Veranstaltungsdetail

Künstliche Intelligenz und neuronale Netze

2017701701
Freigegeben

Beschreibung

Der Begriff „Künstliche Intelligenz“ ist in aller Munde, bewegt Politik und Gesellschaft und beflügelt Phantasien, Hoffnungen aber auch Ängste.
In dieser Fortbildung soll es darum gehen, den Begriff der „Künstlichen Intelligenz“ ein wenig zu entmystifizieren. Dazu sollen zwei Ansätze zum „Maschinellen Lernen“ betrachtet und daran erläutert werden, wie nachvollziehbare mathematisch-informatische Überlegungen zu Algorithmen führen, die in einer bestimmten Weise „lernfähig“ sind. Die Darstellung orientiert sich dabei an zwei Abschnitten über „Künstliche Intelligenz“ bzw. „Bestärkendes Lernen“ auf inf-schule.
Der erste Ansatz besteht in der Konstruktion so genannter „Künstlicher Neuronaler Netze“.
Neben den mathematischen Grundlagen wird auch darauf eingegangen, wie der zugrundeliegende Algorithmus in der Programmiersprache Python (unter Verwendung der Bibliothek NumPy) überraschend kurz umgesetzt werden kann. Außerdem werden die Grundlagen von Jupyter-Notebooks behandelt und es wird beleuchtet, wie Jupyter-Notebooks in diesem Zusammenhang eingesetzt werden können.
Anders als bei herkömmlichen Computerprogrammen sind für das Training von Künstlichen Neuronalen Netzen große Mengen an (oftmals privaten) Daten nötig. Daher soll auch auf die gesellschaftliche Relevanz und Problematik der – oft kommerziell getriebenen - Sammlung solch großer Mengen an persönlichen Daten eingegangen werden.

Die von Künstlichen Neuronalen Netzen getroffenen Entscheidungen hängen – gerade beim viel diskutierten „Deep Learning“ – oft von Millionen von Gewichten ab und sind damit für den Menschen grundsätzlich in ihrer Begründung nicht mehr nachvollziehbar. Auf der anderen Seite überlassen wir aber genau solchen Systeme bereits heute viele Entscheidungen, die unser tägliches Leben in stetig zunehmendem Maße prägen. Daraus ergeben sich eine Reihe an grundlegenden moralischen und ethischen Dilemmata, welche ebenfalls beleuchtet werden sollen.
Der zweite Ansatz ist das so genannte „Bestärkende Lernen“ (englisch: Reinforcement Learning).

Anders als bei Künstlichen Neuronalen Netzen lassen sich hier die wichtigsten Prinzipien bereits mit Mittelstufen-Mathematik gut verstehen. Anhand eines sehr einfachen Computerspiels wird ein „künstlicher Spieler“ programmiert, der in der Lage ist, allein aus den im Spiel gewonnenen Erfahrungen zu lernen, das Spiel optimal zu spielen. Für den Schulunterricht hat Bestärkendes
Lernen den Vorteil, dass die grundlegenden Prinzipien sehr leicht und intuitiv nachvollziehbar sind.
Auch hier wird die Programmiersprache Python verwendet; die gesamte KI-Algorithmik wird von den Schülerinnen und Schüler selbst entwickelt.

Lehrerinnen und Lehrer
Integrierte Gesamtschule Gymnasium Realschule plus
Lehrpläne und Bildungsstandards in den Fächern, Kompetenzorientierung
Informatik
nein

Organisation

Fortbildung
Dr. Peter Dauscher, Dr. Udo Diewald
Speyer
Kurs
Martin Zimnol
Pädagogisches Landesinstitut Rheinland-Pfalz
Standort Speyer
Butenschönstraße 2
67346 Speyer
17.11.2020
09:30 - 17:00
18.11.2020
09:00 - 17:00

Anmeldung

Pädagogisches Landesinstitut Rheinland-Pfalz
regional
20.10.2020