- LiFePO4 Speicher Test         
Seite 1 von 14 12311 ... LetzteLetzte
Ergebnis 1 bis 10 von 138

Thema: GI = Guckis Intelligenz

  1. #1
    Erfahrener Benutzer Fleißiges Mitglied
    Registriert seit
    07.11.2019
    Ort
    Hamburg
    Beiträge
    117

    GI = Guckis Intelligenz

    Anzeige

    Powerstation Test
    Hallo KI-Freaks,

    vielen Dank Euch für die vielen KNN- und KI-Anregungen hier in diesem Bereich. Seit gestern Abend fasziniert mich das Thema sehr.

    Zur Zeit beobachte ich mich selbst sehr intensiv. Da gibt es erstmal Euer Forum. Eine mir unbekannte Umwelt mit mir noch unbekannten Regeln, Protagonisten und Themen. Ich hab noch nie im Leben einen Roboter entwickelt oder was mit KI gemacht.

    In dieser unbekannten Umwelt will ich mich nun zurechtfinden. Wie geh ich mit meiner "GI" (Guckis Intelligenz) vor?

    --------

    Erstmal hab ich meinen vorverdrahteten Programmschalter auf "hallo-ich-bin-da"-Modus geschaltet. Erstmal meine Desktop-Halde durchsucht, was ich davon mit wenigen Handgriffen auf "Roboter" anpassen kann. Aha... die 3D-Feldmessung. Die kann man doch gut nehmen. Dann nur noch schnell rumgeguckt, in welchem Bereich ich das am besten abwerfe und dann mal das Echo abwarten.

    Zu diesem Zeitpunkt ist mir noch keine einzige neue Synapse gewachsen und ich habe auch nichts Neues trainiert. Ich hab nur ein bewährtes Standardprogramm abgespult. Jedes Waschmaschinen-Schrittschaltwerk kann das ebenso. Trotzdem hab ich den Eindruck von Intelligenz erweckt.

    Ich lerne: ein GI-System verfügt über ein Standardprogramm, mit dem es seine Umweltabfrage beginnt.

    --------

    Es dauerte nicht lange und ich bekam eine Antwort. Dass meine hochgeladene PDF ja virenverseucht sein könnte und was ich zu tun habe, um das Gegenteil zu beweisen.

    Mein GI-System erhielt sozusagen eine Strafe. Irgendwas war schief gelaufen. Was in anderen Foren-Umwelten stets problemlos klappte, war hier nicht gut. Leider hab ich im Gegensatz zu KI-Systemen nun keine Möglichkeit, in stundenlangen "Trainingsläufen" zu bestrafungsfreien Ergebnissen zu gelangen.

    So funktioniert die Realität nicht. Mich fauchte hier ein Tiger an und ich musste schnell handeln. Sollte ich mich wegdrehen und die Angst mit einem lauten Lied wegsingen? Soll ich mich hinwerfen und ihm die Kehle zeigen? Oder soll ich zurückfauchen?

    Ich stand also rätselnd vor meinem Programmschalter. Sollte ich auf "Igno", "Unterwerfung" oder "Zurückfauchen" schalten?

    Ich begann, die Sache zu bewerten. Erstmal bin ich kein Typ, der sich unterwirft. Ich bin selbst Tiger im Herzen. Igno vertagt nur. Von daher standen die Zeichen auf Zurückfauchen. Hinzu kam noch, dass der Tiger die von mir erwarteten Höflichkeitsformeln (wie z.B. "Hallo, neuer User") nicht rezitierte. Die Entscheidung war gefallen. Programmschalter auf Zurückfauchen.

    Ich lerne: mein GI-System kann bewerten. Dazu hat es ein Bild von sich selbst und Erwartungshaltungen. Auch dieses war alles schon vorhanden, bevor ich mich bei Euch registrierte.

    --------

    Danach kamen nettere Beiträge und ich schaltete auf "Schnurren" und speicherte die PDF auch noch zusätzlich online, wie es ursprünglich gefordert wurde.

    Neue Synapsen waren immer noch nicht gewachsen. Das passiert in meinem Alter auch nicht mehr so oft.

    Mein GI-System hat aber in dem kleinen 3D-Sensor-Thread viel über die neue Umwelt erfahren. PDFs sind da nicht so beliebt. Und ich lernte ein paar erste Nicknames.

    --------

    Ich hab mich gleich an deren Fersen geheftet und rumgelesen, was die so interessiert und was die so können.

    Mein GI-System war jetzt also in der Lage. mit den Nicknames meine neue Umwelt gezielt abzufragen.

    Ich las etwas von stundenlangen Trainings der KNN-Systeme auf "leistungsschwachen" Controllern, die vor noch nicht vielen Jahren problemlos ganze Rechenzentren in Betrieb gehalten hätten. Ich stöberte in vielfach geschachtelten Schleifen mit floating-Multiplikationen und bewunderte übergreifende "Bewerter", die irgendwann nach hunderttausenden von Iterationen schließlich einen ausreichenden Lernerfolg feststellten. Oder eben nie.

    Und ich wunderte mich sehr, wie ganz anders meine eigene GI zu funktionieren scheint und frage mich nun natürlich, ob das ganze mit der KI nicht auch ein wenig geschickter gehen könnte.

    Da ist eine neue Umwelt mit Tigern. Und nun muss sich der mit Intelligenz ausgestattete Roboter in Windeseile einfügen und seine Überlebensnische finden. Sonst wird er gefressen und aus die Maus.

    Dieses Überlebensprogramm hat nichts mit stundenlangem KI-Training zu tun. Das ist ein ganz anderer Mechanismus. Der passt sogar in ein einzelliges Wesen. Der Mechanismus würde auch in einen Tiny85 passen, der sich noch nebenher mit der Abfrage von Sensoren und der Steuerung der Aktoren befassen muss.

    Lieg ich so falsch?

    Viele Grüße

    Wolfgang

  2. #2
    HaWe
    Gast
    Obwohl einige Aspekte deiner Beschreibung noch etwas vage, unstrukturiert und suggestiv formuliert sind, erinnern mich manche Ideen im Prinzip an Q-Learning.
    Du müsstest die Problemstellung noch etwas konkretisieren und objektivieren, aber such mal das Web nach diesem Stichwort ab!
    Geändert von HaWe (17.11.2019 um 15:54 Uhr)

  3. #3
    Erfahrener Benutzer Fleißiges Mitglied
    Registriert seit
    07.11.2019
    Ort
    Hamburg
    Beiträge
    117
    Hallo HaWe,

    ich bin ja noch absoluter Beginner in dem Thema. Das hat Vor- und Nachteile.

    Ein Nachteil ist, dass man die vorgeschriebene Denkweise und Nomenklatur noch nicht kennt.

    Und ein Vorteil ist, dass man die vorgeschriebene Denkweise und Nomenklatur noch nicht kennt.



    Viele Grüße

    Wolfgang

  4. #4
    HaWe
    Gast
    ja, man könnte das, worin DU dich z.Zt befindest, auch mit "Lernprozess" beschreiben.
    Du kannst jetzt versuchen, das Rad neu zu erfinden - oder auf bekannte Lösungsstrategien zu setzen und diese für dein Problem anzupassen und weiterzuentwickeln

  5. #5
    Erfahrener Benutzer Fleißiges Mitglied
    Registriert seit
    07.11.2019
    Ort
    Hamburg
    Beiträge
    117
    Hallo HaWe,

    ja.. ich lerne. Daher bitte ich um einige Tage Welpenschutz.

    Ich persönlich seh keine Chance, die heutigen Standard-NN in irgendeiner Form auf Tinys zu implementieren.

    (Anm: "Tiny" ist ein Synonym für einen wirklich leistungsschwachen Controller.)

    Ein Tiny hat aber m.E. viel mehr Intelligenz als eine Amöbe. Auch er sollte also mindestens ähnlich geschickt sein Futter finden, Hindernissen ausweichen und flüchten können, wenn ihm was komisch vorkommt.

    Keiner verlangt, dass er mich aus allen Blickwinkeln als sein Herrchen erkennt. Das ist Luxus.

    Aber unverzichtbar sind vitale Grundfunktionen. Revier kennenlernen. Ladestation finden. Sich an Umweltänderungen anpassen können. Fluchtverhalten. (Fortpflanzung lassen wir erstmal außen vor).

    Für eine Neuerfindung des Rades müsste man erstmal ein Rad haben. Ich hab im Netz kein derartiges Vital-Paket für autonome Tiny-Roboter gefunden. Kennst Du eins?

    Viele Grüße

    Wolfgang

  6. #6
    HaWe
    Gast
    ja, mach ma'!
    Aber ich arbeite grundsätzlich nicht mit Tinys oder anderen mickrigen AVRs .

    PS,
    Unterschätze aber auch bitte Amöben nicht: sie sind Einzeller (keine Bakterien) mit einer hohen Vielzahl von Organellen, Sensoren und Aktoren, die m.E. eine weitaus komplexere Sensorik und Verhaltensmuster als Outputs besitzen als es ein AVR simulieren könnte.

  7. #7
    Erfahrener Benutzer Fleißiges Mitglied
    Registriert seit
    07.11.2019
    Ort
    Hamburg
    Beiträge
    117
    Hallo HaWe,

    Zitat Zitat von HaWe Beitrag anzeigen
    Unterschätze aber auch bitte Amöben nicht
    Ja... der Rassist ist wieder mal mit mir durchgegangen...

    -------

    Zitat Zitat von HaWe
    ja, mach ma'!
    Ja. Ich leg los. Das wird hier mein Labortagebuch-Thread, wenn das für die Admins und Mods ok ist.

    Ich kann zwar extrem Beitrags-agil sein. Aber ich will versuchen, Eure Lesebelastung in Grenzen zu halten.

    WENN alles so gelingt, wie ich mir das zur Zeit vorstelle und wie sich das mit zunehmender Erkenntnis auch noch schärfer herausbilden wird, dann schreib ich zum Schluss ne PDF, in der noch mal alles gebündelt drin steht.

    Wer also keine Lust hat, hier täglich meine (hoffentlich) wachsende Erkenntnis mitzulesen, der verpasst nichts.

    Viele Grüße

    Wolfgang

  8. #8
    Erfahrener Benutzer Robotik Einstein
    Registriert seit
    18.03.2018
    Beiträge
    2.643
    Ja. Ich leg los. Das wird hier mein Labortagebuch-Thread, wenn das für die Admins und Mods ok ist.
    Falls Du es noch nicht gesehen hast:

    Du hast dafür einen eigenen Blog. Kannst den auch verwenden.




    MfG

  9. #9
    Erfahrener Benutzer Fleißiges Mitglied
    Registriert seit
    07.11.2019
    Ort
    Hamburg
    Beiträge
    117
    Hallo Moppi,

    Danke für den Hinweis. Das ist je genial. Das wird immer besser hier!

    Viele Grüße

    Wolfgang

  10. #10
    Erfahrener Benutzer Fleißiges Mitglied
    Registriert seit
    07.11.2019
    Ort
    Hamburg
    Beiträge
    117
    Moin Forum,

    der Blog ist mir zu weit ab vom Schuss. Den lesen zu wenige. Ich bleib erstmal hier im Thread. Soooo umfangreich ist meine Erkenntnis noch nicht. Eher simpel und naheliegend.

    Viele Grüße

    Wolfgang

    ************************

    Generic Intelligence

    GI vs. KI


    ------------------------------------------------------------

    Vorwort

    Ein wichtiges Gebiet der AI bzw. KI (artificial intelligence bwz. künstlichen Intelligenz) befasst sich mit der Erstellung künstlicher neuronaler Netze (KNN).

    Das Vorgehen bei den KNN ist simpel. Es wird die Funktionalität eines einzigen Neurons programmiert. Und es wird eine große Anzahl von Speicherstrukturen angelegt, die der Anzahl von Nervenzellen entspricht.

    Nun wird in endlosen Schleifen das Neuron mit Daten aus der Umwelt oder den internen Speicherstrukturen gefüttert und seine Rechenergebnisse abgespeichert. Ob Daten aus der Umwelt oder internen Speichern verrechnet werden, entscheidet die jeweilige Neuronenschicht, die gerade berechnet wird.

    Viele KNN bestehen aus drei Schichten. Einer äußeren Schicht, die mit den Umweltsensoren direkt gekoppelt ist. Einer versteckten inneren Schicht. Und einer Ausgabeschicht, die Aktoren ansteuert.

    Die Emulation eines Neurons ist eine wahre Wissenschaft. Die Eingangssignale können gewichtet, summmiert und mit unlinearen Funktionen multipliziert werden. Typischerweise entsteht so ein einziges Ausgangssignal, was alle Eingänge miteinander verrechnet hat.

    Formell ist ein KNN eine Matrix-Berechnung. Besonders schnelle Multiplikationen und Additionen sind eine Domäne von Grafikprozessoren, weswegen diese Bauteile gerne in der KI verwendet werden.

    Die die natürlichen Intelligenz beherrschenden Merkmale der Vernetzung und Parallelität werden durch mathematische Korrelation und enorme Rechengeschwindigkeiten ersetzt.

    ------------------------------------------------------------

    Motivation

    Statt immer größere Rechenleistungen einzusetzen, will ich das andere Ende der Skala beleuchten.

    Kleine Controller (z.B. Tiny85 etc.) verfügen nicht über die Ressourcen zur Abarbeitung der geschilderten Dampframmen-KI.

    Diese Dampframmen-KI erscheint mir sowieso eher lustlos. Die Entwickler wollen eine informelle Blackbox nutzen, deren Innereien sie eigentlich gar nicht interessiert. Die sie vielleicht nicht mal verstehen. So eine Art KI-Betriebssystem, um das man sich nicht kümmern muss und was es schon richtig machen wird. Konsumer-Mentalität auf höchstem Level.

    Es soll stattdessen eine zur Controller-Klasse passende künstliche Intelligenz entwickelt werden, die wegen ihrer universellen Skalierbarkeit als GI bezeichnet wird.

    ------------------------------------------------------------

    Modell

    Die GI eines Kleincontrollers besteht aus drei pyramidenförmigen Schichten.

    Klicke auf die Grafik für eine größere Ansicht

Name:	pyramide.jpg
Hits:	7
Größe:	25,1 KB
ID:	34461

    In der obersten Schicht, dem „RAM“ wird z.B. Bildverstehen auf höchster Abstraktion betrieben. Hier wird auch geschlafen, um das RAM für einen neuen Tag freizuschaufeln. Die Speicherzeit ist kurz.

    In der mittleren „EEPROM“-Schicht wird Gerlerntes gespeichert. Also z.B. Laufen, Sprechen und Bilderkennung. Hier wachsen Verknüpfungen und werden Anpassungen an Umwelten gespeichert. Die Speicherzeit ist lang.

    Die unterste „Flash“-Schicht wird von mir programmiert. Hier befinden sich Reflexe, Instinkte, Triebe und die Treiber für Sensoren und Aktoren. Das Stammhin sozusagen mit ewiger Speicherzeit.

    Die Aufgabe des Gebildes ist das Zurechtfinden in einer unbekannten Umwelt.

    Vom Prinzip her ist ein GI-System schon mit der Flash-Schicht alleine - in Grenzen -lebensfähig. Es schreit und zappelt zum Beispiel, wenn die Bordnetzspannung zu weit sinkt und es Hunger hat.

    Interessanter wird’s aber, wenn die EEPROM-Schicht sich durch Interaktion mit der Flash-Schicht und der daran angekoppelten Umwelt zu organisieren beginnt. Zur Erlangung von Mobilität muss die EEPROM-Schicht rumprobieren. Sie muss selbsttätig versuchen, ein Ablaufprogramm zum „Laufen“ zu entwickeln. Um einen Schritt zu machen, mussen die Unterprogramme und Treiber der Flash-Schicht in einer gewissen Chronologie angesteuert werden. Ein gutes GI-System lernt und optimiert Fortbewegung ganz von alleine.

    Sobald die EEPROM-Schicht ausgebildet ist. Kann sich das System fortbewegen, weglaufen, Futter suchen und hat sich an seine Umwelt adaptiert. Man könnte jetzt zufrieden sein und sich am Rumwuseln des Roboters erfreuen.

    Spannend wird’s aber, wenn die oberste Schicht freigeschaltet wird. Hier treffen mit höchstem Abstraktionslevel Ereignisse ein. Hier findet „Kombinieren“ und „Denken“ statt. Hier wird im kybernetischen Sinne gespielt und im regelungstechnischen Sinne optimiert. Hier kommt es auch nicht mehr auf die Geschwindigkeit an.

    ---------------------

    Realisierung

    Die GI unterstützt eine generische Vorgehensweise. Zuerst werden die Eigenschaften der Flash-Schicht kodiert. Es entsteht eine Art Betriebssystem des Robotors. Dieses Subsystem kann Befehle mit uniformierten Messages empfangen und Events an die höheren Schichten asynchron senden.

    Die EEPROM-Schicht nutzt das Flash-Betriebssystem und dessen Rückmeldungen. Es wird zum Beispiel mit einem leckeren Happen gelockt und muss nun irgendwie seine Betriebsystem-Befehle in geeigneter Weise chronologisch kaskadieren, dass eine Bewegung hin zum Futterhappen stattfindet.

    Die Arbeitsweise der EEPROM-Schicht erinnert mehr an einen Homöostaten als an ein intelligentes Wesen. Es optimiert sich selbst und passt sich selbst auch an die Umwelt an.

    Auch die EEPROM-Schicht kann Messages empfangen und Events senden. Allerdings schon auf sehr hohem Abstraktionsleveln. Ein typischer Befehl an die EEPROM-Schicht wäre: „gehe drei Schritte die Treppe runter“ oder „fahre mit dem Rad immer geradeaus“.

    Die übergeordnete RAM-Schicht ist noch nicht konkreter durchdacht worden. Die kann generisch draufgesatteltwerden, wenn die anderen Schichten laufen.

Seite 1 von 14 12311 ... LetzteLetzte

Ähnliche Themen

  1. Nupic: Auf dem Weg zu maschineller Intelligenz
    Von Roboternetz-News im Forum Neuigkeiten / Technik-News / Nachrichten / Aktuelles
    Antworten: 0
    Letzter Beitrag: 05.06.2013, 09:50
  2. TV: Künstliche Intelligenz
    Von Günter49 im Forum Allgemeines zum Thema Roboter / Modellbau
    Antworten: 17
    Letzter Beitrag: 29.06.2009, 15:29
  3. Computersystem intelligenz
    Von runner02 im Forum PC-, Pocket PC, Tablet PC, Smartphone oder Notebook
    Antworten: 11
    Letzter Beitrag: 18.03.2009, 19:43
  4. Künstliche Intelligenz (KI)
    Von Devil im Forum Allgemeines zum Thema Roboter / Modellbau
    Antworten: 2
    Letzter Beitrag: 12.04.2005, 17:18
  5. Intelligenz in Werkzeugen
    Von Frank im Forum Neuigkeiten / Technik-News / Nachrichten / Aktuelles
    Antworten: 0
    Letzter Beitrag: 03.05.2004, 20:36

Stichworte

Berechtigungen

  • Neue Themen erstellen: Nein
  • Themen beantworten: Nein
  • Anhänge hochladen: Nein
  • Beiträge bearbeiten: Nein
  •  

LiFePO4 Speicher Test