KI ist das, was die Computer heute noch nicht können! :−)
Die Künstliche Intelligenz (KI; englisch: artificial intelligence, AI) ist eine Teildisziplin der Informatik. In dieser Teildisziplin wird untersucht, wie man intelligentes Verhalten von Computern erfassen und nachvollziehen kann oder wie man allgemein Probleme löst, die Intelligenzleistung voraussetzen. [INFODUDEN S. 364ff]
Dabei stellt sich natürlich sofort die Frage:

1. Was ist Intelligenz?

Doch diese Frage kann wohl kaum mit ein paar wenigen Worten umschrieben werden, denn ähnlich wie bei den Begriffen Leben und Liebe liegt auch hier keine eindeutige Definition vor.
Der Psychologe William Stern definierte bereits im Jahre 1912, dass die Intelligenz die allgemeine Fähigkeit eines Individuums sei, sein Denken bewusst auf neue Forderungen einzustellen; sie sei allgemeine geistige Anpassungsfähigkeit an neue Aufgaben und Bedingungen des Lebens. [KI−HANDBUCH S. 1f] Doch diese Definition wirft weitere Rätsel auf:

1. Was ist Leben und was ist ein Individuum?
2. Was ist bewusstes Denken?
3. Was ist geistige Anpassungsfähigkeit?

Diese und viele andere Rätsel bezüglich der Intelligenzdefinition sind philosophischer Natur und werden wahrscheinlich bis in alle Ewigkeit ungelöst bleiben.
Oft wird die „Künstliche Intelligenz” auch als wissensbasierte Datenverarbeitung bezeichnet, wie etwa: KI ist keine Zauberei, sondern eine ingenieurmäßige Disziplin der Informatik. In der KI ist die Findung einer korrekten und umfassenden Intelligenzdefinition eher zweitrangig. Viel mehr versucht man in der KI für gegebene Anforderungen, die offensichtlich Intelligenzleistung voraussetzen, ähnliche Gegebenheiten in der Natur wiederzufinden, diese zu verstehen, um schließlich nachahmend gemäß den Anforderungen ingenieurmäßig modellieren zu können. Diese Vorgehensweise soll nun am Beispiel eines Expertensystems veranschaulicht werden:

1. Ein kommerzielles Unternehmen möchte das Wissen seiner Experten mit jahrzehntelanger Erfahrung nicht gleichzeitig verlieren, wenn diese kündigen oder in Rente gehen. Deshalb wünscht sich das Unternehmen ein System, welches das Wissen sowie den Sachverstand eines Experten zumindest wiedergeben kann. Als natürliches Vorbild dient hier selbstverständlich der menschliche Sachverstand des Experten. Beim Versuch den menschlichen Sachverstand zu verstehen, stößt der KI−ler natürlich auf Grenzen. Deshalb kommt der Psychologe ins Spiel, der schon einiges über den menschlichen Verstand, insbesondere Sachverstand, aussagen und somit dem KI−ler bei der Modellierung sehr behilflich sein kann. Es entsteht hoffentlich ein Expertensystem, welches ähnlich wie sein natürliches Vorbild (hier: Sachverstand des Experten) fachlich schließen, erklären und im Sinne der Anforderung den Experten ersetzen kann.

Da die KI in der Regel wichtige Errungenschaften anderer Wissenschaften abkupfert oder nachzubilden versucht (z. B. Psychologe fürs Expertensystem), muss die KI als interdisziplinär bezeichnet werden. Ein paar wenige Wissenschaften, von denen die KI bereits profitiert, sind im Folgenden aufgelistet:

• Die Psychologie,
• die Neurologie,
• die Zoologie,
• die Logik, die Stochastik und vieles mehr.

Schlimm ist: egal wie der KI-ler es anstellen möge, erweisen sich die Algorithmen, die für Intelligenzleistung verantwortlich sind, als extrem langsam; es tritt (fast) immer exponentielles Verhalten auf. Das ist eigentlich typisch für diese Disziplin der Informatik, alles, was Probleme macht und auf kurz oder lang unlösbar scheint, wird der KI übergeben.
Das Tragische an dieser Geschichte ist, dass all jenes, was die KI mit hohem Aufwand löst, ihr entrissen und der Mustererkennung, einer anderen Disziplin der Informatik, gutgeschrieben wird.
Das Traurige an dieser Geschichte ist, dass die Mustererkennung ein hohes Ansehen in der Industrie und Wirtschaft genießt, wohingegen überzeugte KI−ler nur belächelt und nicht für voll genommen werden.
Und wenn meine Tochter eines Tages vor die Wahl gestellt wird, ob Mustererkennung oder KI, dann wird sie sich für die Mustererkennung entscheiden.
Und wenn KI−gesteuerte Roboter einmal die Menschheit vernichten werden, dann wird das schon seine Gründe haben. :−(

Die KI ist wie ein Fass ohne Boden, das Stoffgebiet der KI ist rießig, selbst wenn man sich nur auf ein einziges Teilgebiet der KI spezialisieren würde, bestünde dennoch bis in alle Ewigkeit immenser Forschungsbedarf an allen Ecken und Enden. Dieser Abschnitt soll Ihnen einen kleinen Überblick über das Stoffgebiet der KI verschaffen.

Zum Thema KI−Architekturen hat sich in der Vergangenheit extrem viel Interessantes getan. Hier gehen nämlich die Meinungen der KI−ler weit auseinander, wie ein intelligentes System in seiner Architektur auszusehen hat. Es gibt bereits viele grundlegend unterschiedliche Strukturierungsansätze intelligenter Systeme, welche leicht zu weiteren Ansätzen inspirieren — vorausgesetzt der Betrachter kann sich von der Bewunderung der überwältigenden Ideenvielfalt losreissen. :−)
Zu diesem Thema ist noch lange nicht das letzte Wort gesprochen.

Hierbei dreht sich Alles um die Frage, wie man mit vorhandenem Wissen formal zu Schlussfolgerungen kommt.
Als Grundlage dafür dient die Logik. Während der Bereich der Aussagenlogik sowie der Prädikatenlogik schon ziemlich ausgereizt ist, versprechen weitere Logiken wie zum Beispiel mehrwertige Modallogiken noch viel Raum für Forschung und neue Erkenntnisse.
Kalküle stellen Ableitungsregeln, ohne die sonst keine Schlussfolgerung möglich wäre, zur Verfügung. Der Gentzen−Kalkül zum Beispiel hat schon viele KI−ler beeindruckt und der Resolutionskalkül liegt bereits der wissensbasierten Programmiersprache Prolog zugrunde.
Das schon fast zur Resignation drängende Problem bei dieser Art zu Schließen (symbolische Wissensverarbeitung) liegt in der äußerst schlechten, exponentiellen Laufzeit. Die Suche nach einer Kompensation tut sich auf — kann man die schlechte Laufzeit nicht durch weitere Strategien kompensieren?

Will man mathematische Sätze von Rechenmaschinen beweisen lassen, spricht man vom automatischen Beweisen. Hier greift der KI−ler tief in die Trickkiste der theoretischen Informatik. Die Vollständigkeit sowie die Entscheidbarkeit einer Theorie bestimmen darüber, ob ein Satz der entsprechenden Theorie beweisbar ist oder nicht. Beispielsweise sind im Allgemeinen Sätze der Peano Arithmetik nicht beweisbar, wohingegen Sätze der Presburger Arithmetik aber auch Sätze der Reellen Arithmetik beweisbar bzw. widerlegbar sind. Die Entwicklung von solchen Satz−Beweisern ist nicht nur eine Angelegenheit für Anhänger der theoretischen Informatik, sondern auch für KI−ler. Um das automatische Beweisen praxistauglich zu machen, versucht der KI−ler vorwiegend entsprechende Entscheidungsverfahren in ihrer Laufzeit zu beschleunigen, zum Beispiel durch Bestimmung geeigneter Heuristiken. Denn ein Roboter mit einer Reaktionszeit von fünf Stunden dürfte wohl kaum auf Bewunderung stoßen. :−)
Ein interessanter Anwendungsfall des automatischen Beweisens wäre: kann man ein Computerprogramm in einen Satz der Presburger bzw. Reellen Arithmetik überführen, so hat man auch die Möglichkeit die Korrektheit des Computerprogramms automatisch zu beweisen.
Der praktische Teil meiner Studienarbeit war die Realisierung eines automatischen Beweisers, ein Entscheidungsverfahren für Formeln der Presburger Arithmetik. Diesen Beweiser finden Sie als Applet unter Meine Studienarbeit vor.

1. Semantische Netze
2. Neuronale Netze
3. Planen
4. Bild- und Spracherkennung
5. Maschinelles Lernen
6. Fuzzylogik
7. Expertensysteme
8. Robotik