Tiefpreis
CHF59.20
Exemplar wird für Sie besorgt.
Kein Rückgaberecht!
Dieses Buch basiert auf zwei zentralen Annahmen: Für den wissen schaftlichen und technischen Fortschritt einer wissenschaftlichen Disziplin ist erstens ein geeignetes mathematisches Handwerkszeug zur Formulierung und Zusammenfassung neuer Ideen nötig. Zweitens ist die symbolische Logik ein sehr wesentlicher Bestandteil der in der Forschung über Künstliche Intelligenz (KI) verwendeten Mathe matik. Beide Behauptungen müssen begründet werden. Man sollte allerdings meinen, unser erster Grundsatz fände ei gentlich allgemeine Zustimmung. Dennoch gibt es in neuen Wissen schaftsgebieten, in denen das Wissen hauptsächlich an die Praxis und empirische Fallstudien gebunden ist, vehemente Einwände gegen die Versuche einer Mathematisierung. (Einer der Autoren erinnert sich beispielsweise daran, wie sich in den 50-er Jahren einige Elektroingenieure darüber beklagten, daß zum Verständnis von elek trischen Schaltkreisen und Kontrollsystemen Differentialglei chungen doch völlig unnötig seinen!) Wir behaupten nicht, daß das Wissen um die mathematischen Grundlagen und Techniken einer Diszi plin allein ausreicht, um in der Forschung oder in der Praxis er folgreich zu sein. Wir sind allerdings der Meinung, daß zu einem VIII Vorwort erfolgreichem Studium der modernen, insbesonders technisch orien tierten Wissenschaftsdisziplinen immer auch ein solides mathema tisches Handwerkszeug der jeweiligen Disziplin gehört. Das Studium dieser Grundlagen bietet die Voraussetzungen, um die jeweilige Disziplin interpretieren, verstehen und ausbauen zu können. Da die KI eine noch relativ junge Disziplin ist, ist es nicht verwunderlich, daß es hitzige und geistreiche Debatten zwischen "Formalisten" und "Experimentalisten" gibt. Die Formalisten mei nen, dieExperimentalisten kämen schneller voran, wenn sie ein tieferes Verständnis der theoretischen Grundlagen der KI besäßen.
Klappentext
Das Buch ist die deutsche Übersetzung des Standardwerkes der Stanforder Professoren Michael R. Genesereth und Nils J. Nilsson.Im Unterschied zu deutschen Lehrbüchern der Informatik zeichnet sich das Buch dadurch aus, daß es einen gut lesbaren Überblick gibt, ohne allzu formalistisch zu werden, gleichwohl aber von hohem Niveau ist und die Ergebnisse jüngster Forschung berücksichtigt. Das Buch empfiehlt sich sowohl für Studenten und Dozenten der Inf ormatik, aber auch für Forscher aus anderen Gebieten, die von den Grundlagen der Künstlichen Intelligenz profitieren möchten.
Zusammenfassung
Dieses Buch basiert auf zwei zentralen Annahmen: Für den wissen schaftlichen und technischen Fortschritt einer wissenschaftlichen Disziplin ist erstens ein geeignetes mathematisches Handwerkszeug zur Formulierung und Zusammenfassung neuer Ideen nötig. Zweitens ist die symbolische Logik ein sehr wesentlicher Bestandteil der in der Forschung über Künstliche Intelligenz (KI) verwendeten Mathe matik. Beide Behauptungen müssen begründet werden. Man sollte allerdings meinen, unser erster Grundsatz fände ei gentlich allgemeine Zustimmung. Dennoch gibt es in neuen Wissen schaftsgebieten, in denen das Wissen hauptsächlich an die Praxis und empirische Fallstudien gebunden ist, vehemente Einwände gegen die Versuche einer Mathematisierung. (Einer der Autoren erinnert sich beispielsweise daran, wie sich in den 50-er Jahren einige Elektroingenieure darüber beklagten, daß zum Verständnis von elek trischen Schaltkreisen und Kontrollsystemen Differentialglei chungen doch völlig unnötig seinen!) Wir behaupten nicht, daß das Wissen um die mathematischen Grundlagen und Techniken einer Diszi plin allein ausreicht, um in der Forschung oder in der Praxis er folgreich zu sein. Wir sind allerdings der Meinung, daß zu einem VIII Vorwort erfolgreichem Studium der modernen, insbesonders technisch orien tierten Wissenschaftsdisziplinen immer auch ein solides mathema tisches Handwerkszeug der jeweiligen Disziplin gehört. Das Studium dieser Grundlagen bietet die Voraussetzungen, um die jeweilige Disziplin interpretieren, verstehen und ausbauen zu können. Da die KI eine noch relativ junge Disziplin ist, ist es nicht verwunderlich, daß es hitzige und geistreiche Debatten zwischen "Formalisten" und "Experimentalisten" gibt. Die Formalisten mei nen, dieExperimentalisten kämen schneller voran, wenn sie ein tieferes Verständnis der theoretischen Grundlagen der KI besäßen.
Inhalt
1 Einführung.- 1.1 Literatur und historische Bemerkungen.- Übungen.- 2 Deklaratives Wissen.- 2.1 Konzeptualisierung.- 2.2 Der Prädikatenkalkül.- 2.3 Semantik.- 2.4 Ein Beispiel aus der Klötzchenwelt.- 2.5 Ein Beispiel aus der Welt der Schaltkreise.- 2.6 Beispiele aus der Welt der Algebra.- 2.7 Beispiele aus der Welt der Listen.- 2.8 Beispiele aus der Welt der natürlichen Sprache.- 2.9 Spezielle Sprachen.- 2.10 Literatur und historische Bemerkungen.- Übungen.- 3 Inferenz.- 3.1 Ableitbarkeit.- 3.2 Inferenzprozeduren.- 3.3 Logische Implikation.- 3.4 Beweisbarkeit.- 3.5 Das Beweisen der Beweisbarkeit.- 3.6 Literatur und historische Bemerkungen.- Übungen.- 4 Resolution.- 4.1 Klauselform.- 4.2 Unifikation.- 4.3 Das Resolutionsprinzip.- 4.4 Resolution.- 4.5 Unerfüllbarkeit.- 4.6 Wahr/Falsch-Fragen.- 4.7 Einsetzungsfragen.- 4.8 Beispiele aus der Welt der Schaltkreise.- 4.9 Beispiele aus der Welt der Mathematik.- 4.10 Konsistenz und Vollständigkeit.- 4.11 Resolution und Gleichheit.- 4.12 Literatur und historische Bemerkungen.- Übungen.- 5 Resolutionsstrategien.- 5.1 Eliminationsstrategien.- 5.2 Die Unit-Resolution.- 5.3 Die Eingabe-Resolution.- 5.4 Lineare Resolution.- 5.5 Stützmengenresolution.- 5.6 Geordnete Resolution.- 5.7 Gerichtete Resolution.- 5.8 Die sequentielle Erfüllung von Randbedingungen.- 5.9 Literatur und historische Bemerkungen.- Übungen.- 6 Nicht-Monotones Schliessen.- 6.1 Die Closed-World Annahme.- 6.2 Prädikatvervollständigung.- 6.3. Taxonomische Hierarchien und Default-Schlüsse.- 6.4 Die Zirkumskription.- 6.5 Allgemeinere Formen der Zirkumskription.- 6.6 Default-Theorien.- 6.7 Literatur und historische Bemerkungen.- Übungen.- 7 Induktion.- 7.1 Induktion.- 7.2 Konzeptbildung.- 7.3 Erzeugung von Experimenten.- 7.4 Literatur und historischeBemerkungen.- Übungen.- 8 Schlussfolgerungen bei Unsicheren Überzeugungen.- 8.1 Die Wahrscheinlichkeit von Sätzen.- 8.2 Die Anwendung der Baye'schen Regel bei unsicheren Inferenzen.- 8.3 Unsicheres Schliessen in Expertensystemen.- 8.4 Probabilistische Logik.- 8.5 Probabilistische Folgerung.- 8.6 Berechnungen mit kleinen Matrizen.- 8.7 Berechnungen mit grossen Matrizen.- 8.8 Bedingte Wahrscheinlichkeiten spezifischer Informationen.- 8.9 Literatur und historische Bemerkungen.- Übungen.- 9 Wissen und Überzeugungen.- 9.1 Vorbemerkungen.- 9.2 Die Aussagenlogik von Überzeugungen.- 9.3 Beweismethoden.- 9.4 Mehrfach eingebettete Überzeugungen.- 9.5 Quantifikation in modalen Kontexten.- 9.6 Beweismethoden bei quantifizierten Überzeugungen.- 9.7 Zu wissen, was etwas ist.- 9.8 Logiken möglicher Welten.- 9.9 Die Eigenschaften von Wissen.- 9.10 Die Eigenschaften von Überzeugungen.- 9.11 Das Wissen von Agentengruppen.- 9.12 Gleichheit, Quantif ikation und Wissen.- 9.13 Literatur und historische Bemerkungen.- Übungen.- 10 Meta-Wissen und Meta-Inferenz.- 10.1 Metasprache.- 10.2 Die Klauselform.- 10.3 Resolutionsprinzip.- 10.4 Inf erenzprozeduren.- 10.5 Ableitbarkeit und Überzeugungen.- 10.6 Schlussfolgerungen auf Metaebenen.- 10.7 Parallele Schlussfolgerungen auf zwei Deduktionsebenen.- 10.8 Ref lektion.- 10.9 Literatur und historische Bemerkungen.- Übungen.- 11 Zustände und Zustandswechsel.- 11.1 Zustände.- 11.2 Aktionen.- 11.3 Das Frame-Problem.- 11.4 Die Reihenfolge von Aktionen.- 11.5 Konditionaliät.- 11.6 Literatur und historische Bemerkungen.- Übungen.- 12 Planen.- 12.1 Anfangszustände.- 12.2 Ziele.- 12.3 Aktionen.- 12.4 Pläne.- 12.5 Die Methode von Green.- 12.6 Aktionsblöcke.- 12.7 Bedingte Pläne.- 12.8 Planungsrichtung.- 12.9 Elimin…