Text in english

Intelligente Maschinen - Strategien, Architekturen und Algorithmen

Kurs in Deutsch und/oder Englisch (bitte nachfragen)

Semesterwochenstunden:

4

Leistungspunkte:

5

Vorkenntnisse:

Algorithmen, Rechnearchitektur,  Betriebssysteme.

Veranstaltungstyp:

Vorlesung und Seminar

Semesterturnus:

Wintersemester

Arbeitsaufwand:

150 Stunden, davon:
65 Stunden Anwesenheit,
70 Stunden Vorbereitung der Vortrags- und Projektthemen
sowie der Ausarbeitung,
15 Stunden Vor- und Nachbearbeitung der Vorlesung.

Beitrag zu den Zielen des Studiengangs:

Einordnung und Bewertung intelligenter Systeme in der Informations-Technologie.

Lernziel:

Bei Abschluss des Lernprozesses wird der erfolgreiche Studierende in der   Lage sein, Intelligente Maschinen zu verstehen, zu analysieren und zu entwerfen sowie die Folgen des Einsatzes abzuschätzen. 

Schlüsselqualifikationen:

Fähigkeit zu komplexem Denken, Ausdauer bei
Problemlösungen.

Lehrinhalte:

In den letzten Jahrzehnten seit Verbreitung der Computersysteme haben diese Systeme dem Menschen mehr und mehr Aufgaben abgenommen - und häufig effizienter bearbeitet, die durchaus als komplex gelten aber nicht unbedingt als Anforderungen an die Intelligenz angesehen werden. Dazu zählen unter anderem rasche numerische Berechnungen (z.B. beim Apollo-Programm der sechziger Jahre oder bei heutigen Klima-Simulationen), das Verarbeiten riesiger Daten-Mengen (Stichwort Big Data) oder das extrem schnelle Reagieren auf Ereignisse (z.B. Anti-Blockier-Systeme in Bremsanlagen). Seit einigen Jahren kursiert verstärkt der Begriff der Intelligenz in Zusammenhang mit Computersystemen in Bereichen wie der Spracherkennung und der Entwicklung autonomer Fahrzeuge/Flugzeuge/Boote. Es wird diskutiert, was diese besondere Eigenschaft "Intelligenter Maschinen" darstellt, welche Relationen zu menschlicher Intelligenz bestehen und welche Entwicklungen sich dadurch für Rechner-Architekturen, Algorithmen und Software-Anforderungen ergeben. Die zugrunde liegenden Sachverhalte werden anhand konkreter aktueller Entwicklungen wie z.B. IBM Watson, Amazon AI Services, Concepts of Deep Neural Networks, WAYMO (Google self-driving car), etc. sowie unter Berücksichtigung neuer Erkenntnisse in der Gehirnforschung hinsichtlich menschlicher Intelligenz diskutiert.

Literatur:

  • Kaplan, J.: Artificial Intelligence - What Evereyone Needs To Know, Oxford University Press, 2016.
  • Sher, Gene I.: Handbook of Neuroevolution Through Erlang, Springer, 2013.
  • Spitzer, Manfred: Lernen – Gehirnforschung und die Schule des Lebens, Spektrum Akademischer Verlag, 2009.
  • Dormehl, Luke: Thinking Machines: The Quest for Artificial Intelligence - and Where It's Taking Us Next, TarcherPerigee - Penguin Books, 2017.

Leistungsnachweis:

Anwesenheitspflicht
Seminarleistung (gleichgewichtet, 45 min, 20 Seiten)

Modulverantwortliche/r:

Prof. Dr. Hein





TH Nürnberg
Fakultät Informatik
Webmaster-IN



Root- Zertifikat

© 2019 Fakultät Informatik