Apropos Lisp: Ich verwende noch heute den Emacs als Editor. :Lachen2:

Ja gibt es.

Ich hab da mal die KI gefragt :Cheese:

Welche fundamental unterschiedliche Konzepte gibt es in der KI Forschung.
ChatGPT:

Die KI-Forschung ist breit gefächert und umfasst verschiedene fundamentale Konzepte, die sich in ihrer Methodik und ihrem Ziel stark unterscheiden. Hier sind die wichtigsten Ansätze:
1. Symbolische KI (Good Old-Fashioned AI, GOFAI)

Kernidee: Repräsentation von Wissen durch Regeln, Logik und Symbole.
Methoden: Expertensysteme, Wissensgraphen, Logik-Programmierung (z. B. Prolog).
Vorteile: Interpretierbar, erklärbar, gut für regelbasierte Systeme.
Nachteile: Kaum lernfähig, schwierig skalierbar, problematisch bei unscharfen oder unstrukturierten Daten.

2. Konnektionistische KI (Neuro-Inspirierte Systeme)

Kernidee: Simulation neuronaler Netze, die biologischen Gehirnen nachempfunden sind.
Methoden: Künstliche neuronale Netze (KNN), Deep Learning, Reinforcement Learning.
Vorteile: Hohe Lernfähigkeit, gut für Mustererkennung und komplexe Datenverarbeitung.
Nachteile: Erklärbarkeit (Black-Box-Problem), hoher Rechenaufwand, Datenhungrigkeit.

3. Evolutionsbasierte KI (Evolutionäre Algorithmen & Genetische Algorithmen)

Kernidee: Nutzung von Mechanismen der natürlichen Evolution (Mutation, Selektion, Rekombination).
Methoden: Genetische Algorithmen, Evolutionsstrategien, Neuroevolution.
Vorteile: Gut für Optimierungsprobleme, explorativ, kann kreative Lösungen finden.
Nachteile: Rechenaufwendig, oft ineffizient für deterministische Probleme.

4. Bayessche & Probabilistische KI

Kernidee: Nutzung von Wahrscheinlichkeitsmodellen zur Entscheidungsfindung unter Unsicherheit.
Methoden: Bayes’sche Netze, Hidden Markov Models, Monte-Carlo-Methoden.
Vorteile: Mathematisch fundiert, gut für Unsicherheitsmodellierung.
Nachteile: Oft hohe Rechenkosten, benötigt präzise Wahrscheinlichkeitsverteilungen.

5. Hybrid-KI (Kombination mehrerer Ansätze)

Kernidee: Kombination von symbolischen und neuronalen Methoden für bessere Generalisierbarkeit.
Methoden: Neuro-symbolische KI, hybride neuronale Netzwerke mit logischen Constraints.
Vorteile: Kann die Stärken beider Welten kombinieren (Interpretierbarkeit & Lernfähigkeit).
Nachteile: Erfordert komplexe Architektur und Integration.

Diese unterschiedlichen Konzepte werden je nach Anwendungsfall kombiniert oder weiterentwickelt. Gibt es eine spezifische Richtung, die dich besonders interessiert?

Den Zusammenhang verstehe ich nicht. Mir ging es darum, dass eine gewisse Grundintelligenz nötig ist, um eine DGL zu lösen.
Natürlich kann auch ein Siebtklässler das tun, indem er irgendwas in eine App eingibt. Es gibt auch Apps, die Apps bedienen. Nach deiner Logik gäb es bei diesem Thema ja gar keine Intelligenz.

Wenn eine KI eine komplizierte DGL löst, was normalerweise nur ein sehr guter Student kann, ist die KI selbstverständlich intelligent. Was denn sonst? Es ist halt maschinelle Intelligenz und keine menschliche, daher auch der Name mschinelle Intelligenz. Auch ein Student wendet letztendlich nur Verfahren an, die er vorher gelernt hat. Er erfindet nichts neues. Maschinelle Intelligenz != menschliche Intelligenz, Intelligenz ist es aber. Natürlich ist die Maschine aus menschlicher Sicht dumm, aber eben nur aus unserer Sicht.

:Blumen:

Ein Computerprogramm ohne kognitive Fähigkeiten vielleicht? ;)

Wenn wir die Unterscheidung durch die Prädikate maschinell und menschlich machen und es gilt maschinelle Intelligenz != menschliche Intelligenz, dann gehe ich da mit - auch wenn das sprachlich nicht mein bevorzugter Ansatz ist.

Arne postete Eingangs das hier:

Aus der Fragestellung heraus war es mir wichtig den Begriff der Intelligenz abzugrenzen. Wenn wir das durch die Prädikate machen wollen, ok. Aus dem von dir festgestellten Sätzen

1) maschinelle Intelligenz ist Intelligenz
2) menschliche Intelligenz ist Intelligenz
3) maschinelle Intelligenz != menschliche Intelligenz

und Arnes Beitrag stelle ich mir folgende Fragen:

a) Wird menschliche Intelligenz in Zukunft noch "gebraucht"?
b) Wieso sollte menschliche Intelligenz überhaupt maschinelle Intelligenz deckeln, wenn doch 3) gilt und ggf. sogar eine "intelligente Evolution" (Falter) existiert?
c) Folgt aus b) zwangsläufig Posthumanismus?
d) Sind kognitive Fähigkeiten Teil maschineller Intelligenz und ist das überhaupt nötig um diejenigen des Menschen zu übersteigen?

:Blumen:

Ich weiß nicht, ob folgender Gedanke hilfreich ist: Wie würden ein Mensch und ein Computer ein Passwort knacken?

Der Computer würde vielleicht 10.000 Buchstabenkombinationen pro Sekunde ausprobieren. Ein Mensch würde sich überlegen, wann die Freundin des Passwort-Inhabers Geburtstag hat und dann die Kombination 18091979 probieren. Oder in der Schreibtischschublade nach einem Spickzettel schauen.

Könnte man urteilen, die Vorgehensweise des Menschen sei intelligent, aber die des Computers nicht? Beide verfolgen eine Stratgie, die zum Erfolg führen kann.

Nehmen wir weiter an, der Computer sei auf das Knacken von Passwörtern trainiert worden. Er hat gelernt, dass Passwörter oft mit dem Geburtstag von Anghörigen identisch sind. Diese sind ihm bekannt. Er prüft sie stets zuerst. Danach geht er die Namen aller leiblichen Kinder durch und prüft Kombinationen dieser Namen.

Würden wir den Computer jetzt als intelligent bezeichnen? Oder ist lediglich der von Menschen erdachte Trainingsprozess des Computers intelligent?

Um die menschlichen Grundbedürfnisse wie Essen und Wohnen zufriedenzustellen, vielleicht nicht.

Was wir dann damit machen, ist unser Ding. Das ist ja auch Freiheit. :liebe053:

Weil wir das in der öffentlichen Debatte oftmals vorauszusetzen scheinen: "Was passiert, wenn Computer so schlau werden wie wir?"

Wir sollen aber fragen, was passiert, wenn Computer eine Millarde mal schlauer werden als wir. Vielleicht sind Menschen schon bald aus Sicht eines Computers so dumm, dass er es im Prozessor nicht aushält.

Aber du hast doch irgendwann auch erst gelernt, dass das Passwort von der Freundin verwendet werden könnte. Vielleicht von deinem Kumpel, der es dir gesagt hat. Der Computer lernt genau so, nur dass es ihm halt nicht der Kumpel ins Ohr flüstert. Er entwickelt selbständig Strategien. Er probiert aus, was ihm erfolgversprechend erscheint. Ist er mit der Freundin erfolgreich, weiß er das und merkt es sich.
Ich sehe keinen Unterschied.