Klassische KI (Wissensbasierter Ansatz, Expertensysteme)

Bei Verfahren der klassischen KI (wissensbasierten Ansatz) wird versucht, Intelligenz durch einen festen Satz von Regeln/Strategien nachzuahmen. Ein Beispiel für den wissensbasierten Ansatz ist ein Entscheidungsbaum (decision tree).

Verfahren, die Menschen mithilfe einer großen Menge gespeicherter Regeln (Wissensbasis) bei Entscheidungen helfen nennt man Expertensysteme. Solche Systeme werden beispielsweise zur Unterstützung medizinischer Diagnosen oder zur Analyse wissenschaftlicher Daten verwendet (Wikipedia).

Beispiel 1: Nachmittagsbeschäftigung eines Zwölfjährigen

Beispiel 2

Hier ein schöneer decision tree von XKCD:

Guide to figure out the age of an undated world map

Beispiel 3: Mini-Schach als klassische KI

Sie erhalten von Ihrer Lehrkraft ein Spielbrett, sechs Spielsteine in Kartenform (3 Roboter, drei Affen) und einen Bogen mit festem Regelsatz, nach dem der Roboter agiert. Ihre Lehrkraft erläutert Ihnen die Spielregeln. Sie selbst spielen mit den Affen-Steinen, die Züge des Roboter-Spielers ergeben sich aus dem festen Regelsatz.
Warum lässt sich dieses Spiel mit klassischer KI implementieren, andere Brettspiele (z.B. Schach) jedoch nicht?

Für Lehrkräfte: Das Spiel "Mini-Schach" und die dazugehörigen Materialien sind hier unter freier Lizenz erhältlich.

Aufgabe 1: Entscheidungsbaum als Computerprogramm

Schreibe ein Programm, das obigen Entscheidungsbaum implementiert.

Tipp: Du kannst die Eingaben des Benutzers folgendermaßen abfragen:

   String hausaufgabenErledigt = Input.readString("Hausaufgaben schon erledigt (j/n)?");

Aufgabe 2: Shopping Assistant

Verkauft ein Unternehmen im Internet viele unterschiedliche Varianten eines Artikels (z.B. verschiedene Tablets, verschiedene Backöfen, …), dann findet sich auf seiner Homepage oft ein shopping assistant, d.h. Programm, das der Kundin/dem Kunden anhand weniger Entscheidungsfragen einen bestimmten Artikel empfiehlt und so beim Einkauf hilft.

Sicher gibt es eine Kategorie von Artikeln, bei der Sie sich besonders gut auskennen.

Fertigen Sie einen shopping assistant in Form eines Entscheidungsbaums für diese Artikelkategorie an (mindestens drei Ebenen hoch!).
Implementieren Sie ihn als Computerprogramm.

Vorteile/Nachteile des wissensbasierten Ansatzes

Vorteile des wissensbasierten Ansatzes:

Die getroffenen Entscheidungen sind einfach nachvollziehbar und der Entscheidungsweg kann auf einfache Art dokumentiert werden. Dies ist v.a. in Bereichen notwendig, in denen (lebens-)wichtige Entscheidungen für einzelne Personen getroffen werden, z.B. bei der Festlegung einer Krebstherapie oder beim Bonitätsscoring.
Die Algorithmen können sehr schnell ausgeführt werden.
Entscheidungsbäume können auf einfache, berechenbare Art beeinflusst werden, damit z.B. ein shopping assistant seine Ratschläge so erteilt, dass der Umsatz des Unternehmens maximiert wird.

Nachteile/Grenzen des wissensbasierten Ansatzes:

Sobald die Eingabewerte etwas komplexer werden (z.B. Entscheidung, ob auf einem Foto eine Katze oder ein Hund abgebildet ist anhand der Farbwerte seiner Bildpunkte) sind wissensbasierte Ansätze unpraktikabel.