Merken

Grenzen der Intelligenz

Zitierlink des Filmsegments
Embed Code

Automatisierte Medienanalyse

Beta
Erkannte Entitäten
Sprachtranskript
es freut mich sehr dass ich hier sein kann und ich ich frag mich die ganze Zeit ob ich mir selber ein Bein gestellt hat dass wir unsere Plätze getauscht haben war ich hab eigentlich keine Botschaft heute Botschaft am Ende kommen ich hab ich hab nur paar vorher mit dem Bike geht es uns weiter aber andererseits war das mir etwas Arbeit weil war Sachen muss ich erklären nämlich das muss sich nicht
erklären kann sich schon gemacht was ist Intelligenz und es ist eine Frage die die mich auch überhaupt nicht interessiert auf jeden Fall nicht in zusammen hang mit meiner meine Forschungsarbeit aber ich würde es vielleicht trotzdem so gerne erklären was sind Unterschiede und und das ist natürlich eine in ein altes Spielchen aber ich werde jetzt in der diese Veranstaltung so angehen einer hatten wir das an hat keine und die 2. Beobachtung ist es eine ist intelligent vielleicht je nach wie viel Intelligenz welche Karte Intelligenz und das andere ist wahrscheinlich definitiv nicht intelligent aber ein wichtiger Unterschied dass eine bewegt sich in an bewegt sich nicht auf jeden Fall nicht in dem gleichen Interpretation von dem Ort und deswegen möchte ich mich eigentlich eher darauf konzentrieren und das Video zeigt ein nicht worum es geht und ob ob das ist es ja ja aber das ist hat er aber keins mehr kann man nicht allein ist also die Frage nach was ist Intelligenz mächtig eigentlich lieber so angehen nämlich was ist Bewegung und die Fragen zu dem Video ist wieso in dieser Situation natürlich aus dieser sind das natürliche bewegen würde fast sagen menschliche Bewegung und Grund dafür ist ganz einfach und wurde schon ziemlich früh Ende letzten Jahrhunderts von etwas nur mit studiert hat solche Aufnahmen gemacht und als Versuch zu analysieren wie menschliche bewegen eigentlich funktioniert und wie man es darstellen kann und in der Mitte der achtziger Jahren kam das ein Modell des nicht ein perfektes Modell ist aber schon sehr praktisch Modelle an dieses Modell sagt wenn ich eine eigene sondern seien Hofmanns eine eine geplante Bewegung beobachten kann ich dadurch sehr gut 1 5 Zuordnung Gleichungen 14 und damit die Bewegung vorhersagen bestimmt ziemlich gut ist nicht perfekt aber stimmt ziemlich gut da sind wir natürlich nicht fertig weil ich habe mir zum Beispiel diese Daten an sind Daten die wir vor einigen Jahren aufgenommen haben kann sich solche Modelle auch für Finger Fingerbewegung einsetzt und da kommst du auf auf die Gründe wieso solche einfachen mathematischen Modellen eigentlich nicht funktionieren und das hat zu tun mit Dynamik und so weiter und so weiter mit Energie und das ist relativ gut interpretieren aber ihre Fingerbewegungen an das passende Modell eben nicht mehr und wenn die die ganze belegen etwas komplexer wird dann auch so auch komplexe moderne ein andere Arten sind solche bewegenden anzuschauen ist zum Beispiel der Fall wenn er also ich habe wieder Bewegung an und schauen auf das was die Muskeln machen und sehen was sie da sehen seine Aufnahme von EAX Aktivität eines Muskels ist ein muskel überdehnt werden denn das kann man messen indem man Mann der Erde zu mir gesagt ich Elektroden in die Elektroden auf dem Arm aufklebt und damit die Spannungen durch ableitet und da kommt man auf ein ganz einfaches Modell kann sagen gut die Geschwindigkeit die ich in Gelenk oder oder wie wie auch immer von den Muskel feststelle ist so was wie ich mit einer konstanten mal diese Aktivität die ich da etliche gemessen hat wissen Sie was den Bächen und da kann man sonst einsetzenden den haben wir heute angenommen und jemand der den Roboter Start und er hat auf seine Arme wie Sie das sehen die für Schweizer Bürger das sind eben Geld wurden und die eben seine seine Muskelaktivität in allen 8 Stück glaube ich und die Signale die wir daraus Krieg ziehen Sie oben links da gibt es eine Vorverarbeitung steht auf für Maschinenlernen was ist und dann nach verarbeitet auch wieder auf mich irgendwas ist das haben dann eben nicht im Jahr gemacht mit der goldenen Kanalnetzen Menge Details die nicht wichtig sind
aber wenn man das gemacht hat und System aufgebaut hatte ,komma folgendes machen im 1. Schritt werden Daten aufgenommen in denen wir einerseits die Muskel erkennst Aktivität in Echtzeit messen mit diesen 8 Elektronen und andererseits auch die Position von Handgelenk von das ist hier ein Vogel der das macht von ihrem auf sein Handgelenk legen Sie es in unser kleines weißes den das sind 10 Mark der Sterne die eben von dieser Kameras die angebracht sind erfasst werden und daraus können wir dann in Echtzeit seine Hand Position und Orientierung mehr als haben ist eine Minute in denen in denen wir Daten sammeln und gleichzeitig wissen wo ist der aber wo ist das Handgelenk und was machen die Muskeln und nach dieser einen Minute an Marke Stern abgenommen werden das Netzwerk mit trainiert und da können es einsetzen um nur aus dem Muskelkraft die Armbewegung vorherzusagen und das dann auch die Geschwindigkeit von Roboter zu dass wir damit was Muskelbewegung ist was bewegen ist natürlich nicht wahr haben nur irgendeine eine echte Beschreibung von dem was die Muskeln in dem Moment machen um eine bestimmte Bewegung durchzuführen ist endlich in ziemlich sinnfrei Übungen weil das ist eine sehr schlechte Art um einen Roboter zu steuern erstens kosten die Elektroden der 10 bis 20 Tausend Euro und setzt muss zitiert werden langsam das ist sehr ungenau aber man kann natürlich auch anders
einsetzen und was wir deswegen gemacht haben ist gestört wird kann man diese Schnittstelle nicht für behinderte Personen benutzen und wir sind dann in Kontakt getreten mit zeitlich und Patienten mit spinale Muskelatrophie das ist eine Krankheit in der die als vermuten und im im im Rückenmark sterben über längere Zeit und das muss gesagt hat eigentlich verschwindet sehen hier Beispiel von einem musste sich nach unten um Entschuldigung und das einen Patienten wurden 2 Kinder von ungefähr 10 erzählen wie sieht es aus als würde das natürlich nicht gehen mit mit undichten Stelle aber
trotzdem kann man wenn man genau genug ist und das System genug trainiert kann man tatsächlich auch dieser Muskelaktivität einsetzen für Patienten müssen ist trainieren dauert ungefähr eine Viertelstunde (klammer auf Viertelstunde vorher mit dem wurde mit dem Patienten um die Schnittstelle die Parameter richtig zu schätzen und nach dieser Viertelstunde kann man tatsächlich dann solche 2 in dem Fall 3 D Bewegungen ausführen um Objekte zu greifen und viele zu platzieren das ist allerdings Forschungsarbeit darf man nicht vergessen das System ist so nicht einsetzbar für solche Patienten gibt es eine Menge lässt Umweltprobleme die zu lösen sind zum Beispiel das Anbringen von Toten ist eben nicht so ganz einfach die Signale müssen ziemlich gut konditioniert werden Langzeit Messungen haben nicht nicht länger als zweieinhalb Stunden und so weiter und so weiter da muss noch eine Menge passieren bevor das tatsächlich in unserm Verein umsetzen können kosten noch Geld aber das ist eine ganz andere Sache gut also nette Schnittstelle Unfall aber eben nur eine einheitliche Schnittstelle wir wissen noch immer nicht über Wege man kann also 2. gegen sagen gut ich ich kann jetzt die Handbewegung Armbewegung Fuß bewegen kann ich beobachten da aus moderne machen ich kann Muskelaktivität messen und daraus moderner machen und der aus ihnen was Recht aber ich kann auch gleich zum Kontext gehen und sagen ja gut es gibt doch irgendeinen Zusammenhang zwischen dem was im Cortex im Motorkortex passiert und was wegen der ist auch wenn der Zusammenhang umstritten ist aber man kann tatsächlich dann im Cottage schauen und sage ich ich nehmen die Signale aus und versuche ein Modell zu machen indem ich sage ja vielleicht ist die Geschwindigkeit von meinem aber ist es eine konstante mal den fliegen sie von einem Euro in meinem Motorkortex oder vielleicht ist er der Kraft von einem Gelenk in die linear zusammenhängend mit dieser Eigenfrequenz bis in den Fehler und solche Modelle gibt es mehr haben das auch eingesetzt
in eine Kooperation mit mit mit werden weil sie das wissen schon wieder etwas älter aber basierend auf diesen Vorarbeiten an der Universität wobei 1 in Größen von 4 mal 4 Millimeter implantiert wurde bei einer Patientin im Auto Motorkortex und die Aktivität ist bei den in die von den eingesetzt wurde um dann eben zu verstehen was für eine Bewegung ausgeführt wird oder werden und das es Beispiel von fanden den Daten die wir dann in 2011 aufgenommen haben wobei wir den Roboter sollen Patienten platziert haben oder in den 3. sind dann muss ich sagen und wir haben den Roboter vordefinierte Bewegungen machen lassen nach vorne nach hinten nach links nach rechts nach oben nach unten und gleichzeitig die gute Karl Aktivität im 1 Motorkortex gemessen und man sieht er zum Beispiel das in einem Kanal wenn der Roboter nach links geht es um das dann in dem Moment wurde Roboter allerdings geht er der in der Linie in der Mitte das dann 2. fliegen sie hoch geht aber in dem Moment wo es angekündigt wird der gestrichelte Linie dass danach nichts passiert also das ist wirklich eine neue Formen sagen kann Aktivitäten zu wenn ich mit dem Vorurteil nach links eine Amnestie für nach rechts an neue und für Hand auf und zu und das ist auch relativ einfach auch um ein Abbild zu finden zwischen Video und aktiv sind und was für eine Bewegung tatsächlich
gemacht wird und das kann man dann einsetzen um eine bewegende direkt aus dem kortikale Aktivität zu generieren das ist eine Patientin mit einem Job hatte sie 15 Jahre vor dem Experiment erlitten und hat das Implantat 5 Jahre getragen und in dem Moment als wir Extremisten angefangen haben als Israel Langzeit Implantat das langzeitstabil ist und auch nach so einer Zeit noch ein bisschen brauchbares Signal das heißt also ich kann aus dem Kontext kann nicht Bewegungen ablesen oder so was ähnliches ich ganz auf jeden Fall abbilden auf eine gewünschte bewegen das Implantat wurde wurde dort platziert wo Handgelenk Bewegung ist was sie also eigentlich Versuch zu machen ist ihr Handgelenk zu beugen knicken Abkürzungen Abduktion Rotation zu machen um um die Bewegungen herzustellen und das funktioniert mehr oder weniger gut aber und die Tatsache dass wir aus dieser Aktivität auch Geschwindigkeiten kommandieren können heißt natürlich nicht notwendigerweise dass man im Motorkortex Geschwindigkeiten definiert es gibt auch Leute die sagen das sind da ihre Kräfte die generiert werden es in der Opposition wieder gehen denn es gibt unterschiedliche Modelle und wenn man sich sich das
alles anschaut wie wie funktioniert bewegen eigentlichen hat natürlich im Kontext und hat das Kleinhirn und man hat es bei einer kurz und man hatte als einziger Klub und wir brauchen diese Elemente sind bekannt wie funktionieren aber wenn man sagt der Kodex ist unbedingt dafür notwendig um Bewegung zu generieren kann man auch sagen vielleicht auch nicht was das ist dann ein ein etwas älteres Video heutzutage macht man das nicht mehr so gerne aber das ist eine Katze von der Kortex weggeschnitten wurde die Karte kann fast noch alles machen im tagtäglichen Leben hat ein bisschen Schwierigkeiten die schätzen und die Menschen können nicht mehr fragen aber sonst sind noch viele Aktivitäten vorhanden am wie ist es möglich dass wir solche bewegen Intelligenz jetzt imitieren und die Frage möchte ich jetzt meinen Hamster und nicht beantworten aber bis jetzt nicht Kapitel
übergehen ist die für den und der Mainzer hat da schon einiges Vorarbeit geleistet und bin ich sehr sehr dankbar weil es ist immer wieder und angenehm diese Sache versuchen zu erklären ich hab ich aber meine Vorlesung immer sehr für Probleme damit zu erklären wie und warum das nicht funktioniert bis zu dem Moment von stünden damit arbeitet und selber programmieren kann und damit experimentiert und plötzlich funktioniert das aber die wichtige Nachricht die auch wenn und erklärt dass es die die alten "anführungszeichen aus den Neunzigern das waren Systeme mit Eingänge mit versteckte Euro in der Mitte und Ausgänge und es gibt Algorithmen um eben die Parametrisierung von dieser Verbindungen zu lernen damit das System eine vordefinierte Abbildungen von x auf y lernt und dann die Revolution in der 2006 eigentlich es geht zurück auf einen Wert von von hinten der gezeigt hat wenn man mehr versteckte Schichten in seinem Netzwerk dringendsten und deswegen heißt es auch die für einen der Diebe einen tiefen dann kann man tatsächlich besser generalisieren und das war nur möglich damals oder ist heutzutage nur möglich weil man eben mehr Daten hat aus denen man diese neuronale Netze trainieren kann erstens und zweitens vielleicht doch noch wichtiger auf die Rechenkraft hat um dieses trainieren einigermaßen machbar durchzuführen dass man nicht mehr Wochen oder Monate rechnen muss aber nur noch Stunden oder schlimmstenfalls Tage am nichts ändere führt schon weil es ist das spielt noch immer einiges an einem wichtigen Erneuerung aus den letzten Jahren ist dieses System auch behoben belästigt aufzusetzen das heißt dass sich jetzt nicht mehr in so einem Netzwerk eine Vorhersage eine .punkt Vorhersagen machen aber eigentlich ein eine Wahrscheinlichkeitsvorhersage machen kann und die komplett aus meine Daten lernen und das bedeutet auch dass diese Netzwerke dann in dem Moment auch einsetzbar sind in sicherheitsrelevanten Anwendungen zum Beispiel weil ich hab ich mir X 1 2 X mit Konfidenzintervalle von so und so viel das hat einiges geändert und haben der einen ein wichtiges Beispiel das auch schon gezeigt wurde ist es gut für Jones Netz und das große tionsnetze das geht zurück auf einen beliebigen 2012 hat gezeigt dass diese Methode Performance sind als Menschen aber auch von vornehmlich natürlich als wichtigen Algorithmen in zum Beispiel Bild klassifizieren Ziffer klassifizieren in denen solche Operationen die mit Bildern zu tun haben aber eine Anwendung zum Beispiel ist von Gogol die diese Netze einsetzt um Hausnummer erkennen automatisch zu machen und steht für den deswegen auch die Möglichkeit hat um vorherzusagen wo man hingehen sollte wenn man den guten hat eine Hausnummer in eine Straße ein gibt weil die können eben automatisch erkennen was die Hausnummern sind eine Rede von 2013 an das Beispiel auch wieder von Google umgesetzt worden ist und den Einsatz von neuronalen Netzen für die Darstellung von Sprachen und auch für die automatische Übersetzung des mittlerweile auch von Microsoft in den Skalp eingesetzt wird und die Methoden von sich darauf dass die wie auch die Menschen Sprachdaten komprimiert werden auf eine Art die ähnliche Begriffe sehr nah beieinander führen man sieht hier oben links zum Beispiel wurden eben einen hunderte Menschen haben der in 3 Dimensionen abgebildet werden in so auch so eine Art dass ähnliche weiter nach zusammenkommen und das kann man dann auch interessanterweise in unterschiedlichen Sprachen machen unten rechts und dass man das kann dann sofort für die Übersetzung einsetzen sind keine perfekte Lösung heutzutage aber sind lösen die deutlich besser sind als die bestehende Lösung die wir bisher hatten wir gar nicht die Modelle jetzt für bewegen Scuderia einsetzen also die Idee ist die von der ich habe eine Menge Sensoren und Kameras ist sind entweder vielleicht diese in Sensoren es sind jetzt Sensoren oder was auch immer und mit diesen Sensoren kann ich Bewegungen auf irgendeine Art mehr ich schick aus und sehr komplexe sehr hoch dem Menschen nach den Datenstrom ich kann nicht sofort interpretieren aber ich habe mir diesen neuen Netzen Möglichkeiten um diese Daten auf einen latenten haben wenn ich das mal abzubilden und dieser den Traum ist irgendein ein nämlich den Menschen aber haben die die Essenz der Bewegung darstellt und aus diesen Daten haben kann ich dann wieder zum Beispiel ein Roboter oder eine Herde Maschine-Schnittstelle bauen oder eine Vorhersage über menschliche Bewegungen machen was auch immer aber es geht darum dass ich mit diesen Methoden eine Möglichkeit habe um diese komplexen Datensatz abzubilden auf irgendeine Darstellungen die tatsächlich was zu tun hat mit meiner Bewegung und nicht direkt mit den Daten zeigen am Beispiel das Experiment das wir 2 13 angefangen haben glaube ich und das das ganz einfach oben rechts im Video sehen Sie den Finger und die Farbe vom Nagel ändert sich aus dem Druck das ist ganz klar weil das Blut verändert sich ja unten unter den Nagel und deswegen bin ich fester drücken wird mit rot wie auch immer und je nach wie ich drücke Ende sich eben die Frage und was wir gemacht haben ist ,komma darauf gesetzt und diese Kamera beobachtet eben der Lage und gleichzeitig möchte ich Kraft und da und dort schon in einem Sensor der da und ist und mit so einem großen tionsnetze und noch ein ein anderes sondern das Netz kann ich da aus relativ einfach die Bilder abbilden auf eine Kraft und Sie sehen dass in diesen Messungen in der Mitte die die die Schweizer Kursen sind die tatsächlich gemessen Kräfte Finger kräftiges Kräfte für einen Finger und die rote Linien sind die vorherige gesagt Kräfte gemessen nur aus dem Bild vom Nagel das heißt ich hab hier einen Adler Zentralraum die dieser Raum beschreibt Kraft basierend auf den sehr hoch die Menschen als Signal nämlich das Pixelbild des meine Kammer kommt und ich konnte mit einem 1 Daten wieder zu machen aber echte latente Raum ist es natürlich nicht weil ich weiß ich definiere von vorne weg wie mein haben aussieht ich weiß ich möchte jetzt Kräfte und und und und deutsche und stehen und ich kann definieren ich möchte aber die Bilder auf die die Kräfte Kreft Kräfte abbilden
das ein anderer Ansatz und das geht dann zurück auf wieder die Kurve tionsnetze die von ein paar Mal gesehen haben und auf dem Wege vor Sportlern das Verständnis lernen der Mainzer kurz angedeutet hat und das ist ein Experiment das in diesem Jahr von der von Google veröffentlicht wurde eine sehr interessante Arbeit wo man gezeigt hat man kann mit den Rechner folgendes mache ich mir zum Beispiel das Spiel oben links ich hab vergessen wie es heißt aber ich hab ewig lange auch mal gespielt und das Bild ist den Eingang von meinem Rechner für meinen neuen Haarschnitt gleichzeitig weil sie auch der der Score also Punktezahl welche Punkte ich erreicht habe und Ziele von der neuen zusammen mit viel Erfolg und können ist um diese Punktezahl zu maximal zu machen mehr ist nicht das einzige Ziel das definiertes Punktezahl 200 muss maximiert werden und das System hat aus aus der Steuerfahnder haben natürlich nur der Park der links und rechts gehen darf man kann sich den jetzt autonomen trainieren das heißt ich habe nur dieses Ergebnis nahe dass Input hab ich nur das Bild und eben Chor und nach ein bisschen werden und endlich lernen das sind sind und ein paar Stunden bis Tage je nach je nach Spiel angezeigt werden dass dieses neuronale Netz zusammen mit natürlichen vor eine Kodierung in diesem weiten Raum der nicht vordefiniert ist in diesem Land können haben eine gute und macht dies sinnvoll ist ein Mann seht Ihr oben rechts zum Beispiel dass ähnliche Bilder ähnliche Situationen sehr nah beieinander in den Professions Netz abgebildet werden auf eine Art die sinnvoll ist und dann mit dem neuen Vorfall können eine optimale Aktionen zu definieren um eben nach links oder nach rechts zu gehen und das nette ist Gruber hat gezeigt dass sie das nicht nur für das Spiel können aber wir können das für 20 30 von dieser Art habe spielen genau das gleiche System eigentlich das Pixelbild rauskommt die Aktion nicht die nach links oder nach rechts und das System in den in ich weiß es nicht genau 15 von 20 Fällen ist performanter als der Mensch in das Spielen von diesem Spiel ich weiß ja dass Intelligenz ist aber es ist eine Art um darzustellen ich kann tatsächlich was finden Entzuendungen machen und wir treiben oder meinen dass wir rein und irgendeine Aktion um ein optimieren Probleme zu lösen ist man kann das auch in der Robotik machen aber das ist ein Video von nur bitte aber keine Gemeinde ihre will sie wo es sehr ähnliches Problem gelöst wurde aber diesmal mit einem echten Roboter und der Roboter sollte unterschiedliche Aufgaben werden das ist was sie gesehen haben ist der kleine Hänger aufhängen das 2. Problem ist eben diese diese Blöcke und so weiter und so weiter aber auch hier das einzige Kriterium was gegeben wird an dem System ist hast du die Aufgabe gelöst ja oder nein hat kommt das Bild rein hängt hinterher kommt kommt der Blockfreien und der Eingang ist natürlich auch das Bild unter der derzeitigen Position vom Roboter und nur mit diesen Informationen kann das System dann im Bildbereich lernen was es tun sollte um eben diese Aufgabe zu lösen ist dauert ein bisschen durchaus ist und sind in mehrere Stunden bis Tage auch wieder Lernzeit und mehrere flogen bis es geht aber das System ist erfolgreich und was ganz wichtig ist generalisiert ziemlich gut auch wenn das Bild geändert wird zur zum neuronalen Netzwerk weil wir haben bis jetzt eigentlich Themen gesehen in denen wir entweder ein Ziel definiert haben Sie denken zum Beispiel an den Griff krÃftig hatte definiert was sind die Kräfte die rauskommen müssen aus meiner meine Darstellung auf dem Bild oder eben ich habe Ziele definiert hängt der hängt der kleine Übel oder hab ich das Blog in einfügen können aber es gibt natürlich viele Fälle wo ich das nicht habe und in dem Fall das normale Maß nur das Netzwerk Hafeneingang Ex und das wird abgebildet wird auf den Ausgang der zusammen mit überwachtes Lernen aber es gibt auch Fälle wo ich keine reinen Lehre aber wo ich keine Daten hat die gelehrt wird sind die mir den gewünschten Ausgang geben und dann kann ich folgendes machen ich kann mein Eingang X auf meinen Ausgang X Abbild und und Netzwerken in ihrem Auto Encoder es codiert also eigentlich die Integrität Identitätsabbildung und in der Mitte hat sich allerdings eine Darstellung die von geringer die man schon ist zum Beispiel indem sie unten aus 6 ein Bild an Bild hat vielleicht ein paar 100 Tausend Pixel dass es einen Eingang das Bild möchte ich auf dieselbe abbilden aber in der Mitte hab ich vielleicht nur 3 neue und das heißt ich hab den dreidimensionalen Raum in der ich das Bild abbilden möchte und ich kann sehen wenn wir nicht die gerade und ein Encoder ein System das lernt abzubilden mein Bild auf irgendeinen Raum wovon ich nicht spezifizieren kann was der Raum genau machen wird und oben einen Decoder ins System das wieder das auf einem Bild abgebildet und was kann ich damit machen wir sehen sind Beispiele was wir da gemacht haben ist 1. Bilder haben ihre Positionen ich ich halte es für ihren kurz an es ist nicht sinnvoll jetzt also Bilder haben die Position die sie da sehen von einem Menschen im Raum genommen das heißt es ist mit Check-in Daten
aufgenommen wurden als an einem öffentlichen Datenbank und die Positionen von denen vom Handgelenk vom Abend von den beiden vom Körper und so weiter sind als Eingang für dieses Netzwerk benutzt und im latenten haben haben wir zum Beispiel 2 Änderungen sind tatsächlich 5 gewundert haben aber 2 sind oft schon genug und was ich jetzt mache ist nicht wenn wir dieses Netzwerk nicht nur auf diese Daten und das nach einer Weile passiert ist eine der 1. allgemeinen latenten Raum wenn ich nur mehr die latente und anschauen sagte noch hier und dort sind in der Mitte hätte nur 1 gegen und 2 ist es wenig zum Kreis mache dann ist das ein Laufbewegung das heißt das Netzwerk macht eine Topologie sinnvoller Darstellung von eine bestimmte wegen bewegen die ich da an dem Netzwerk trainiert haben 1 zu 4 in Dänemark zurück und im Video sehen Sie das auch das ist das trainieren also rot ist in die Originaldaten Browsers trainierte in Netz und was ich danach machen kann nachdem ich das trainiert habe ist meine Daten lassen zum Beispiel laufen weglassen und ich kann nur in meinen Garten anschauen und ich kann neue Laufbewegung generieren oder eben ein Gelenk ausschalten mein System kann lernen dass wieder herzustellen das heißt in meinem latenten haben in meinem Menschen einen haben habe ich eine Art Darstellung die zeigt wie die die in der Tat was tatsächlich Bewegung in dem System ist und das ist unabhängig von der Art von Daten die da einen werfe ich kann der Videodaten ein stoppen ich kann der Taktieren Daten einstecken ich kann das checken da stecken in dem Moment wo man sich indes ein dass ist das trainiert und die Daten der geben natürlich muss man dazu sagen kann ich diese Abbildung machen und zum Thema Taktieren Daten haben wir das dann auch versucht das zu machen und das Prinzip ist hier ganz einfach es ist ein altes Problem in der Robotik oder als der Alte dem Neuen in der Robotik eigentlich ist nämlich stark balancieren und starr balancieren gelten Robotik normalerweise so ich habe einen Roboter und ich tue darauf und starb ich weiß die Winter von meinen starb ich weiß also wie man stark steht und ich kann durch lernen aber wird man oder eben durch Formulierungen wie ein Roboter so bewegen dass die Stadt balanciert wird aber in dem Moment wo die Sensorik etwas komplizierter wird geht das nicht mehr so einfach und deswegen haben was wir gemacht haben ist es der statt zu wissen wo der startete ich steht wir haben ein Taktieren sein genommen und diese taktile Sensoren sehen das ist dass in dem in dem Video war haben stark umgesetzt und es ist so lässt sich am Ende in den Taktieren Sensor kriege ich einen Wert der mir irgendwas erzählt über wieder Kontakt zwischen einem Staat und ein Roboter ist und oben rechts sehen die als wenn sie dabei Spiele haben von diesem Experiment in den Daten ist nicht sofort erkennbar waren hab ich Erfolg und dann hab ich kein Erfolg meinte ich dem aber ich kann mit einem Auto Encoder diese Daten in einem latenten abbilden mit und überwachtes Lernen ist liegt da ein latenter Raum der irgendwas Sinnvolles darstellt und was in diesem Fall gefunden hat ist eine Darstellung wo eine hohe wird von dem der nur um einen bestimmten Winkel von meinem Start darstellt und eine niedrige wird von einem und andere Winkel von meinem Mann Stadt stellt das heißt der Winkel wird von einem Stab wird implizit in dem neuronalen Netzwerk kodiert und statt aus diese auf den Menschen an der Tiere und dann meine Lehrer Probleme zu lösen muss sie das in meinen die durch den Menschen einen kompakten latenten machen der auf irgendeine Art die bewegen von einem Start gelernt hat darzustellen der nächste Trick ist ein bisschen lästig wir was macht man mit dem mit den Daten der und Staat vor Schulden zu machen das doch relativ aufwendig ist haben wir uns dafür entschieden eine andere Methode einzusetzen und diese heißt Entropie und Entropie ist eine Methode die die Empörung und Entschuldigung anberaumt ist eine Methode die maximale Entropie in einem System bestimmen kann und nur wenig die 2 einzigen lösen kann kann ich in den System tatsächlich maximaler Entropie berechnen und Sie sehen unten links wenn wir das gemacht haben finde das System in der Mitte wurde stark in der Mitte steht bei geringster Geschwindigkeit ist mein optimal und ich hab maximaler Entropie in Mainz System und Martin maximaler Entropie in meinem System heißt dass sich maximale Anzahl Möglichkeiten habe um weiter zu optimieren das ist nicht so ganz trivial das zu machen weil eben diese gerade nicht scheitere aber sind ich kann sie nicht lösen ich kann sie nicht mehr die Lösung dafür setzen und die den neuen Handelstag ein um diese diese Terme da die stehen zu approximieren technische Probleme aber kann gelöst werden um eben einzustimmen einen optimalen Stand zu bringen ohne Vorwissen einzubringen 5 Minuten das schaff ich locker weil das ist meine
letzte das heißt also Bewegung geht für mich in Wien in den latenten haben und es gibt für mich irgendwie in der intelligenten Zähler
Geschwindigkeit
Informationsmodellierung
Vorverarbeitung
Menge
Dynamik
Energie
Mathematische Modellierung
Gleichungssystem
ART-Netz
Computeranimation
Roboter
Geschwindigkeit
Position
Momentenproblem
Schnittstelle
Roboter
Mathematische Größe
Geschwindigkeit
Parametersystem
Große Vereinheitlichung
Zusammenhang <Mathematik>
Total <Mathematik>
Momentenproblem
Kraft
Computeranimation
Roboter
Linie
Objekt <Kategorie>
Bildschirmmaske
Informationsmodellierung
Menge
Eigenfrequenz
Messprozess
Schnittstelle
Geschwindigkeit
Informationsmodellierung
Momentenproblem
Signal
Rotation
Kraft
Besprechung/Interview
Darstellung <Mathematik>
Web log
Aktion <Informatik>
Momentenproblem
Google
Dreidimensionaler Raum
Computeranimation
Überwachtes Lernen
Datensatz
Informationsmodellierung
Prognose
Algorithmus
Bereichsschätzung
Datenstrom
Messprozess
Ziffer
Pixel
Kurve
Position
Netzwerk <Graphentheorie>
Signal
Kraft
Abbildung <Physik>
Gruppoid
Ruhmasse
Ähnlichkeitsgeometrie
p-Block
Parametrisierung
Ein-Ausgabe
Bitmap-Graphik
Roboter
Numerisches Gitter
Rechenbuch
Menge
Anwendungssoftware
Codierung
Microsoft
Information
Systems <München>
Maschinelle Übersetzung
Neuronales Netz
Geschwindigkeit
Kreis
Videodat
Momentenproblem
Browser
Stab
Abbildung <Physik>
Datenbank
Term
Überwachtes Lernen
Roboter
Topologie
Maximum-Entropie-Methode
Entropie

Metadaten

Formale Metadaten

Titel Grenzen der Intelligenz
Untertitel vom neuronalen Netz zum neuralen Netz
Serientitel ZiF-Konferenz 2015: Intelligenz: Mensch trifft Technik
Teil 04
Anzahl der Teile 06
Autor Smagt, Patrik van der
Lizenz CC-Namensnennung 3.0 Deutschland:
Sie dürfen das Werk bzw. den Inhalt zu jedem legalen Zweck nutzen, verändern und in unveränderter oder veränderter Form vervielfältigen, verbreiten und öffentlich zugänglich machen, sofern Sie den Namen des Autors/Rechteinhabers in der von ihm festgelegten Weise nennen.
DOI 10.5446/19427
Herausgeber Zentrum für interdisziplinäre Forschung (ZiF)
Erscheinungsjahr 2015
Sprache Deutsch

Technische Metadaten

Dauer 36:37

Inhaltliche Metadaten

Fachgebiet Informatik

Ähnliche Filme

Loading...