5922335
Descripción
Fichas por Dennis Ble, actualizado hace más de 1 año
|
Creado por Dennis Ble
hace más de 8 años
|
|
| Pregunta | Respuesta |
| Definition von künstlicher Intelligenz | System das: wie ein Mensch denkt rational denkt wie ein Mensch handelt rational handelt |
| Turing Test | Menschlicher Richter über Computer mit Mensch und Computer verbunden. Richter kann Fragen stellen, Mensch antwortet ehrlich, Computer gibt vor, ein Mensch zu sein. Frage: Wer ist der Mensch? - Wenn der Computer den Richter täuscht, ist er intelligent |
| Strong AI vs. Weak AI | Strong: - universell intelligenter Agent- Besteht Turing-Test hat kognitive Fähigkeiten des Menschen Weak: - rationaler Agent (Schach spielen, Rasen mähen) Kann EIN Problem lösen |
| 9 Gründe gegen Strong AI | 1. theologisch 2. Kopf-in-den-Sand 3. Mathematisch 4. Bewusstsein 5. Disability X 6. Lady Lovelace's Objection 7. Kontinuität des Nervensystems 8. Informalität des Verhaltens 9. ? |
| Agent | - Einheit, die Umwelt wahrnimmt und in ihr handelt (reell oder virtuell) - kann Handlungen wahrnehmen, aber nicht zwingend den Effekt auf die Umwelt rationaler Agent: optimiert Performance criterion = für jede vorgegebene Umweltklasse suchen wir den Agenten mit der besten Leistung |
| PEAS | Was rational ist, hängt von 4 Faktoren ab: 1. Performance Measure (P) 2. Wissen des Agenten über Umwelt (Environment E) 3. Aktionen, die der Agent ausführen kann (A) 4. Die Sensoren des Agenten, um Sequenz wahrzunehmen (S) |
| PEAS - Beispiel Auto | Performance: Sicherheit, Ziel, Gewinn, Komfort Environment: Straßen, Verkehr, Fußgänger, Wetter Actuators: Steuern, Beschleunigen, Bremsen, Hupe... Sensors: Video, Sonar, Motorsensor, GPS |
| Umwelttypen | 1. Observable 2. Deterministisch 3. Episodic 4. Static 5. Discrete 6. Agents |
| Observable | Fully: Komplette relevante Umwelt wird erkannt Partially: Teile der Umwelt werden nicht erkannt |
| Deterministic | Deterministic: Nächster Zustand wird von aktuellem Zustand und Aktion bestimmt Strategic: Nur die gegnerischen Aktionen können nicht vorhergesagt werden Stochastic: nächster Zustand ist ungewiss |
| Episodic | Episodic: Erfahrung des Agenten kann in Teile zerlegt werden Agent nimmt wahr und handelt in einer Aktion Wahl hängt nur von Episode ab Sequential: aktuelle Entscheidung kann zukünftige beeinflussen |
| Static | Dynamic: Umwelt kann sich ändern Static: Umwelt kann sich nicht ändern Semidynamic: Umwelt bleibt gleich, aber Performance nicht |
| Discrete | Discrete: endliche Nummer an Aktionen, Zuständen, Wahrnehmungen Continuous: Unendliche Zahl |
| Agents | Single-Agent: keine anderen (mögl. aber in Umwelt) Multi-Agent: Andere Agenten beeinflussen Aktionen cooperative oder competitive |
| Problemlösende Agenten | Uninformed: keine Infos außer Problemdefinition Informed: wissen, wo sie nach der Lösung suchen müssen |
| State Space (nur zum angucken, ähnlich Zustandsübergangsdiagramm) | |
| Suchstrategien | Uninformed (blind): Nur Informationen aus der Problemdefinition werden genutzt - Breadth-first search -depth-first search - iterative deepening strategy Informed (heuristic): Haben Wissen, um die Suche in vielversprechende Bereiche zu steuern: - Greedy search - A* best-first search |
| uninformed Breadth-first strategy | Alle Knoten auf einer Ebene ausklappen, bevor einer eine Ebene tiefer geöffnet wird FIFO-Queue shallowest unexpanded node zuerst |
| uninformed Depth-first strategy | Einen Ast zuerst komplett ausklappen LIFO-Queue expand the deepest unexpanded node |
| uninformed iterative deepening strategy | |
| informed Heuristic | griechisch: "I find" a "rule of thumb" zB mit Lineal auf Karte |
| informed Greedy Best-first search | Den Knoten öffnen, der am nächsten am Ziel zu sein SCHEINT (Zahl hinter Stadt ist Entfernung vom Ziel) |
| informed A* search | Niedrigster Wert der Evaluation-function g(n)+h(n) = f(n) zurückgelegte Strecke + SLD -> nahezu optimal |
| Traveling Salesperson Problem | Platzhalter |
| Uncertainty Boy or Girl Problem | Mr. Jones hat eine ältere Tochter. Wie hoch ist die Wahrscheinlichkeit dass er zwei Töchter hat? Sample Space s={"GB","GG"} Event: (olderChild==Girl) && (youngerChild==Girl) Event Space e={"GG"} Outcome = Event/sample = 1/2 |
| bis Folie 57 | bis Folie 57 |
¿Quieres crear tus propias Fichas gratiscon GoConqr? Más información.