|
|
|
|
Künstliche IntelligenzUnter Künstlicher Intelligenz (KI) versteht man die Zusammenfassung von Vorgehensweisen, die sich am Vorbild der in der Natur beobachtbaren Problemlösungsstrategien und -methoden orientieren und deren computergestützte Umsetzung zum Ziel hat. Der Einsatz des Methodenspektrums der KI ist daher eng mit grundsätzlichen Fragen der Wissensmodellierung und -repräsentation, sowie den darauf aufsetzenden Mechanismen der Wissensverarbeitung verbunden.
Wissens- und AnwendungsgebieteAls Folge früherer negativer Erfahrungen mit zu euphorischen Beurteilungen der Leistungsfähigkeit von KI-Methoden müssen die Voraussetzungen und Gültigkeitsbereiche für diese Methoden genau geprüft werden, da sonst erneut die Gefahr der Überschätzung besteht. Diesbezüglich wird hier eine erste Unterteilung von Wissensgebieten und Begründungsarten in den verschiedenen Wissenschaften in die Bereiche Glauben, Können und Wissen vorgenommen.
Die Einbettung dieser Bereiche ist in Abbildung 1 oben dargestellt und leitet sich aus der Philosophie des ARISTOTELES ab, der von einer Einbettung der Logik in die Ästhetik ausging, die selbst wiederum in die Ethik eingebettet ist. Zu Wissen
gehören die Begründungsarten, deren Ergebnisse auf Gesetzen und Regeln beruhen, die im
naturwissenschaftlichen Sinne beweisbar, konsistent, reproduzierbar oder meßbar sind. Wissenschaftlich interessant sind durch die Unterteilung in Glauben, Können und Wissen sowohl die in den jeweiligen Gebieten benutzten Wissensrepräsentationen und Methoden selbst, als auch die an den Rändern der aneinander anstoßenden Gebiete auftretenden Übergange mit ihren Übergangs- bzw. Verträglichkeitsbedingungen. Diese werden hier nachfolgend für die Grenze des Wissens zum Können hin untersucht und anhand der Grenze der Physik hin zur Künstlichen Intelligenz dargestellt.
Werden jedoch Methoden der KI auf Probleme in der Physik P (oder dem Ingenieurwesen) angewandt, besitzen die Operanden automatisch physikalische Dimensionen. Damit ist die notwendige Bedingung der Dimensionshomogenität in der Verknüpfung dimensionsbehafteter Größen zwangsläufig zu erfüllen.
KI-Methoden müssen in technischen Anwendungen deshalb ebenfalls dimensionshomogen sein. Diese Folgerung aus der notwendigen Gültigkeit des Prinzips der Dimensionshomogenität stellt in Form des Einbettungssatzes der Physik in die KI der
als die zentrale Grundlage für die Übertragbarkeit der Ähnlichkeitsmechanik in die KI dar. Der Einbettungssatz bedeutet nichts anderes, als daß die Modellvorstellungen der KI für Anwendungen in der Naturwissenschaft und Technik die Bedingung der Dimensionshomogenität erfüllen müssen. Damit existieren auch in allen dimensionshomogenen KI-Repräsentationen dimensionslose Kennzahlen, die auf dem Pi-Theorem von Buckingham beruhen. Dies bedeutet, daß jede (hier: explizite) Funktion f von dimensionsbehafteten Variablen in
eine Funktion F von dimensionslosen Variablen umgeschrieben werden kann. Diese haben in der Physik (und anderen Naturwissenschaften) eine zentrale Bedeutung in der Modellbildung und werden als dimensionslose Kennzahlen bzw. als Ähnlichkeitsfunktion F bezeichnet. Viele Kennzahlen sind aufgrund ihrer häufigen Verwendung in der Modellbildung mit dem Namen berühmter Naturwissenschaftler belegt: Reynoldszahl Re, Machzahl Ma, Prandtlzahl Pr, Nusseltzahl Nu.
Arbeitsgebiete der Künstlichen Intelligenz |
|
E-Mail mit
Fragen oder Kommentaren bitte an:
webmaster@iils.de
|
