Maschinenlernen

Die Veröffentlichung von ChatGPT im Herbst 2022 heizte die Kontroverse um Künstliche Intelligenz an und führte zu einer seitdem unaufhörlichen Fragelust - verstärkt dadurch, dass dieselben Prompts schon kürzeste Zeit später andere Outputs generieren. In einem experimentellen Format präsentieren die Herausgeber_innen erste kommentierte Gespräche mit KI-Sprachmodellen. Sie geben Einblick in dialogische Szenen, die eine fortlaufende Transformation der Technik und Eigentümlichkeiten maschinellen Lernens erfassen.

978-3-86894-430-3;Russell-KünstlicheIntellegenz.jpg

"Künstliche Intelligenz: Ein moderner Ansatz" ist das weltweit populärste KI-Lehrbuch, das an mehr als 1.500 Universitäten in 135 Ländern eingesetzt wird, um die Grundlagen der KI zu vermitteln; zudem gehört es zu den meistzitierten Informatikbüchern. Es ist spannend zu lesen, nicht nur für Studierende und Lehrende der KI, sondern für jeden, der sich mit Informatik und insbesondere mit KI beschäftigen möchte. Die Autoren verstehen es, die Künstliche Intelligenz in ihrer ganzen Themenvielfalt verständlich und gut nachvollziehbar darzustellen.

Die philosophische Antwort auf die Herausforderung der Künstlichen Intelligenz.
Um herauszufinden, wie es um die Zukunft im Zeitalter der Künstlichen Intelligenz steht, begibt sich Gaspard Koenig auf eine Weltreise. In mehr als 120 Gesprächen mit Wissenschaftlern, Politikern, Unternehmern, Investoren, Aktivisten und einem Zauberer lotet er die künstliche und die menschliche Intelligenz aus. Er erforscht, was den freien Willen und die Werte der Aufklärung bedroht, und skizziert eine Politik, die dem Ende des Individuums begegnen kann.

Wer nutzt heute noch einen Stadtplan, anstatt Google Maps? Dabei denken wir nicht daran, dass die KI hinter der App uns zum Wohle aller nicht immer auf den schnellsten Weg führt. KI kann süchtig machen und uns manipulieren. Ausgehend von unseren Daten analysiert sie unser Verhalten, personalisiert Empfehlungen, lenkt unsere Aufmerksamkeit. Klingt gruselig, ist aber längst Teil unseres Alltags.

Maschinelles Lernen ist ein interdisziplinäres Fach, das die Bereiche Informatik, Mathematik und das jeweilige Anwendungsgebiet zusammenführt. In diesem Buch werden alle drei Teilgebiete gleichermaßen berücksichtigt:

- Algorithmen des maschinellen Lernens verwenden und verstehen, wie und warum sie funktionieren.
- Kickstart zur Verwendung von Python 3 und seinem Ökosystem im Umfeld des maschinellen Lernens.
- Verschiedene Methoden des überwachten, unüberwachten und bestärkenden Lernens, u.a. Random Forest, DBSCAN und Q-Learning.

Die Algorithmen werden zum besseren Verständnis und praktischen Einsatz anschaulich mittels NumPy und SciPy umgesetzt. Für die Support Vector Machines und das Deep Learning wird auf scikit-learn bzw. Keras zurückgegriffen.

- Konzepte Schritt für Schritt erklärt
- Die Eigenarten von Zeitreihendaten verstehen: Zeitfenster zum Anlernen einsetzen; mit latenten, saisonalen und Trend-Komponenten arbeiten
- Anleitungen zur Umsetzung in Python mit ausführlichen Code-Kommentaren
- Mit TensorFlow2 Deep-Learning-Verfahren zur Prognose aufbauen, anlernen und produktiv einsetzen

Daten über Vorgänge werden in der verarbeitenden Industrie, der Logistik oder im Finanzsektor im Sekundentakt aufgezeichnet: der Verlauf eines Aktienkurses, die Verkaufszahlen eines Produkts, die Sensordaten einer Turbine. Solche Daten informieren nicht nur über isolierte Zustände; sie sind wie Filme, die den Verlauf eines Vorgangs mit einer Serie einzelner Bilder nachzeichnen. Intelligente Algorithmen können die Muster dieser Verläufe analysieren, sie anlernen und über das Beobachtungsfenster hinaus fortschreiben: Zustände in der Zukunft werden prognostizierbar.