Was ist Computerintelligenz?

Computational Intelligence (CI) ist ein Zweig der Informatik, in dem sich Projekte von unten nach oben entwickeln, wobei die Ordnung aus einem anfänglichen Mangel an Struktur hervorgeht. Dies ähnelt vielen Prozessen in der Natur. Computational Intelligence umfasst Konzepte wie das evolutionäre Rechnen, bei dem Probleme mithilfe von Modellen des Evolutionsprozesses gelöst werden und bei Anwendung auf maschinelles Lernen Roboter aus Erfahrungen lernen können. Mit Fuzzy Logic, einem System, das menschlichen Entscheidungen ähnelt, können Probleme gelöst werden, bei denen Unklarheiten oder Unsicherheiten bestehen. Neuronale Netze sind Systeme, die auf der Funktion des menschlichen Gehirns basieren und zur Erkennung von Mustern und Trends in komplexen Daten verwendet werden können.

Im Gegensatz zu Hard-Computing, bei dem Lösungen garantiert sind und Probleme unter strengen Bedingungen begrenzt sind, fällt Computational Intelligence unter den Begriff Soft-Computing, bei dem nicht immer erfolgreiche Ergebnisse erzielt werden. Computergestützte Intelligenz lässt sich häufig von der Natur inspirieren, beispielsweise im Bereich der evolutionären Berechnung, bei der Systeme geschaffen werden, die sich entwickeln, um komplexe Probleme zu lösen. Dies kann auf künstliche oder synthetische Intelligenz angewendet werden, wodurch Roboter entstehen, die aus Erfahrungen lernen und sich im Laufe der Zeit entwickeln.

Auf Fuzzy-Logik basierende Systeme können in der Computerintelligenz verwendet werden, um menschliche Denkweisen zu simulieren. Sie könnten mit biologisch inspirierten neuronalen Netzen auf dem Gebiet der kognitiven Robotik kombiniert werden, wodurch Roboter entstehen, die in der Lage sind, auf eine Art und Weise zu denken, die menschlichen Denkprozessen ähnelt. Solche Roboter können nicht nur denken, sondern auch lernen, sich erinnern, wahrnehmen und Entscheidungen treffen, auch wenn sie unsicher sind, wie es Menschen tun. Dies könnte es Robotern ermöglichen, menschliche Anforderungen besser zu verstehen und die Bedeutung hinter den verwendeten Wörtern zu erkennen. Dies kann für eine Maschine, die Haushaltsaufgaben ausführt, von wesentlicher Bedeutung sein.

Neuronale Netze werden normalerweise als Teil der Computerintelligenz betrachtet. Sie bestehen wie das menschliche Gehirn aus zahlreichen miteinander verbundenen Einzelteilen, ähnlich wie Nerven. Diese arbeiten zusammen, um Probleme zu lösen und lernen, wie sie gehen, weil die Verbindungen zwischen Elementen wie die Verbindungen zwischen Nerven einstellbar sind.

Sobald neuronale Netze gelernt haben, Daten zu analysieren, können sie zu Experten auf ihrem Gebiet werden und zur Vorhersage von Ergebnissen in verschiedenen Szenarien verwendet werden. Ein Nachteil dieser Art von rechnerischer Intelligenz besteht darin, dass sie viel Rechenleistung erfordert und auf unvorhersehbare Weise funktionieren kann. Neuronale Netze sollten nicht mit Expertensystemen verwechselt werden, die vorgegebene Regelwerke verwenden, um Entscheidungen zu treffen, und sie nicht an die Daten anpassen.