• Gast

    Gast

KI unplugged

Zum Hauptinhalt

KI unplugged

  • KI unplugged

    • Icon Link/URL
      Zum Kurs "Becher, Bits & Boots

      Der Kurs „Becher, Bits und Bots” enthält alle Materialien, Keynotes und ausführliche Informationen, die Sie benötigen, um das Thema in einer eigenen Unterrichtsstunde umzusetzen.

    • Die Funktionsweise einer KI kann auch ohne Computer und elektronische Hilfsmittel in vereinfachter Form gezeigt bzw. erklärt werden. In diesem Fall wird ein "Nimm-Spiel" gegen eine Pappbecher-KI gespielt.

      Die Regeln sind denkbar einfach:
      Zehn Stifte (Münzen, Knöpfe o.ä.) werden in einer Reihe auf den Tisch gelegt. Pro Zug nehmen zwei Spieler*innen entweder ein, zwei oder drei Stifte vom Tisch. Wer den letzten Stift nimmt, hat verloren.

      Bastelanleitung für die Pappbecher-KI:
      Um eine KI zu basteln, die Nim spielen kann, brauchst du neun Becher in einer Reihe, die mit den Zahlen 10 bis 2 beschriftet sind. Dann schneidest du drei etwa gleich große Zettel aus und beschriftest sie mit den Zahlen 1, 2 und 3. Diese Zettel faltest du und legst sie in den Becher mit der Zahl 10. Das machst du so lange, bis in jedem Becher drei Zettel mit den Zahlen 1, 2 und 3 sind, nur der letzte Becher (mit der Zahl 2) braucht nur zwei Zettel (mit den Zahlen 1 und 2).

      Trainieren der KI:
      Das Spiel muss über mehrere Runden gespielt werden. Lege fest, wer den ersten Zug macht und behalte diese Reihenfolge während des gesamten Spiels bei.
      Wenn der Spieler z.B. anfängt, darf er 1, 2 oder 3 Stifte nehmen, dann zieht die KI zufällig einen Zettel aus dem Becher mit der Nummer, die der Anzahl der noch vorhandenen Stifte entspricht. Nun zieht die KI die Anzahl der Stifte, die auf dem Zettel steht. Wenn die KI verliert, wird der Zettel des letzten Zuges aus dem Becher entfernt, in dem sich mehr als ein Zettel befindet.

      • Gemeinsamkeiten mit chatGPT

        • 1. Lernen durch Eliminierung schlechter Entscheidungen (Trial & Error)

          • das Nimm-Spiel: Du spielst das Spiel mehrmals, eliminierst schlechte Züge und entwickelst nach und nach eine Strategie, die dich nicht mehr verlieren lässt.
          • Ein LLM: Wird mit riesigen Mengen an Text trainiert und passt seine Gewichte (Parameter) durch Fehlerkorrekturen an. Schlechte Vorhersagen werden bestraft, gute verstärkt – ähnlich wie du schlechte Züge meidest.

          2. Wahrscheinlichkeitsbasierte Entscheidungsfindung

          • Das Nimm Spiel: Anfangs triffst du Züge vielleicht zufällig, aber mit der Zeit erkennst du Muster und setzt immer häufiger die beste Strategie ein.
          • Ein LLM: Gibt Wörter basierend auf Wahrscheinlichkeiten aus. Nach vielen Korrekturen wählt es fast immer die besten Worte für einen gegebenen Kontext.

          3. Optimierung hin zu einer perfekten Strategie

          • Das Nimm Spiel: Nach vielen Spielen kommst du immer wieder zur selben optimalen Lösung.
          • Ein LLM: Nach genügend Training erzeugt es konsistente und hochwertige Antworten.

          4. Fehlende „echte Intelligenz“

          • Das Nimm Spiel: Deine „KI“ lernt nicht aktiv oder versteht das Spiel nicht – sie verbessert sich nur durch systematisches Eliminieren von Fehlern.
          • Ein LLM: Versteht auch nicht wirklich, sondern berechnet nur Wahrscheinlichkeiten für sinnvolle Texte. Beides ist eher eine Art statistische Optimierung als echtes Denken.

          5. Ähnlichkeit zum Reinforcement Learning

          • Manche KI-Modelle lernen ähnlich wie du es beim Nimm-Spiel machst:
          • Durch Versuch und Irrtum
          • Durch Bestrafung schlechter Entscheidungen
          • Durch Speicherung und Wiederholung erfolgreicher Muster

          Das Vorgehen ähnelt also einer vereinfachten Form von Reinforcement Learning (z. B. wie AlphaGo gelernt hat, Go zu meistern).

      • Ein bisschen Theorie

        • Im Prinzip kann das Nimm-Spiel auch als neuronales Netz dargestellt werden. Es besteht aus einer Eingabeschicht S1-S9, einer verborgenen Schicht und normalerweise einer Ausgabeschicht. Auf die Ausgabeschicht kann in unserem einfachen Beispiel verzichtet werden, da hier keine Entscheidungen mehr getroffen werden. Die Neuronen repräsentieren die Anzahl der Stifte. Wenn die KI verliert, wird der Zettel aus dem Becher genommen, in unserem Bild mit den Neuronen wird diese Verbindung also unterbrochen.

          Zu Beginn ist das Netz untrainiert, d.h. die Wahrscheinlichkeit, 1, 2 oder 3 Stifte zu ziehen, ist gleich. Wenn die KI verliert, wird ein Verbindung entfernt, d.h. die Wahrscheinlichkeiten verschieben sich.

          Mathematisch kann dies wie folgt formuliert werden:

          W_{\text{neu}} = W_{\text{alt}} + \alpha \times \Delta

          W_{\text{neu}}: Wahrscheinlichkeit neu
          W_{\text{alt}} : Wahrscheinlichkeit alt
          \alpha: Lernrate (z.B. 0,1)
          \Delta: Feedback (+1 für richtige, -1 für falsch)

          Beispiel: Falls das Netz verliert und „Nimm 1“ ein schlechter Zug war:
          W_{\text{neu}} = 0.3 + 0.1 \times (-1) = 0.2


           

      • Noch mehr Spiele

        • Dieses Prinzip funktioniert auch bei komplizierteren Spielen wie Tic Tac Toe, Schach oder sogar Go. Allerdings ist dann ein erheblicher Aufwand erforderlich.

        • Icon Link/URL
          Bauernschach - Schlag das Krokodil

          "KI-Unplugged" von Annabel Linder und Stefan Seegerer ist lizenziert unter CC BY-SA 4.0

        • Icon Video
          Tic Tac Toe

          Beispiel einer Streichholzschachtel-KI, die Tic Tac Toe gewinnt

www.angebote.smz-stuttgart.de