Künstliche Intelligenz für Dummies
1. Auflage
Erschienen am 8. Mai 2019
Buch
Softcover
458 Seiten
978-3-527-71494-0 (ISBN)
Beschreibung
Künstliche Intelligenz begegnet uns immer mehr im täglichen Leben. Egal ob intelligente Autos, Roboter, Chatbots oder Systeme, die uns im Schach und Go besiegen, KI wird immer wichtiger. Ralf Otte beschreibt präzise und dennoch einfach diejenigen Algorithmen, die all das ermöglicht haben, erläutert Beispielanwendungen aus der Industrie, erklärt die zugrundeliegende Mathematik und zeigt darüber hinaus klare Grenzen für die Künstliche Intelligenz der nächsten Jahre auf. Egal ob Informatiker oder nicht, um dieses Buch zu verstehen genügt Mathematikwissen auf Oberstufenniveau.
Rezensionen / Stimmen
"... Besonders gut hat mir der kurze, aber informative Überblick über die vielen, vielen Tools gefallen. ...Fazit: Gut, um über den programmiertechnischen Horizont hinaus zusätzlich mehr zu erfahren."
(Infotechnicka. de 23. Juni 2019)
"Unterhaltsamer und verständlicher als Otte das tut, gibt's das wohl in keinem anderen Buch."
(ntv.de 8.11.2019)
Weitere Details
Weitere Ausgaben
Nachauflagen
Ralf Otte
Künstliche Intelligenz für Dummies
Buch
04/2023
2. Auflage
Wiley-VCH
26,00 €
Artikel ist vergriffen; siehe Neuauflage
Person
Ralf Otte ist Professor am Institut für Automatisierungssysteme an der Technischen Hochschule Ulm und dort auch verantwortlich für das Modul »Künstliche Intelligenz und Softcomputing für Ingenieure«.
Inhalt
UEber den Autor 9
Einfuehrung 21
UEber dieses Buch 22
Wie dieses Buch aufgebaut ist 23
Teil I: Ganz schoen clever 23
Teil II: Wie lernt und denkt eine Maschine heute 23
Teil III: Eine bunte Umsetzung von Kuenstlicher Intelligenz, denn alle Theorie ist grau 24
Teil IV: Ist die Maschine bald klueger als der Mensch und fuehlt sie sich wenigstens gut dabei 24
Teil V: Der Top-Ten-Teil 25
Symbole, die in diesem Buch verwendet werden 25
Was nun? 26
Teil I Ganz Schoen Clever 27
Kapitel 1 Einfuehrung in die Thematik 29
Was ist Intelligenz? 30
Intelligenz messen 30
Gibt es nicht die eine richtige Antwort? 31
Codierte Intelligenz 33
Schwache KI 34
Starke KI 34
Kapitel 2 Eine kurze Geschichte der intelligenten Maschinen 37
Autonom vs intelligent 37
Denken mit Mathematik formalisieren 38
Der Universalcomputer 38
Die Geburtsstunde der Kuenstliche Intelligenz 39
Wichtige Meilensteine der KI 40
Kapitel 3 Wie intelligent ist die Kuenstliche Intelligenz wirklich? 45
Die angemessene Intelligenz - Intelligenzstufe I1 45
Die lernende Intelligenz - Intelligenzstufe I2 49
Muss Wissen wahr sein? 50
Koennen Maschinen Wissen erzeugen? 51
Deduktiver Wissenserwerb 52
Abduktiver Wissenserwerb 55
Induktiver Wissenserwerb 56
Die kreative Intelligenz - Intelligenzstufe I3 60
Die bewusste Intelligenz - Intelligenzstufe I4 65
Die selbstbewusste Intelligenz - Intelligenzstufe I5 67
Einordnung der KI im Rahmen der verschiedenen Intelligenzstufen und Anmerkungen zu Bots 67
Der Turing-Test 68
Das chinesische Zimmer 71
Zusammenfassung 72
Kapitel 4 Alles, was Sie ueber das Wissen wissen muessen 73
Von Daten zu Informationen zu Wissen 73
Reden wir ueber Daten 74
Reden wir ueber Information 76
Information und ihre Bedeutung 81
Berechnen wir die quantitative Groesse der Bedeutung 83
Kommen wir zum Wissen 86
Alles digital oder was ... - Die grosse Digitalisierungswelle 88
KI, Datenbanken und Wissensbasierte Systeme 93
Was ist eine Datenbank? 94
Was ist ein Expertensystem? 95
Was ist ein Wissensbasiertes System? 99
KI und Multi-Agenten-Systeme 99
KI und Semantische Netze 103
KI und Neuronale Netze oder wie speichert der Mensch sein Wissen? 105
KI-Systeme sind etwas Technisches 107
Wir erzeugen neues Wissen 108
Kapitel 5 Alles logisch oder was? 111
KI umfasst noch sehr viel mehr 112
Die Grundlagen der Logik 113
Die logische Kettenregel 113
Aristoteles' Logik nennen wir Syllogismus 114
Aussagenlogik 116
Junktoren der Aussagenlogik 117
Tautologien 121
Das Deduktionstheorem 123
Das Erfuellbarkeitsproblem der Aussagenlogik 128
Praedikatenlogik 1 Stufe (PL1) 129
Schlussfolgern in der Praedikatenlogik 133
Der Resolutionskalkuel 135
Die PL1 ist korrekt und vollstaendig 136
Das Entscheidbarkeitsproblem der Praedikatenlogik 136
Praedikatenlogik 2 Stufe (PL2) 137
Darum PL2 138
Vollstaendige Induktion 139
Grenzen der PL2 - Das Unvollstaendigkeitstheorem 140
Unabhaengig von der KI: Was bedeutet das Ergebnis von Goedel erkenntnistheoretisch? 144
Zusammenfassung und Kritikpunkte zur klassischen Logik 145
Teil II Wie Lernt Und Denkt Eine Maschine Heute 147
Kapitel 6 Die Grundlagen des maschinellen Lernens 149
Die Rohstoffe des maschinellen Lernens 150
Die Grundlagen maschinellen Lernens 151
Weisse Schwaene - schwarze Schwaene 152
Bauen wir Modelle von der Welt 152
Analytischer vs empirischer Ansatz 153
Beispiele fuer die empirische Modellierungsmethode 157
Statistik im UEberblick 159
Schliessende Statistik in der KI 161
Von Datentypen, Kennzahlen und fiesen Fallstricken 161
Welche Daten sagen was - Skalentypen 163
Beginnen wir mit einer einfachen Datentabelle 164
Univariate Statistik am Beispiel 166
Multivariate Statistik am Beispiel 168
Auf der Suche nach der Wahrheit 172
Die Grenzen der Statistik 173
Multivariate Statistik im mathematischen Detail 174
Statistische Verfahren zum Auffinden von Zusammenhaengen 175
Statistische Verfahren zum Auffinden von Strukturen 190
Zusammenfassung 194
Kapitel 7 Kaum zu glauben - Die Maschine lernt richtige Regeln 195
Entscheidungsbaeume 196
Entscheidungsbaum basierend auf Maximierung des Informationsgewinns 196
Assoziationsregeln 205
Wichtige Guetemasse 206
Ein interessantes Guetemass: Die Interessantheit 212
Kapitel 8 Neuronale Netze - Auf dem Weg zum kuenstlichen Gehirn 213
Das Neuronenmodell 214
Wie alles begann ... 216
... und (fast) voreilig endete 219
Die Topologie von neuronalen Netzwerken 223
UEberblick ueber neuronale Lernverfahren 229
UEberwachte Lernverfahren 230
Unueberwachte Lernverfahren 230
Bestaerkende Lernverfahren 230
Hebb'sche Lernregel - das einfachste Lernverfahren 232
Delta-Lernregel als einfaches ueberwachtes Lernverfahren 233
Backpropagation-Lernregel - der Standard der ueberwachten Lernverfahren 235
LSTM-Netze (als Vertreter von Deep-Learning-Netzen) 240
Competitive Networks - ein einfaches unueberwachtes Lernverfahren 241
Selbst-Organisierende Merkmalskarten (SOM) - ein unueberwachtes Lernverfahren der Koenigsklasse 243
Probleme der neuronalen Netze beim Einsatz in der Praxis 253
Guetemasse neuronaler Netze fuer numerische Vorhersagen (Modellvorhersagen) 254
Guetemasse fuer Klassifikatoren 255
Probleme des Generalisierens 255
Zusammenfassung 259
Kapitel 9 Deep Learning - Der neue Clou der Kuenstlichen Intelligenz 261
Ein kleines bisschen Bildverarbeitung 262
Bildverarbeitung durch Faltung .. und nicht Filterung 263
Ein Faltungskern zur Kantendetektion 266
Convolutional Neural Networks (CNN) - Neuronale Faltungsnetzwerke 268
Lernphase eines CNN 268
Anwendungsphase eines CNN 269
Kritische Anmerkungen zum Deep Learning 270
So taeuscht man eine KI 271
Teil III Eine Bunte Umsetzung Der Kuenstlichen Intelligenz, Denn Alle Theorie Ist Grau 275
Kapitel 10 Ist KI nur Mathematik? 277
Grenzen von Mathematik und Computern 277
Was ist ein Algorithmus? 279
Ist auch die menschliche Intelligenz algorithmisch? 281
Ist die Natur >>mechanisierbar<<? 283
Kapitel 11 Klueger als die alten Meister - Wieso gewinnt die KI im Schach und Go? 289
Wie konnte es so weit kommen? 289
Deep Blue gewinnt im Schach 290
AlphaGo gewinnt im Go 295
Zugnetzwerk (Policy Network) 297
Bewertungsnetzwerk (Value Network) 297
AlphaZero gewinnt alles 299
Zusammenfassung 302
Kapitel 12 Mal was Nuetzliches - KI in Industrie und Gesellschaft 303
Kuenstliche Intelligenz in der Industrie 303
IBM Watson 305
Roboter in der Industrie 306
Produktion Industrie 4.0 und Internet der Dinge 308
Kuenstliche Intelligenz in der Gesellschaft 312
Das Internet 312
Gesichtserkennung 313
Spracherkennung und Sprachsteuerung 313
Sprach-UEbersetzung 314
Medizin 314
Soziale Netzwerke 315
KI in Kunst und Wissenschaft 315
Autonome Autos (Selbstfahrende Autos) 316
Zusammenfassung und Diskussion 322
Kapitel 13 Und immer wieder lernen - KI und die Daten unserer Welt 323
Was es alles gibt 323
Was ist Data Mining? 325
Der Data-Mining-Prozess in der Praxis 326
KI als die Data-Mining-Technologie der Industrie 329
Allgemeine Situationsbewertung 329
Praxisbeispiel - Ausschussratensenkung in einer diskreten Fertigung 333
Praxisbeispiel - Analyse von Prozesseigenschaften chemischer Prozesse 341
Praxisbeispiel - Gleichzeitige Optimierung mehrerer Zielgroessen (Polyoptimierung) 346
Praxisbeispiel - Kostenreduktion im Einkauf durch Text Mining 349
Und vieles mehr 353
Zusammenfassung 353
KI & Big Data - Fluch und Segen zugleich 356
Schauen wir zuerst zu Facebook 356
BUMMER und das Gesetz der grossen Zahlen 358
Und nun zu Google 359
Da ist der Haken 361
Kapitel 14 KI zum Anfassen - Arbeiten mit Tools 363
1 Matlab - MATrix LABoratory 367
2 WEKA - Waikato Environment for Knowledge Analysis 368
3 R und Python 368
4 KNIME - Konstanz Information Miner 369
5 TensorFlow - das KI-Werkzeug von Google 370
Teil IV Ist Die Maschine Bald Klueger Als Der Mensch und Fuehlt Sie Sich Wenigstens Gut Dabei 373
Kapitel 15 Materie und Geist - Ein notwendiger Ausflug in die Philosophie 375
Wie klug ist die KI heute schon? 375
Generelles Nachdenken ueber den Geist und das Bewusstsein 382
Dualismus 383
Monismus 384
Emergenztheorie 385
Funktionalismus 385
Schoen philosophiert - Und nun? 387
Zusammenfassung 389
Kapitel 16 Mit der Lupe ins Gehirn geschaut: Bewusstsein - Wo bist du? 391
Von der Philosophie des Geistes zurueck zur empirischen Forschung 391
Wo und wie ist denn nun die Qualia abgespeichert? 393
Die Anatomie neuronaler Netze im menschlichen Gehirn 394
Die Physiologie der neuronalen Informationsverarbeitung 396
Eine wichtige Diskussion: Wetware vs Hardware 401
Der Vorteil der Wetware - Die heutige Hardware besitzt keine Qualia 403
1 Detaillierte Analyse des menschlichen Gehirns 404
2 Mathematische Modellierung von Bewusstsein und Qualia im Gehirn 404
3 Bestimmung der Eigenschaften, die ein System haben muesste, um Bewusstsein auszupraegen 405
4 Zeigen, dass die heutigen KI-Systeme diese Eigenschaften nicht besitzen 405
Eine Hypothese: Zur Erzeugung von Qualia benoetigen wir wahrscheinlich die Quantenphysik 406
Ein Beispiel: Der Mensch sieht nicht nur mit seinen Augen 407
Zusammenfassung 410
Kapitel 17 Zukuenftige Entwicklungen und ethische Fragen 413
Quo vadis KI oder Warum die Singularitaet nochmals ausfaellt 414
Auswirkungen bei der Nichterkennung technischer Grenzen der heutigen KI-Systeme 416
Die Evolution der Schwachen KI 416
Deduktive KI - Die KI bis gestern 416
Induktive und Kognitive KI - Die KI der Gegenwart 417
Neuromorphe KI - Die KI von morgen 419
Die Evolution der Starken KI 422
Maschinelles Bewusstsein auf Quantencomputern? 422
Wir muessen ueber Ethik reden 424
Was haben Fake News mit KI zu tun? 425
Und jetzt auch noch Fake Science 426
KI in Social Media 427
Damit kommen wir zur Ethik 428
Fiction 1: Plaedoyer gegen die Kuenstliche Intelligenz -Das Risiko vom Ende 431
Fiction 2: Plaedoyer fuer die Kuenstliche Intelligenz - Die Chance zum Anfang 434
Diskussion 438
Teil V Der Top-Ten-Teil 439
Kapitel 18 Fast zehn Begriffe und Einordnungen 441
Damit Sie die KI nicht missverstehen 441
Tipps fuer Studenten 442
Tipps fuer Manager 442
Und ein kleiner Tipp fuer Politiker und interessierte Laien 443
Es gibt auch Big Data 444
Ein Einstieg fuer Interessierte mithilfe des Internets 444
Werden Sie aktiv - Probieren Sie selbst mal was aus 445
KI ist gut organisiert 446
Fuehren Sie KI in Ihrem Unternehmen ein oder werden Sie dafuer verantwortlich 447
Literaturliste 449
Stichwortverzeichnis 453
Einfuehrung 21
UEber dieses Buch 22
Wie dieses Buch aufgebaut ist 23
Teil I: Ganz schoen clever 23
Teil II: Wie lernt und denkt eine Maschine heute 23
Teil III: Eine bunte Umsetzung von Kuenstlicher Intelligenz, denn alle Theorie ist grau 24
Teil IV: Ist die Maschine bald klueger als der Mensch und fuehlt sie sich wenigstens gut dabei 24
Teil V: Der Top-Ten-Teil 25
Symbole, die in diesem Buch verwendet werden 25
Was nun? 26
Teil I Ganz Schoen Clever 27
Kapitel 1 Einfuehrung in die Thematik 29
Was ist Intelligenz? 30
Intelligenz messen 30
Gibt es nicht die eine richtige Antwort? 31
Codierte Intelligenz 33
Schwache KI 34
Starke KI 34
Kapitel 2 Eine kurze Geschichte der intelligenten Maschinen 37
Autonom vs intelligent 37
Denken mit Mathematik formalisieren 38
Der Universalcomputer 38
Die Geburtsstunde der Kuenstliche Intelligenz 39
Wichtige Meilensteine der KI 40
Kapitel 3 Wie intelligent ist die Kuenstliche Intelligenz wirklich? 45
Die angemessene Intelligenz - Intelligenzstufe I1 45
Die lernende Intelligenz - Intelligenzstufe I2 49
Muss Wissen wahr sein? 50
Koennen Maschinen Wissen erzeugen? 51
Deduktiver Wissenserwerb 52
Abduktiver Wissenserwerb 55
Induktiver Wissenserwerb 56
Die kreative Intelligenz - Intelligenzstufe I3 60
Die bewusste Intelligenz - Intelligenzstufe I4 65
Die selbstbewusste Intelligenz - Intelligenzstufe I5 67
Einordnung der KI im Rahmen der verschiedenen Intelligenzstufen und Anmerkungen zu Bots 67
Der Turing-Test 68
Das chinesische Zimmer 71
Zusammenfassung 72
Kapitel 4 Alles, was Sie ueber das Wissen wissen muessen 73
Von Daten zu Informationen zu Wissen 73
Reden wir ueber Daten 74
Reden wir ueber Information 76
Information und ihre Bedeutung 81
Berechnen wir die quantitative Groesse der Bedeutung 83
Kommen wir zum Wissen 86
Alles digital oder was ... - Die grosse Digitalisierungswelle 88
KI, Datenbanken und Wissensbasierte Systeme 93
Was ist eine Datenbank? 94
Was ist ein Expertensystem? 95
Was ist ein Wissensbasiertes System? 99
KI und Multi-Agenten-Systeme 99
KI und Semantische Netze 103
KI und Neuronale Netze oder wie speichert der Mensch sein Wissen? 105
KI-Systeme sind etwas Technisches 107
Wir erzeugen neues Wissen 108
Kapitel 5 Alles logisch oder was? 111
KI umfasst noch sehr viel mehr 112
Die Grundlagen der Logik 113
Die logische Kettenregel 113
Aristoteles' Logik nennen wir Syllogismus 114
Aussagenlogik 116
Junktoren der Aussagenlogik 117
Tautologien 121
Das Deduktionstheorem 123
Das Erfuellbarkeitsproblem der Aussagenlogik 128
Praedikatenlogik 1 Stufe (PL1) 129
Schlussfolgern in der Praedikatenlogik 133
Der Resolutionskalkuel 135
Die PL1 ist korrekt und vollstaendig 136
Das Entscheidbarkeitsproblem der Praedikatenlogik 136
Praedikatenlogik 2 Stufe (PL2) 137
Darum PL2 138
Vollstaendige Induktion 139
Grenzen der PL2 - Das Unvollstaendigkeitstheorem 140
Unabhaengig von der KI: Was bedeutet das Ergebnis von Goedel erkenntnistheoretisch? 144
Zusammenfassung und Kritikpunkte zur klassischen Logik 145
Teil II Wie Lernt Und Denkt Eine Maschine Heute 147
Kapitel 6 Die Grundlagen des maschinellen Lernens 149
Die Rohstoffe des maschinellen Lernens 150
Die Grundlagen maschinellen Lernens 151
Weisse Schwaene - schwarze Schwaene 152
Bauen wir Modelle von der Welt 152
Analytischer vs empirischer Ansatz 153
Beispiele fuer die empirische Modellierungsmethode 157
Statistik im UEberblick 159
Schliessende Statistik in der KI 161
Von Datentypen, Kennzahlen und fiesen Fallstricken 161
Welche Daten sagen was - Skalentypen 163
Beginnen wir mit einer einfachen Datentabelle 164
Univariate Statistik am Beispiel 166
Multivariate Statistik am Beispiel 168
Auf der Suche nach der Wahrheit 172
Die Grenzen der Statistik 173
Multivariate Statistik im mathematischen Detail 174
Statistische Verfahren zum Auffinden von Zusammenhaengen 175
Statistische Verfahren zum Auffinden von Strukturen 190
Zusammenfassung 194
Kapitel 7 Kaum zu glauben - Die Maschine lernt richtige Regeln 195
Entscheidungsbaeume 196
Entscheidungsbaum basierend auf Maximierung des Informationsgewinns 196
Assoziationsregeln 205
Wichtige Guetemasse 206
Ein interessantes Guetemass: Die Interessantheit 212
Kapitel 8 Neuronale Netze - Auf dem Weg zum kuenstlichen Gehirn 213
Das Neuronenmodell 214
Wie alles begann ... 216
... und (fast) voreilig endete 219
Die Topologie von neuronalen Netzwerken 223
UEberblick ueber neuronale Lernverfahren 229
UEberwachte Lernverfahren 230
Unueberwachte Lernverfahren 230
Bestaerkende Lernverfahren 230
Hebb'sche Lernregel - das einfachste Lernverfahren 232
Delta-Lernregel als einfaches ueberwachtes Lernverfahren 233
Backpropagation-Lernregel - der Standard der ueberwachten Lernverfahren 235
LSTM-Netze (als Vertreter von Deep-Learning-Netzen) 240
Competitive Networks - ein einfaches unueberwachtes Lernverfahren 241
Selbst-Organisierende Merkmalskarten (SOM) - ein unueberwachtes Lernverfahren der Koenigsklasse 243
Probleme der neuronalen Netze beim Einsatz in der Praxis 253
Guetemasse neuronaler Netze fuer numerische Vorhersagen (Modellvorhersagen) 254
Guetemasse fuer Klassifikatoren 255
Probleme des Generalisierens 255
Zusammenfassung 259
Kapitel 9 Deep Learning - Der neue Clou der Kuenstlichen Intelligenz 261
Ein kleines bisschen Bildverarbeitung 262
Bildverarbeitung durch Faltung .. und nicht Filterung 263
Ein Faltungskern zur Kantendetektion 266
Convolutional Neural Networks (CNN) - Neuronale Faltungsnetzwerke 268
Lernphase eines CNN 268
Anwendungsphase eines CNN 269
Kritische Anmerkungen zum Deep Learning 270
So taeuscht man eine KI 271
Teil III Eine Bunte Umsetzung Der Kuenstlichen Intelligenz, Denn Alle Theorie Ist Grau 275
Kapitel 10 Ist KI nur Mathematik? 277
Grenzen von Mathematik und Computern 277
Was ist ein Algorithmus? 279
Ist auch die menschliche Intelligenz algorithmisch? 281
Ist die Natur >>mechanisierbar<<? 283
Kapitel 11 Klueger als die alten Meister - Wieso gewinnt die KI im Schach und Go? 289
Wie konnte es so weit kommen? 289
Deep Blue gewinnt im Schach 290
AlphaGo gewinnt im Go 295
Zugnetzwerk (Policy Network) 297
Bewertungsnetzwerk (Value Network) 297
AlphaZero gewinnt alles 299
Zusammenfassung 302
Kapitel 12 Mal was Nuetzliches - KI in Industrie und Gesellschaft 303
Kuenstliche Intelligenz in der Industrie 303
IBM Watson 305
Roboter in der Industrie 306
Produktion Industrie 4.0 und Internet der Dinge 308
Kuenstliche Intelligenz in der Gesellschaft 312
Das Internet 312
Gesichtserkennung 313
Spracherkennung und Sprachsteuerung 313
Sprach-UEbersetzung 314
Medizin 314
Soziale Netzwerke 315
KI in Kunst und Wissenschaft 315
Autonome Autos (Selbstfahrende Autos) 316
Zusammenfassung und Diskussion 322
Kapitel 13 Und immer wieder lernen - KI und die Daten unserer Welt 323
Was es alles gibt 323
Was ist Data Mining? 325
Der Data-Mining-Prozess in der Praxis 326
KI als die Data-Mining-Technologie der Industrie 329
Allgemeine Situationsbewertung 329
Praxisbeispiel - Ausschussratensenkung in einer diskreten Fertigung 333
Praxisbeispiel - Analyse von Prozesseigenschaften chemischer Prozesse 341
Praxisbeispiel - Gleichzeitige Optimierung mehrerer Zielgroessen (Polyoptimierung) 346
Praxisbeispiel - Kostenreduktion im Einkauf durch Text Mining 349
Und vieles mehr 353
Zusammenfassung 353
KI & Big Data - Fluch und Segen zugleich 356
Schauen wir zuerst zu Facebook 356
BUMMER und das Gesetz der grossen Zahlen 358
Und nun zu Google 359
Da ist der Haken 361
Kapitel 14 KI zum Anfassen - Arbeiten mit Tools 363
1 Matlab - MATrix LABoratory 367
2 WEKA - Waikato Environment for Knowledge Analysis 368
3 R und Python 368
4 KNIME - Konstanz Information Miner 369
5 TensorFlow - das KI-Werkzeug von Google 370
Teil IV Ist Die Maschine Bald Klueger Als Der Mensch und Fuehlt Sie Sich Wenigstens Gut Dabei 373
Kapitel 15 Materie und Geist - Ein notwendiger Ausflug in die Philosophie 375
Wie klug ist die KI heute schon? 375
Generelles Nachdenken ueber den Geist und das Bewusstsein 382
Dualismus 383
Monismus 384
Emergenztheorie 385
Funktionalismus 385
Schoen philosophiert - Und nun? 387
Zusammenfassung 389
Kapitel 16 Mit der Lupe ins Gehirn geschaut: Bewusstsein - Wo bist du? 391
Von der Philosophie des Geistes zurueck zur empirischen Forschung 391
Wo und wie ist denn nun die Qualia abgespeichert? 393
Die Anatomie neuronaler Netze im menschlichen Gehirn 394
Die Physiologie der neuronalen Informationsverarbeitung 396
Eine wichtige Diskussion: Wetware vs Hardware 401
Der Vorteil der Wetware - Die heutige Hardware besitzt keine Qualia 403
1 Detaillierte Analyse des menschlichen Gehirns 404
2 Mathematische Modellierung von Bewusstsein und Qualia im Gehirn 404
3 Bestimmung der Eigenschaften, die ein System haben muesste, um Bewusstsein auszupraegen 405
4 Zeigen, dass die heutigen KI-Systeme diese Eigenschaften nicht besitzen 405
Eine Hypothese: Zur Erzeugung von Qualia benoetigen wir wahrscheinlich die Quantenphysik 406
Ein Beispiel: Der Mensch sieht nicht nur mit seinen Augen 407
Zusammenfassung 410
Kapitel 17 Zukuenftige Entwicklungen und ethische Fragen 413
Quo vadis KI oder Warum die Singularitaet nochmals ausfaellt 414
Auswirkungen bei der Nichterkennung technischer Grenzen der heutigen KI-Systeme 416
Die Evolution der Schwachen KI 416
Deduktive KI - Die KI bis gestern 416
Induktive und Kognitive KI - Die KI der Gegenwart 417
Neuromorphe KI - Die KI von morgen 419
Die Evolution der Starken KI 422
Maschinelles Bewusstsein auf Quantencomputern? 422
Wir muessen ueber Ethik reden 424
Was haben Fake News mit KI zu tun? 425
Und jetzt auch noch Fake Science 426
KI in Social Media 427
Damit kommen wir zur Ethik 428
Fiction 1: Plaedoyer gegen die Kuenstliche Intelligenz -Das Risiko vom Ende 431
Fiction 2: Plaedoyer fuer die Kuenstliche Intelligenz - Die Chance zum Anfang 434
Diskussion 438
Teil V Der Top-Ten-Teil 439
Kapitel 18 Fast zehn Begriffe und Einordnungen 441
Damit Sie die KI nicht missverstehen 441
Tipps fuer Studenten 442
Tipps fuer Manager 442
Und ein kleiner Tipp fuer Politiker und interessierte Laien 443
Es gibt auch Big Data 444
Ein Einstieg fuer Interessierte mithilfe des Internets 444
Werden Sie aktiv - Probieren Sie selbst mal was aus 445
KI ist gut organisiert 446
Fuehren Sie KI in Ihrem Unternehmen ein oder werden Sie dafuer verantwortlich 447
Literaturliste 449
Stichwortverzeichnis 453