piwik-script

Intern
Professur für Didaktik der Informatik

KI Experimentiersatz

Der Experimentiersatz "Künstliche Intelligenz" wurde an der Professur für Didaktik der Informatik der Universität Würzburg in Kooperation mit dem Lehrstuhl für Pädagogik bei Sehbeeinträchtigungen entwickelt und wird von der Firma MEKRUPHY GMBH produziert und vertrieben. Die Hauptthemen sind Reinforcement Learning beim KI-Gewinnt-Spiel sowie Supervised Learning mit Pilzen. Diese sind aus Holz gefertigt. Der zugrundeliegende Datensatz wurde so gewählt, dass mehrere KI-Algorithmen damit enaktiv durchführbar sind und der Einfluss von Parametern und Grenzen der Algorithmen erfahren werden können.

Wie funktioniert maschinelles Lernen?

Das KI-Gewinnt-Spiel ermöglicht sowohl einen spielerischen Weg zum Verständnis des Reinforcement Learning, als auch ein Erleben des Unterschiedes zwischen dem wissensbasierten Ansatz und dem datenbasierten Ansatz (maschinelles Lernen) von KI-Systemen.

Wie lernt ein KI-System ob ein Pilz giftig oder essbar ist?

Für den k-nächste-Nachbarn-Algorithmus gibt es mehrere Differenzierungsmöglichkeiten. Mit den in den Kastendeckel gravierten Labeln der Trainingsdaten (stetige Attribute) steht eine taktile Möglichkeit zur Verfügung, den k-nächste-Nachbarn-Algorithmus ohne Zirkel und Lineal durch Abzählen von Löchern nachzuvollziehen.  

Dieses Koordinatensystem ist auch die Grundlage für das Perzeptron mit Delta-Lernregel und der graphischen Bestimmung des Entscheidungsbaums.

Der Entscheidungsbaum-Algorithmus für die binären Attribute kann sowohl enaktiv erfahren als auch bspw. mit Hilfe der Entropie als Maß für den Informationsgehalt rechnerisch durchgeführt werden. Die Verwendung von Validierungsdaten ermöglicht eine Optimierung des Hyperparameters Baumhöhe. Der Datensatz ist so gewählt, dass ohne Verwendung des Algorithmus ein niedrigerer Entscheidungsbaum gefunden werden kann, um die Grenzen eines Greedy-Algorithmus zu thematisieren.