Künstliche Intelligenz & Bildung - Nicht nur für ExpertInnen - Portal Deutsch

Image: https://pixabay.com/de/netz-netzwerk-programmierung-3706562/ (CC-0)
                                                                             Künstliche Intelligenz & Bildung
                                                                                                                Nicht nur für ExpertInnen

Künstliche Intelligenz

Was ist das überhaupt?
 Was kann sie (nicht)?

KI - Definitonen
▪ "Künstliche Intelligenz ist die Erforschung und Entwicklung
  intelligenter Maschinen"
  (McCarthy 1956)
▪ "Die Erforschung und Entwicklung Künstlicher Intelligenz
  zielt darauf ab, dass Computer Verhaltensweisen zeigen,
  von denen man bis vor kurzem dachte,
   dass sie menschliche Intelligenz benötigen.” (Moore, 2017)

Wie können Maschinen überhaupt so etwas wie
Intelligenz aufweisen?
Termiten in einer Simulation folgen sehr einfachen Regeln:
1. Laufe einen Schritt in eine zufällige Richtung
2. Wenn du dabei auf ein Holzstücken triffst
   a. und nichts trägst: Holzstück aufheben
   b. und auf ein Holzstück triffst: Holzstück fallen lassen
      und einige Schritte weggehen.

Was wird passieren?
   1. Ständige zufällige Veränderungen,
      das Muster bleibt chaotisch.
   2. Große Strukturen und Muster entstehen.
   3. Viele unregelmäßige Häufchen entstehen.
   4. Ein einzelner runder Haufen entsteht.

Das
Grundproblem:
Anthropo-
morphisierung
Der Begriff "Künstliche Intelligenz"
impliziert menschliches Verhalten.
Aber: Kein heutiges Computer-
programm verhält sich wie ein
Mensch.

Beispiel:
Wortlisten
durchsuchen

              DEMO

Beispiele: Puzzle, Schach spielen

                         Wir halten Menschen für intelligent, die...

                         •   gut rechnen können
                         •   sich Dinge gut merken können
                         •   komplexe logische Schlüsse ziehen können
                         •   Rätsel und Puzzle lösen können
                         •   gut Schach spielen können
                         •   ...

Computer können all das besser als Menschen,
gelten dann aber nicht als intelligent.

Symbolische
KI

              Künstliche
Sub-          Intelligenz
symbolische   Hauptrichtungen

KI

Was können Computer erst seit kurzem
(fast) so gut wie Menschen?
▪ Objekte in Bildern erkennen
▪ Auto fahren
▪ Kundenverhalten vorhersagen
▪ Maschinelle Übersetzung
▪ Spracherkennung

                                https://ai.googleblog.com/2014/09/building-deeper-understanding-of-images.html

Maschinelle Übersetzung   Englischer Text: DVV, Übersetzung: DeepL

Spracherkennung

Maschinelles Lernen
     "Maschinelles Lernen ist die Erforschung von Algorithmen,
            die sich durch Erfahrung automatisch verbessern."
                      Tom M. Mitchell, Machine Learning, McGraw Hill, 1991

Künstliche Neuronale Netze
                1·2+0·2=1

     1     ·2
                +    >3?                              0
     0     ·2
                             McCullogh, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous
                             activity. Bulletin of Mathematical Biophysics, 115–133.

                             Rosenblatt, F. (1958). The perceptron: a probabilistic model for information storage and
                             organization in the brain. Psychological review, 65(6), 386.

                             Minsky, M., & Papert, S. (1969). Perceptrons: An essay in computational geometry.

Künstliche Neuronale Netze
                1·2+1·2=4

     1     ·2
                +    >3?                               1
     1     ·2
                             McCullogh, W. S., & Pitts, W. (1943). A logical calculus of the ideas immanent in nervous
                             activity. Bulletin of Mathematical Biophysics, 115–133.

                             Rosenblatt, F. (1958). The perceptron: a probabilistic model for information storage and
                             organization in the brain. Psychological review, 65(6), 386.

                             Minsky, M., & Papert, S. (1969). Perceptrons: An essay in computational geometry.

Künstliche Neuronale Netze

                    ·?
0           1
     oder
                     ·?     + >?                     1
1           0

Wie müssen die drei Gewichte gewählt werden, damit das Neuron feuert,
wenn eine der beiden Eingaben 1 und die andere 0 ist? (ENTWEDER-ODER-Problem)

Entweder Oder
                  1·1+1·0>0  1

                ·1 >0
          1       ·-1        ·1     1·1+1·0>0  1

                                    >0
          0       ·-1         ·1
                ·1 >0
                   -1·1+1·0

Rumelhart, D. E., McClelland, J. L., & PDP Research Group. (1987).
                                                              Parallel distributed processing (Vol. 1). Cambridge, MA: MIT press.

             Multi-Layer-Perceptron
                                                                                              1     (Wahrscheinlichkeit,
                            Pixel                                                                    dass Eingabe 1 ist)

                                                                                              2      ....
                            Pixel
                                                                                              3      ....

                                                                                              4      ....
                            Pixel
                                                                                              5      ....
                            ...                                                               ...

60.000 Trainingsbilder              Input   Hidden   Hidden       Output
                                    Layer   Layer    Layer        Layer                                     DEMO
mit je 28x28 = 784 Pixeln

Durchbruch
                           Krizhevsky, A., Sutskever, I., & Hinton, G. E.
                           (2012). Imagenet classification with deep
                           convolutional neural networks.
                           In Advances in neural information
                           processing systems (pp. 1097-1105).
                           (> 30.000 citations)
  BIG DATA           GPU

              NEUE
 NETZARCHITEKTUREN

"Lernen" in Künstlichen Neuronalen Netzen

Trainieren neuronaler Netze:
 Viele Daten immer wieder
  präsentieren. Hoffnung:
    Fehlertolerantes und
verallgemeinerndes Lernen.

                                             http://image-net.org/synset?wnid=n07727868#

Künstliche
Neuronale Netze
können Dinge,
die Menschen
nicht gut oder
schnell können         Xue, T., Rubinstein, M., Liu, C., & Freeman, W. T. (2015).
                  A computational approach for obstruction-free photography.
                                 ACM Transactions on Graphics (TOG), 34(4), 79.

Neuronale Netze
machen Fehler,
die Menschen
nicht machen

▪ Für das Training sind sehr, sehr viele
                    Daten notwendig
                  ▪ Erfolgreiches Trainieren erfordert viel
                    Ausprobieren ("Trial and Error")
                  ▪ Neuronale Netze können überraschende
Probleme            Fehler machen
subsymbolischer
                  ▪ Es ist nicht möglich, einfach zu erklären,
KI                  weshalb ein Neuronales Netz zu einem
                    Ergebnis kommt

Symbolische Künstliche
Intelligenz

Tierraten
Errate das Tier, an das ich denke.
Stelle Fragen, die ich mit "ja" oder
"nein" beantworten kann.

                                       Rainer Zenz - https://de.wikipedia.org/wiki/Wolpertinger#/media/File:Wolpertinger.jpg CC-BY-SA

Beispiel: Groß- und Kleinschreibung erklären

            Satzanfang?
                                         Erst seit wenigen tagen war
       Ja                 Nein
                                         Harry in der zauberschule.
                                         Er fand es jeden morgen
groß                  Name?
                                         schwer, den weg ins
                 Ja              Nein
                                         klassenzimmer zu finden.
             groß                klein

Annotation von Aufgaben

    Erst seit wenigen Tagen war Harry in der Zauberschule.

+Satzanfang         -Satzanfang   -Satzanfang    -Satzanfang
   - Name              - Name        +Name         +Nomen
  -Nomen              +Nomen        +Nomen         +konkret
  +Adverb            +abstrakt      +konkret     +nach Artikel
      ...            +Kopf NP      +Kopf NP       +Kopf NP
                          ...          ...            ...

Kommatrainer

Statt maschinellem Lernen:
Expertenwissen modellieren

Erklärbarkeit von Rechtschreibleistungen

Ziel: 

Schreibung: 

 Erklärungen und Analysen immer nur innerhalb eines definierten Rahmens

Definierter Rahmen: Curriculum und Kompetenzen

                      Bäcker

      Konkretes   Verwandt      Schärfung /   Reduktions-
       Nomen      mit backen   Silbengelenk      silbe

Adaptivität im DVV-Lernportal

Verschiedene Schreibungen für :

Becker
Bäker
Bka
beka
...
                                          DEMO

Fazit

Was muss man                    Was kann KI für
über KI wissen?                 die Bildung
• Computer sind nicht           leisten?
  "wirklich" intelligent, sie
  wirken nur manchmal           Wenn Wissensgebiete gut
  menschlich                    beschreibbar sind:
• Computern fehlt aber:
  Verstand                      • Individuelle Empfehlungen
• Manche Tätigkeiten            • Auswahl passender
  benötigen weniger Verstand      Aufgaben
  als gedacht                   • Einblicke in Lernprozesse

Vielen Dank!