Nachdenken die Schnürsenkel zu. In Echtzeit. Man sollte sich darüber im Klaren sein, dass diese Aufgabe für eine deterministisch und nach Regeln arbeitende Maschine gleich welcher technischer Bau-Art nach wie vor unerreichbar ist. Computerisierte Sprachübersetzung z.B., die in jüngerer Zeit auf Basis von schwacher KI einen schier unglaublichen Fortschritt gemacht hat, scheint grundsätzlich ein anderes Problem, ein mittels Mustererkennung und Lernen anhand von realen Kommunikationen zu bewältigendes Problem zu sein als etwas vermeintlich so einfaches wie Schnürsenkelzubinden.

Was Quantenverschränkung anbelangt: Ich glaube nicht, dass das ein irgendwie exklusives Sonderphänomen ist. Losgelöst zum Beispiel vom Phänomen "Molekül". Insofern als dass die gesamte Chemie, also auch die Biochemie des Gehirns auf molekularen Mechanismen beruht ... Machen Quantencomputer wirklich etwas grundsätzlich anderes als die Gehirne von biologischen Lebewesen?

[Papaloooo]

(20 Sep 2020, 13:04)

Ich sag dazu einfach nochmal: Ein Schulkind bindet sich ohne groß Nachdenken die Schnürsenkel zu. In Echtzeit. Man sollte sich darüber im Klaren sein, dass diese Aufgabe für eine deterministisch und nach Regeln arbeitende Maschine gleich welcher technischer Bau-Art nach wie vor unerreichbar ist. Computerisierte Sprachübersetzung z.B., die in jüngerer Zeit auf Basis von schwacher KI einen schier unglaublichen Fortschritt gemacht hat, scheint grundsätzlich ein anderes Problem, ein mittels Mustererkennung und Lernen anhand von realen Kommunikationen zu bewältigendes Problem zu sein als etwas vermeintlich so einfaches wie Schnürsenkelzubinden.

Was Quantenverschränkung anbelangt: Ich glaube nicht, dass das ein irgendwie exklusives Sonderphänomen ist. Losgelöst zum Beispiel vom Phänomen "Molekül". Insofern als dass die gesamte Chemie, also auch die Biochemie des Gehirns auf molekularen Mechanismen beruht ... Machen Quantencomputer wirklich etwas grundsätzlich anderes als die Gehirne von biologischen Lebewesen?

Ja stimmt, die robotische Feinmotorik lässt nach wie vor zu wünschen übrig.
Wobei man das Ganze auch umgekehrt sehen kann:
Wenn die KI nicht grundsätzlich etwas anderes macht, als das menschliche Gehirn, dann kann die KI auch irgendwann das menschliche Gehirn seiner ganzen Komplexität, ja sogar emotionalen Intelligenz erreichen, oder gar überschreiten.

[Emin]

(20 Sep 2020, 08:37)

Nicht denken, dass ein Quantencomputer einfach nur ein viel viel besserer und schnellerer Rechner ist als ein klassischer Computer. Die Frage der sogenannten "Quantenüberlegenheit" (https://de.wikipedia.org/wiki/Quanten%C3%BCberlegenheit) ist nochmal eine andere.

Ein Schulkind kann sich mühelos einen Schnürsenkel zubinden. Ohne groß darüber nachzudenken. Es erledigt diese Aufgabe nicht, indem es sich an irgendeine deterministische Rechenvorschrift hält. Das im Grunde ist Quantenüberlegenheit. So wie wir mit der Sonne bereits das absolute Fusionskraftwerk haben, haben wir mit den biologischen Lebewesen bereits die absoluten und perfekten Quantencomputer.

Es ist eigentlich genau andersherum. Instinktive Bewegungen, Körperkoordination, etc. also alles, was beim Menschen der Hirnstamm erledigt, könnte man ziemlich gut durch einen klassischen Computer ersetzen. Nicht nachahmbar ist es bspw., warum man einem Kleinkind nur fünf Bilder einer Katze zeigen muss, dann weiß es wie eine Katze aussieht, und kann sofort auch verschiedene Katzenarten erkennen usw. Da brauchen Computer, egal welcher Art, sozusagen Millionen oder Milliarden Bilder von Katzen, bis sie zuverlässig eine Katze erkennen können. Es ist dabei prinzipiell auch egal, ob man klassische oder Quantencomputer verwendet, denn beide gehen einprogrammierte Algorithmen durch. Der Unterschied ist nur, dass Quantencomputer für bestimmte Algorithmen theoretisch besser geeignet sind.

Zwar liegt der Verdacht nahe, dass der Mensch auch so ähnlich funktioniert - in der DNA eingeschriebene Algorithmen werden durch den Computer Gehirn durchgerechnet - allerdings brauchen alle bekannten Algorithmen ein zigfaches der Rechenkapazität, die das menschliche Gehirn besitzt (siehe dazu das Beispiel mit der Katze). Es ist auch nicht wirklich denkbar, dass es Algorithmen gibt, die so simpel sind, dass das menschliche Gehirn sie durchrechnen kann, und gleichzeitig so effektiv darin neue Dinge zu lernen, dass man nur fünf Bilder einer Katze sehen muss.

D.h. aber nicht, dass man mit Computern nicht doch eines Tages zum Ziel kommt etwas zu erschaffen, was der menschlichen Intelligenz ebenbürtig oder überlegen ist. Das wird dann aber so sein, wie beim Schach - der Computer rechnet Millionen von Zügen voraus, und kann dann gerade noch so den besten menschlichen Schachspieler besiegen, der vielleicht so 50 Züge vorausrechnen kann.

[Laertes]

(20 Sep 2020, 19:51)
Nicht nachahmbar ist es bspw., warum man einem Kleinkind nur fünf Bilder einer Katze zeigen muss, dann weiß es wie eine Katze aussieht, und kann sofort auch verschiedene Katzenarten erkennen usw. Da brauchen Computer, egal welcher Art, sozusagen Millionen oder Milliarden Bilder von Katzen, bis sie zuverlässig eine Katze erkennen können.

Die Zahlen - fünf Bilder beim Menschen, Milliarden bei der KI - halte ich für wenig plausibel. Insbesondere ist ja gar nicht klar, wieviel vorausgehendes Training das Kleinkind schon erhalten at, bevor man es in so ein Experiment nimmt.

Menes Wissens sind KI Algorithmen inzwischen (seit 2016) besser beim Klassifizieren eines Standardsatzes von Bildern, als Menschen: https://www.researchgate.net/figure/Mai ... _335937276

[Emin]

(20 Sep 2020, 20:11)

Die Zahlen - fünf Bilder beim Menschen, Milliarden bei der KI - halte ich für wenig plausibel. Insbesondere ist ja gar nicht klar, wieviel vorausgehendes Training das Kleinkind schon erhalten at, bevor man es in so ein Experiment nimmt.

Menes Wissens sind KI Algorithmen inzwischen (seit 2016) besser beim Klassifizieren eines Standardsatzes von Bildern, als Menschen: https://www.researchgate.net/figure/Mai ... _335937276

KI-Algorithmen funktionieren alle über brute force. Ein moderner KI-Algorithmus braucht Unmengen von Daten, um etwas zu lernen. Das ist aber nicht so schlimm, weil es inzwischen derartig schnelle Computer gibt, dass er eben auch gigantische Datenmengen relativ schnell mit einem bestimmten Algorithmus durchrechnen kann und dann sinnvolle Ergebnisse liefert. Umso mehr Daten, desto besser das Ergebnis. Deswegen ist es schon so, dass KIs gewisse Dinge besser machen können, als der Mensch. Sie haben in relativ kurzer Zeit gigantische Datenmengen durchgerechnet, und können jetzt zuverlässig Aufgaben ausführen. Das menschliche Gehirn funktioniert grundlegend anders. Ein Mensch kann aus nur sehr wenigen Daten sinnvolle Ergebnisse liefern. D.h. also würde das menschliche Gehirn so wie ein Computer funktionieren, dann müsste der Mensch sozusagen über Super-Algorithmen verfügen. Die gibt es aber nicht, denn sonst hätte man sie schon gefunden.

Des Weiteren ist es auch so, dass es im menschlichen Gehirn keinen Unterschied gibt zwischen Information errechnen und Information speichern. Das führt zum einen dazu, dass das Gehirn im Gegensatz zu einem digitalen Speichermedium vergesslich ist. Es zeigt aber auch, dass das Gehirn nun mal grundlegend anders funktioniert, wie ein Computer.

[schokoschendrezki]

(20 Sep 2020, 19:51)

Es ist eigentlich genau andersherum. Instinktive Bewegungen, Körperkoordination, etc. also alles, was beim Menschen der Hirnstamm erledigt, könnte man ziemlich gut durch einen klassischen Computer ersetzen. Nicht nachahmbar ist es bspw., warum man einem Kleinkind nur fünf Bilder einer Katze zeigen muss, dann weiß es wie eine Katze aussieht, und kann sofort auch verschiedene Katzenarten erkennen usw. Da brauchen Computer, egal welcher Art, sozusagen Millionen oder Milliarden Bilder von Katzen, bis sie zuverlässig eine Katze erkennen können. Es ist dabei prinzipiell auch egal, ob man klassische oder Quantencomputer verwendet, denn beide gehen einprogrammierte Algorithmen durch. Der Unterschied ist nur, dass Quantencomputer für bestimmte Algorithmen theoretisch besser geeignet sind.

Zwar liegt der Verdacht nahe, dass der Mensch auch so ähnlich funktioniert - in der DNA eingeschriebene Algorithmen werden durch den Computer Gehirn durchgerechnet - allerdings brauchen alle bekannten Algorithmen ein zigfaches der Rechenkapazität, die das menschliche Gehirn besitzt (siehe dazu das Beispiel mit der Katze). Es ist auch nicht wirklich denkbar, dass es Algorithmen gibt, die so simpel sind, dass das menschliche Gehirn sie durchrechnen kann, und gleichzeitig so effektiv darin neue Dinge zu lernen, dass man nur fünf Bilder einer Katze sehen muss.

D.h. aber nicht, dass man mit Computern nicht doch eines Tages zum Ziel kommt etwas zu erschaffen, was der menschlichen Intelligenz ebenbürtig oder überlegen ist. Das wird dann aber so sein, wie beim Schach - der Computer rechnet Millionen von Zügen voraus, und kann dann gerade noch so den besten menschlichen Schachspieler besiegen, der vielleicht so 50 Züge vorausrechnen kann.

Interessanter Beitrag. Ich vermisse nur eins: Quantencomputer arbeiten zwar auch mit Algorithmen, aber im Unterschied zu klassischen Rechnern mit nicht-deterministischen Algorithmen. Und das scheint mir doch ein wesentlicher, wenn nicht sogar der wesentliche Unterschied zu sein.

In welchem Verhältnis die Klasse der Probleme, die durch nicht-deterministische Quantencomputer lösbar sind zu der Klasse der Probleme steht, die durch deterministische Algorithmen mit einer Turingmaschine (oder einem Äquivalent dazu) lösbar sind, ist in der Komplexitätstheorie noch gar nicht ganz geklärt.

Ganz instinktiv (ohne eine Ahnung von Hirnforschung zu haben) würde ich sagen: Sowohl das Schnürsenkelbinden wie auch das Katzenerkennen funktioniert (auch) deshalb so schnell und gut, weil die Pfade zur Lösung nicht vorher festgelegt sind sondern auch "verschwommene" Pfade zunächst einmal akzeptiert sind.

In der Quantencomputertechnologie, soweit ich es verstanden habe, führt diese "Verschwommenheit" zum zentralen Problem einer permanent zu leistenden Quantenfehlerkorrektur.

[Laertes]

(21 Sep 2020, 04:23)
In welchem Verhältnis die Klasse der Probleme, die durch nicht-deterministische Quantencomputer lösbar sind zu der Klasse der Probleme steht, die durch deterministische Algorithmen mit einer Turingmaschine (oder einem Äquivalent dazu) lösbar sind, ist in der Komplexitätstheorie noch gar nicht ganz geklärt.

Bezüglich KI sieht das Fraunhofer Institut großes Potenzial für Quantencompter. Interessant auch, dass das Training von KNN hervorgehoben wird, nicht aber die Anwendung trainierter Netze auf unbekannte Eingaben. Nicht-Determinismus wird allerdings nicht erwähnt:

Echte Sprunginnovationen liefern soll der Quantencomputer bei der künstlichen Intelligenz (KI). Durch die Verbindung der zwei Schlüsseltechnologien entsteht aktuell ein neues interdisziplinäres Forschungsgebiet: das Quanten-Maschinelle Lernen (QML). Prof. Christian Bauckhage vom Fraunhofer IAIS in Sankt Augustin erläutert den Zusammenhang: »Mathematisch betrachtet sind viele KI-Probleme so genannte kombinatorische Optimierungsprobleme, etwa optimale Lieferrouten zu bestimmen. Wenn solche Probleme komplex sind, also viele Variablen enthalten, ist es heute auf digitalen Computern sehr schwer bis unmöglich, optimale Lösungen in vertretbarer Zeit zu finden. Quantencomputern hingegen könnten dies in kürzester Zeit bewältigen.«

Die Vorteile: Sie verarbeiten große Datenfelder in einem einzigen Schritt, spüren Muster in den Daten auf, die klassische Computer nicht entdecken, und scheitern nicht an unvollständigen oder unsicheren Daten. Das Potenzial dieser Verknüpfung aus Künstlicher Intelligenz und Quantencomputing könnte sich schon in wenigen Jahren auf nahezu alle Bereiche unserer Gesellschaft auswirken. Neben besseren Logistiklösungen, könnten die Netzwerkplanung im Energiesektor oder Portfolios im Finanzsektor optimiert werden. Darüber hinaus ließe sich das Training großer neuronaler Netze deutlich beschleunigen. Im Fraunhofer Cluster of Excellence Cognitive Internet Technologies entwickelt Bauckhage mit seinem Team in einem eigenen QML-Teilprojekt bereits Quantenalgorithmen für Optimierungsprobleme, die grundlegend sind im maschinellen Lernen und in der KI. »Das erklärte Ziel ist, bei der bevorstehenden Quantencomputing-Revolution vorne dabei zu sein und schnell industrierelevante Lösungen liefern zu können.«
Quelle

[Corella]

(13 Sep 2020, 15:54)

Zum Thema "Gehirn und Computer" etwas ziemlich Altes von einem ganz Alten, der leider am 2. Oktober 2002 verstarb:



Das ganze Interview mit dem Vater der "Kybernetik zweiter Ordnung" ist äußerst lesenswert.

Vielen Dank für das Einstellen! Bis "die Ursache liegt in der Zukunft, die Handlung in der Gegenwart" bin ich beim Frühstück gekommen und freue mich, wenn es heute Abend weiter geht, und dann in Ruhe :-)

[schokoschendrezki]

(21 Sep 2020, 07:12)

Bezüglich KI sieht das Fraunhofer Institut großes Potenzial für Quantencompter. Interessant auch, dass das Training von KNN hervorgehoben wird, nicht aber die Anwendung trainierter Netze auf unbekannte Eingaben. Nicht-Determinismus wird allerdings nicht erwähnt:

Sie gehen nicht explizit darauf ein. Aber mit

Die Vorteile: Sie verarbeiten große Datenfelder in einem einzigen Schritt, spüren Muster in den Daten auf, die klassische Computer nicht entdecken, und scheitern nicht an unvollständigen oder unsicheren Daten.

ist genau das gemeint (wikipedia):

Der Nicht-Determinismus erlaubt, gleichzeitig verschiedene Möglichkeiten abzutesten. Da unsere aktuellen Rechner deterministisch laufen, muss der Nicht-Determinismus durch Hintereinanderausführung der verschiedenen Möglichkeiten simuliert werden, wodurch die Polynomialität der Lösungsstrategie verloren gehen kann.

An die Stelle der Polynomialität tritt im klassischen deterministischen Computer eine exponentielle Abhängigkeit der Lösungszeit vom Problem.

[Emin]

(21 Sep 2020, 04:23)

Interessanter Beitrag. Ich vermisse nur eins: Quantencomputer arbeiten zwar auch mit Algorithmen, aber im Unterschied zu klassischen Rechnern mit nicht-deterministischen Algorithmen. Und das scheint mir doch ein wesentlicher, wenn nicht sogar der wesentliche Unterschied zu sein.

In welchem Verhältnis die Klasse der Probleme, die durch nicht-deterministische Quantencomputer lösbar sind zu der Klasse der Probleme steht, die durch deterministische Algorithmen mit einer Turingmaschine (oder einem Äquivalent dazu) lösbar sind, ist in der Komplexitätstheorie noch gar nicht ganz geklärt.

Ganz instinktiv (ohne eine Ahnung von Hirnforschung zu haben) würde ich sagen: Sowohl das Schnürsenkelbinden wie auch das Katzenerkennen funktioniert (auch) deshalb so schnell und gut, weil die Pfade zur Lösung nicht vorher festgelegt sind sondern auch "verschwommene" Pfade zunächst einmal akzeptiert sind.

In der Quantencomputertechnologie, soweit ich es verstanden habe, führt diese "Verschwommenheit" zum zentralen Problem einer permanent zu leistenden Quantenfehlerkorrektur.

Quantencomputer sind vor allem bei extrem großen Datenmengen nützlich, also eben im Grunde das genaue Gegenteil vom Gehirn, dessen "Geheimnis" es ist, mit kleinen Datenmengen zurechtzukommen. Sogesehen funktionieren Quantencomputer noch unterschiedlicher vom Gehirn, als es klassische Computer tun. Kann aber schon sein, dass Quantencomputer einen Beitrag zur Entwicklung einer generellen KI leisten können, aber das Gehirn funktioniert grundlegend anders. Ist in etwa so, wie ein Flugzeug und ein Vogel, beide können fliegen, aber die Funktionsweisen sind grundlegend unterschiedlich. Es sollte auch prinzipiell eigentlich nicht so zielführend sein einfach ein Gehirn nachzubauen, davon haben wir ja schon so ca. 8 Milliarden. Eine generelle KI, die prinzipiell anders funktioniert, wäre wohl sehr viel nützlicher, da sie Dinge erkennen könnte, zu denen das Gehirn nicht in der Lage ist.

[midlifecrisis]

Wenn die theoretische Grundlage stimmen würde, wären auf QBits basierende Rechenmaschinen prinzipiell in der Lage parallelisierbare Aufgaben (z. B. Code lösen) in kurzer Zeit (t->0s) zu lösen, bei prozeduralen tasks änderte sich wenig.

[Papaloooo]

(21 Sep 2020, 12:30)

Wenn die theoretische Grundlage stimmen würde, wären auf QBits basierende Rechenmaschinen prinzipiell in der Lage parallelisierbare Aufgaben (z. B. Code lösen) in kurzer Zeit (t->0s) zu lösen, bei prozeduralen tasks änderte sich wenig.

Stimmt, was daran liegt, dass prozedurale Prozesse nur sequentiell funktionieren.
Allerdings: je kleiner die Recheneinheit, desto schneller bearbeitet sie auch sequentielle Prozesse. und auf der quantenebene angekommen ist man bei der kleinstmöglichen Recheneinheit die möglich ist.

[schokoschendrezki]

(21 Sep 2020, 10:29)

Quantencomputer sind vor allem bei extrem großen Datenmengen nützlich, also eben im Grunde das genaue Gegenteil vom Gehirn, dessen "Geheimnis" es ist, mit kleinen Datenmengen zurechtzukommen. Sogesehen funktionieren Quantencomputer noch unterschiedlicher vom Gehirn, als es klassische Computer tun. Kann aber schon sein, dass Quantencomputer einen Beitrag zur Entwicklung einer generellen KI leisten können, aber das Gehirn funktioniert grundlegend anders. Ist in etwa so, wie ein Flugzeug und ein Vogel, beide können fliegen, aber die Funktionsweisen sind grundlegend unterschiedlich. Es sollte auch prinzipiell eigentlich nicht so zielführend sein einfach ein Gehirn nachzubauen, davon haben wir ja schon so ca. 8 Milliarden. Eine generelle KI, die prinzipiell anders funktioniert, wäre wohl sehr viel nützlicher, da sie Dinge erkennen könnte, zu denen das Gehirn nicht in der Lage ist.

Ja. Das sehe ich auch so. Es ist nur schwierig für einen Laien, zu verstehen, wie eigentlich ein Gehirn im allgemeinen und im Unterschied zu deterministischen oder nichtdeterministischen Maschinen funktioniert. Selbst wenn man selbst eins besitzt.

Zum Begriff "Determinismus" gibt es philosophisch-ideologische Grabenkämpfe. Vor allem in Bezug auf den "neurowissenschaftlichen Determinismus" und die Frage des freien Willens. Dann kommt jetzt die Frage KI, klassischer Computer, Quantencomputer als Technologie dazu.

In der mathematischen Komplexitätstheorie sind Begriffe wie BQP oder BPP oder NP einerseits exakt definiert. Aber selbst grundlegende, wirklich fundamentale Fragestellungen wie das vielleicht bekannteste P-NP-Problem sind bis heute nicht geklärt. Man weiß nicht, ob eine Maschine, die prüft , ob eine Primzahl Teiler einer gegebenen Zahl ist, auch prinzipiell in der Lage ist, umgekehrt alle Primfaktoren einer gegeben Zahl zu ermitteln. Oder ob eine Maschine, die (in polynomieller Zeit) prüft ob eine Funktion das unbestimmte Integral einer gegebenen Funktion ist, auch prinzipiell in der Lage ist, das unbestimmte Integral einer gegebenen Funktion (in polynomieller Zeit) zu ermitteln. Selbst eine so grundlegende und fundamentale Frage kannn man heute nicht beantworten. Sage oder denke also keiner, dass das ganze Thema irgendwie einfach oder auch nur einfach zu formulieren wäre.