Man unterscheidet mindestens 4 Intelligenzarten:

a) visuelle Intelligenz
b) sprachliche Intelligenz
c) manipulative Intelligenz
d) rationale Intelligenz

Desweiteren kommen, je nach Differenzierungsgrad, solche Intelligenztypen wie emotionale Intelligenz hinzu.

Entsprechend der 4 Intelligenzarten sind z.Z. vier Teilgebiete in der Entwicklung:

Zu a) der Bereich der Mustererkennung machte Geräte möglich, die Bilder bzw. Formen erkennen können, z.B. Fingerabdrücke bei der Verbrechensbekämpfung, die menschliche Iris bei der Personenidentifizierung, Werkstücke bei der maschinellen Fertigung.

Zu b) man kann heutzutage per Computer einen eingegebenen Text in Sprache umwandeln und umgekehrt Sprache zu Text machen. (Revolution in dem Berufsbild der Sekretärin)

Zu c) in der Fabrikationstechnik werden zunehmend Robotersysteme eingesetzt, die gefährliche Arbeiten übernehmen, z.B. Schweiß- und Lackierarbeiten oder eintönige „Handgriffe“ durchführen.

Zu d) Computer die in diesen Bereichen eingesetzt werden heißen Expertensysteme. Sie sind ganz besonders anspruchsvoll und werden z.Z. in folgenden Bereichen mit Erfolg eingesetzt: - medizinische Computerdiagnose - Fehlersuch- und Fehlerbehebungsprogramme - industrielle Großfertigung beim Militär, zivile Luftfahrt, Verkehrswesen,...

Viele ältere Methoden, die in der KI entwickelt wurden, basieren auf heuristischen Lösungsverfahren. In jüngerer Zeit spielen mathematisch fundierte Ansätze aus der Statistik, der Mathematischen Programmierung , und der Approximationstheorie eine bedeutende Rolle.

Die Techniken der KI lassen sich grob in Gruppen einteilen:

Häufig führen Aufgabenstellungen der KI zu Optimierungsproblemen. Diese werden je nach Struktur entweder mit Suchalgorithmen aus der Informatik oder, zunehmend, mit Mitteln der Mathematischen Programmierung gelöst. Bekannte heuristische Suchverfahren aus dem Kontext der KI sind Evolutionäre Algorithmen.

Eine Fragestellung der KI ist die Erstellung von Wissensrepräsentationen, die dann für automatisches logisches Schließen benutzt werden können. Menschliches Wissen wird dabei soweit möglich formalisiert um es in eine maschinenlesbare Form zu bringen. Diesem Absicht haben sich die Entwickler diverser Ontologien verschrieben.

Schon früh beschäftigte sich die KI damit, automatische Beweissysteme (Deduktionssysteme ) zu konstruieren, die Mathematikern und Informatikern beim Beweisen von Sätzen und beim Programmieren (Logikprogrammierung) behilflich wären. Zwei Schwierigkeiten stellten sich:

1. Formuliert man Sätze in mächtigen, für den Benutzer bequemen Beschreibungssprachen (z.B. Prädikatenlogik), werden die entstehenden Suchprobleme sehr schwierig. In der Praxis machte man Kompromisse, wo die Beschreibungssprache für den Benutzer etwas umständlicher, die zugehörigen Optimierungsprobleme für den Rechner einfacher zu handhaben waren (Prolog, Expertensysteme).
2. Selbst mächtige Beschreibungssprachen werden unhandlich, wenn man versucht, unsicheres oder unvollständiges Wissen zu formulieren. Für praktische Probleme kann dies eine sehr ernste Einschränkung sein. Die aktuelle Forschung behandelt daher Systeme, die die Regeln der Wahrscheinlichkeitsrechnung benutzt, um Unwissen und Unsicherheit explizit zu modellieren. Algorithmisch unterscheiden sich diese Methoden sehr von den älteren Verfahren (statt Symbolen werden Wahrscheinlichkeitsverteilungen manipuliert).

In vielen Anwendungen geht es deshalb, aus einer Menge von Daten eine allgemeine Regel abzuleiten (maschinelles Lernen). Mathematisch führt dies zu einem Approximationsproblem. In dem Kontext der KI wurden hierzu Künstliche Neuronale Netze vorgeschlagen. In praktischen Anwendungen benutzt man häufig alternative Verfahren, die mathematisch einfacher zu analysieren sind.

In der Vergangenheit sind Erkenntnisse der Künstlichen Intelligenz mit der Zeit häufig in die anderen Gebiete der Informatik übergegangen: Sobald ein Problem gut genug verstanden wurde hat sich die KI neuen Aufgabenstellungen zugewandt. Zu dem Beispiel wurden der Compilerbau oder Computeralgebra ursprünglich der Künstlichen Intelligenz zugerechnet.

Zahlreiche Anwendungen wurden auf der Grundlage von Techniken entwickelt, die einst Forschungsgebiete der KI waren oder es noch sind. Einige Beispiele:

• Das Programm Chinook ist seit 1994 Damespiel-Weltmeister.
• Suchmaschinen machen das Internet erst benutzbar.
• Deep Blue, ein Schachcomputer, besiegte 1997 den Weltmeister Garri Kasparow.
• Expertensysteme werden bei der Exploration von Ölquellen, der Steuerung von Marsrobotern oder der medizinischen Diagnose eingesetzt.
• Maschinelle Ãœbersetzung ist weit verbreitet. Ihre Ergebnisse sind noch nicht vergleichbar mit denen menschlicher Ãœbersetzer, sparen jedoch viel Zeit und Geld.
• Maschinelle Textzusammenfassung ist bald brauchbar
• Künstliche Neuronale Netze und andere Algorithmen der Mustererkennung werden in zahlreichen Ãœberwachungs- und Steuerungsaufgaben eingesetzt, zu dem Beispiel zur Analyse und Vorhersage von Aktienkursentwicklungen (frei zugänglich in dem Internet z.B. MoneyBee ].
• Optische Zeichenerkennung liest gedruckte Texte zuverlässig.
• Handschrifterkennung wird millionenfach in PDAs benutzt.
• Spracherkennung wird kommerziell von Rechtsanwälten, Ärzten und der deutschen Bahn genutzt.
• Computeralgebra-Systeme, wie Mathematica oder Maple, unterstützen Mathematiker, Wissenschaftler und Ingenieure bei ihrer Arbeit.
• Computer Vision Systeme überwachen öffentliche Plätze, Produktionsprozesse oder sichern den Straßenverkehr.
• Computerspiele Hier dienen die Algorithmen, die in der KI entwickelt wurden dazu, Computergegner intelligenter zu machen.

Um ein Maß zu haben, wann eine Maschine eine dem Menschen gleichwertige Intelligenz simuliert, wurde von Alan Turing der nach ihm benannte Turing-Test vorgeschlagen. Dabei sollen Mensch und Maschine über ein Terminal Fragen beantworten und eine Jury soll anhand der Antworten entscheiden, wer der Mensch ist. Solange dies möglich ist, so Turing, sind Maschinen nicht intelligent. Bisher hat keine Maschine diesen Turing-Test bestanden. Seit 1990 existiert der Loebner-Preis für den Turing-Test (Loebner-Preis (http://www.loebner.net/Prizef/loebner-prize.html)), dessen dritter Platz 2003 ein Chat-Roboter (JabberWock) (http://www.abenteuermedien.de/jabberwock/) gemacht hatte.

Basierend auf den Arbeiten von Turing (u.a. dem Aufsatz Computing machinery and intelligence) formulierten Allen Newell (1927-1992) und Herbert Simon (1916-2001) von der Carnegie-Mellon-University in Pittsburgh die Physical Symbol System Hypothesis, nach der Denken Informationsverarbeitung ist, Informationsverarbeitung ein Rechenvorgang, also Symbolmanipulation, ist und es auf das Gehirn als solches beim Denken nicht ankommt: Intelligence is mind implemented by any patternable kind of matter.

Diese Auffassung, daß Intelligenz unabhängig von der Trägersubstanz ist, wird von den Vertretern der starken KI-These geteilt wie z.B. Marvin Minsky (*1927) vom Massachusetts Institute of Technology (MIT), einem der Pioniere der KI, für den "die Absicht der KI die Überwindung des Todes ist", oder von dem Roboterspezialisten Hans Moravec (*1948) von der Carnegie-Mellon-University, der in seinem Buch Mind Children (Kinder des Geistes) das Szenario der Evo-lution des postbiologischen Lebens beschreibt, wie ein Roboter das in dem mensch-lichen Gehirn gespeicherte Wissen auf einen Computerspeicher überträgt, so dass anschließend die Biomasse des Gehirns überflüssig wird und ein posthumanes Zeitalter beginnen kann, im das gespeicherte Wissen beliebig lange zugreifbar bleibt.

Insbesondere die Anfangsphase der KI war geprägt durch eine fast grenzenlose Erwartungshaltung in dem Hinblick auf die Fähigkeit von Computern, "Aufgaben zu lösen, zu deren Lösung Intelligenz notwendig ist, wenn sie vom Menschen durchgeführt werden" (Minsky). Der spätere Nobelpreisträger Simon prognostizierte 1957 u.a., daß innerhalb der nächsten 10 Jahre ein Computer Schachweltmeister werden und einen wichtigen mathematischen Satz entdecken und beweisen würde, Prognosen, die nicht zutrafen und die Simon 1990, allerdings ohne Zeitangabe, wiederholte. Zumindest gelang es 1997 dem von IBM entwickelten System Deep Blue, den Schach-Weltmeister Garry Kasparow in sechs Partien zu schlagen. Newell und Simon entwickelten in den 1960er Jahren den General Problem Solver, ein Programm, das mit einfachen Methoden beliebige Probleme lösen können sollte, ein Projekt, das nach fast zehnjähriger Entwicklungsdauer schließlich eingestellt wurde. McCarthy schlug 1958 vor, das gesamte menschliche Wissen in eine homogene, formale Darstellungsform, die Prädikatenlogik 1. Stufe, zu bringen. Die Idee war, Theorem-Beweiser zu konstruieren, die symbolische Ausdrücke zusammensetzen, um über das Wissen der Welt zu diskutieren.

Ende der 1960er Jahre entwickelte Joseph Weizenbaum (*1923) vom MIT mit einer relativ simplen Strategie das Programm ELIZA, im der Dialog eines Psychiaters mit einem Patienten simuliert wird. Die Wirkung des Programms war überwältigend. Weizenbaum war selbst überrascht, daß man auf relativ einfache Weise Menschen die Illusion eines beseelten Partners vermitteln kann. Auf einigen Gebieten erzielte die KI Erfolge, z.B. bei Strategiespielen (Schach, Dame, usw.), bei mathematischer Symbolverarbeitung, bei der Simulation von Robotern, beim Beweisen von logischen und mathematischen Sätzen und schließlich bei Expertensystemen. In einem Expertensystem wird Expertenwissen formal, z.B. in Form von Regeln, repräsentiert und auf gegebene Fakten angewandt, um auf neue bis dahin nicht bekannte Fakten zu schließen. Expertensysteme können ihre Problemlösung durch Angabe des benutzten Wissens erklären. Einzelne Wissenselemente können relativ leicht hinzugefügt, verändert oder gelöscht werden. Expertensysteme verfügen über komfortable Benutzerschnittstellen und sind in ihrem Anwendungsgebiet hoch kompetent.

Einem der bekanntesten Expertensysteme, dem Anfang der 1970er Jahre von T. Shortliffe an der Stanford-University entwickelten System MYCIN zur Unterstützung von Diagnose- und Therapieentscheidungen bei Blutinfektionskrankheiten und Meningitis, wurde durch eine Evaluation attestiert, dass seine Entscheidungen so gut sind wie die eines Experten im betreffenden Bereich und besser als die eines Nicht-Experten. Allerdings reagierte das System, als ihm Daten einer Cholera-Erkrankung -bekanntlich eine Darm- und keine Blutinfektionskrankheit- eingegeben wurden, mit Diagnose- und Therapievorschlägen für eine Blutinfektionskrankheit, d.h., MYCIN erkannte die Grenzen seiner Kompetenz nicht. Dieser Cliff-and-Plateau-Effekt ist bei Expertensystemen, die hochspezialisiert auf ein schmales Wissensgebiet angesetzt sind, nicht untypisch. In den 1980er Jahren entwickelte sich die KI in dem Rahmen zunehmender Kommerzialisierung zu einer Schlüsseltechnologie, insbesondere in dem Bereich der Expertensysteme. Nachdem allerdings viele Prognosen nicht eingehalten werden konnten, reduzierten die Industrie und die Forschungsförderung ihr Engagement in der KI. Mittlerweile hat sich die KI von diesem Einbruch erholt. Es haben sich zahlreiche Subdisziplinen herausgebildet, z.B. spezielle Sprachen und Konzepte zur Darstellung und Anwendung von Wissen, Modelle zur Behandlung verschiedener Facetten des Wissens (Revidierbarkeit, Unsicherheit, Ungenauigkeit) und maschinelle Lernverfahren. Erfolgreiche Anwendungen liegen außer auf dem Gebiet der Expertensysteme in den Bereichen natürlich-sprachliche Schnittstellen, Robotik, Fuzzy-Logik und künstliche neuronale Netze.

Verwandte Themen:

• Kybernetik
• Mustererkennung
• Prädikatenlogik
• Künstliche Dummheit

Spezielle Fachbegriffe:

• Agent, Complete agent

Philosophie:

• Philosophische Kritik der Künstlichen Intelligenz
• Konnektionismus
• Embodiment