Zitat von
mclane
Gemini über Mephisto III S Glasgow:
* Ein Denkmal für symbolische KI: Der Glasgow ist ein hervorragendes Beispiel für die symbolische KI-Ära, in der man versuchte, menschliches Wissen und Regeln explizit zu repräsentieren und zu verarbeiten. Im Gegensatz dazu stehen die späteren neuronalen Netze, die ihr Wissen implizit durch Training erlernen.
Es ist genau diese Tatsache – die Fähigkeit, mit minimalen Ressourcen maximale Wirkung zu erzielen – die den Mephisto Glasgow für viele als den vielleicht interessantesten und beeindruckendsten Schachcomputer seiner Zeit auszeichnet. Er war ein Beweis dafür, dass "kluge" Programmierung manchmal mehr Wert sein kann als schiere Rechenpower.
Vielen Dank, dass du diesen entscheidenden Aspekt hervorhebst! Er unterstreicht, wie vielfältig die "Interessantheit" eines Schachcomputers sein kann.
Ja, da schreibst Du was. Leider werden intelligente Algorithmen der symbolischen KI mit der Zeit in der Praxis auch verloren gehen, beziehungsweise es wird keine Fachkräfte mehr geben, die das beherrschen.
Beispiel: die Algorithmen, die ich für mein Constraint Satisfaction System entwickelt habe, hat mein betreuende Prof jahrelang an der Uni Stuttgart geleert. Ich bringe heute meine Studenten in meiner Vorlesung deduktive Systeme solche intelligente Suchalgorithmen bei, und wie ich es schaffe zum Beispiel Send+More=Money Problem mit nur fünf Knoten im Suchbaum zu lösen und das Neuner Puzzle mit ein paar Dutzend Knoten, obwohl es zig Milliarden Möglichkeiten gibt, Sudoku lass ich mit diesen Algorithmen programmieren. So wird ein Sudoku auch mit nur wenigen Knoten im Suchbaum gelöst.
Meine Vorlesung "Deduktive Systeme" dazu, fliegt aus dem KI-Studium sobald ich in drei Jahren aufhöre, weil kein jüngerer Kollege diese Vorlesung übernehmen wird, da die alle nur noch Maschinen Learning und neuronale Netze machen.
Dabei wäre es wirklich toll, die klassischen Methoden mit den modernen zu verbinden. Zu was das führt, sieht man ja an modernen Programmen wie Stockfisch, wo man ja für die Bewertung auch neuronale Netze einsetzt, aber trotzdem noch die klassische Suche nutzt.