03 Reasoning

Der Mensch trifft seine Entscheidungen auf zweierlei Art: intuitiv oder rational, als so genannte „Schritt-für-Schritt-Begründung“. Bei der Schritt-für-Schritt-Begründung wägen wir unsere potentiellen Entscheidungsmöglichkeiten ab und lassen Beobachtungen mit einfließen, zum Beispiel beim Lösen von Puzzles oder beim Ziehen von logischen Schlussfolgerungen. Bereits zur Anfangszeit der KI-Forschung wurden, für heutige Maßstäbe rudimentäre, Algorithmen entwickelt, welche dazu in der Lage sind, die „Schritt-für-Schritt-Begründung“ des Menschen nachzuahmen. Diese ist für KI-Systeme leichter zu imitieren als für Menschen charakteristische, intuitiv getroffene Bauchentscheidungen. In den 1980er und 1990er Jahren wurden Methoden für den Umgang mit unsicheren oder unvollständigen Informationen entwickelt. Forscher haben also früh erkannt, dass Informationen, sowohl in sicherer als auch in unsicherer Form, für die Effektivität von KI-Systemen essentiell sind – egal ob diese nur zur Erweiterung der Wissensbasis dienen oder zu möglichen Schlussfolgerungen führen.

Das Stichwort „Schlussfolgerung“ führt direkt zum heutigen Thema: Reasoning (zu Deutsch: Argumentation, Begründung). Ein Kriterium, in dem sich KI von konventionellen Computerprogrammen unterscheidet, ist die Nachverfolgung der Argumentationsstruktur. Im Bereich der KI steht das „Was“ und nicht das „Wie“ im Vordergrund. Es muss berechnet werden „was“ getan und geleistet werden muss und nicht „wie“ es angegangen werden soll. Ein Beispiel zur Veranschaulichung: In der Medizin wird bereits heute häufig auf KI-Technologien zurückgegriffen bzw. wird deren Einsatz nach Einschätzung der Experten in Zukunft signifikant zunehmen. Hier errechnet der KI-Agent beispielsweise, was die am wahrscheinlichsten einzutretende Krankheit eines Patienten sein könnte. Dies wird durch die Analyse individueller Patientendaten ermöglicht und der Agent kann auf Grundlage dieser Wissensbasis logische Schlussfolgerungen ableiten.

Reasoning-Systeme produzieren also Schlussfolgerungen basierend auf bereits existierendem Wissen. Mit Hilfe von Deduktion und Induktion kann dann das Wissen in neuen Bereichen angewendet werden. Allerdings darf man Reasoning-Systeme nicht verallgemeinern: Obwohl im Grunde jedes System auf einer Art von Argumentation und Logik basiert, bezieht sich im Bereich der Informationstechnologie Reasoning lediglich auf komplexe Systeme. Systeme, die beispielsweise einfache Aufgaben wie die Berechnung von Kundenrabatten durchführen, verwenden zwar eine gewisse Logik, sind jedoch nicht unter diesem Sammelbegriff zu fassen. Systeme, die allerdings dazu in der Lage sind, medizinische Diagnosen zu stellen, sind komplexer und somit im Bereich der Reasoning-Systeme angesiedelt.

Bei der Entscheidung, wie ein KI-Agent bezüglich Reasoning vorgeht, gilt es drei grundlegende technische Aspekte zu berücksichtigen und zu differenzieren:

 

- Design Time Reasoning: Hier geht es um die Argumentation, die notwendig ist, um das System zu konzipieren. Wie wird der Agent handeln, was werden seine Funktionen sein? Dies fließt in die Berechnung mit ein. Diese Berechnung wird vom Entwickler des KI Agenten durchgeführt, nicht dem Agenten selbst.

- Offline Computation: Dies ist die Berechnung, die der Agent vor seinem Handeln durchführen muss. Seine Aufgabe besteht darin, Erfassungen und Lerneffekte zu generieren und zu verarbeiten. Der Agent verwendet das in dieser Phase oder bereits während der Konstruktionszeit bereitgestellte Hintergrundwissen und integriert sie in eine für ihn nutzbaren Wissensbasis.

Online Computation: Dies bezeichnet die Ausführung des Agenten, die zwischen der Beobachtung und der eigentlichen Interaktion mit der Außenwelt erfolgt. Eine Information, die online erhalten wurde, wird als Beobachtung bezeichnet. Ein Agent muss in der Regel sowohl seine Wissensbasis, als auch seine Beobachtungen verwenden, um bestimmen zu können, was zu tun ist.

 

Reasoning zeigt dabei durchaus Überschneidungen mit NLP: NLP benötigt die logischen Schlussfolgerungen des Agenten, um logisch verknüpfte Sätze und Paragraphen zu formulieren.

 

 

Sind Ihnen neben der vielfältigen Einsatzmöglichkeiten im Gesundheitswesen noch andere Anwendungssektoren bekannt, in denen Reasoning-Systeme bereits Erfolge erzielen - bzw. wo diese zukünftig noch an Relevanz gewinnen werden?

 

 

 

Quellen

http://artint.info/html/ArtInt_11.html

https://web.stanford.edu/class/cs227/Lectures/lec01.pdf

https://www.cse.buffalo.edu/~shapiro/Courses/CSE563/Slides/krrSlides.pdf

https://en.wikipedia.org/wiki/Reasoning_system

 

08.06.2017
  • künstliche intelligenz
  • reasoning

Kommentare

Diskutieren Sie mit der Community auf der Open-Innovation-Plattform