Simulation und künstliche Intelligenz

Eine sehr persönliche Gegenüberstellung: Simulation wie wir sie verwenden und künstliche Intelligenz wie wir sie verwenden.

Simulation

Simulation hat den Anspruch einen Vorgang der in der Wirklichkeit abläuft mathematisch abzubilden. Also als einfaches Beispiel ein Ballwurf nach vorne. Anhand von physikalischen (mitunter auch chemischen) Gesetzen (den so genannten Naturgesetzen ~ vulgo der wissenschaftliche anerkannte Irrtum von Heute) wird dieser Vorgang als Parabel abgebildet. Das alleine wird noch nicht als Simulation bezeichnet, wenn wir nun den Weg des Balls am Bildschirm eines Computer sichtbar machen, also nichts anderes als die mathematisch – physikalischen Gesetze von vorhin anwenden spricht man (plötzlich) von Simulation.

Simulation, wie das Beispiel zeigt, hat aber so seine Tücken: wo endet die „Welt“ in der Simulation, das heißt was alles wird in die Rechnung mit einbezogen:

• Die Luftbewegung?
• Der Drall des Balles?
• Den Luftdruck?
• Die Lufttemperatur?
• Die Uhrzeit des Wurfes?
• etc.

Offensichtlich ist die Menge dessen was an „Effekten“ in die Rechnung einbezogen wird von der Fragestellung (des Auftraggebers) abhängig und vom Kenntnisstand dessen der sie Simulation durchführt.

Die Erfahrung zeigt, dass Simulationen, wenn man sie mit der Wirklichkeit vergleicht, nur in einfachsten Fällen „stimmen“. Die Gründe sind schnell aufgezählt:

Bei der Simulation von Transportvorgängen in einer Fabrikationshalle machen die Arbeiter nicht das was der Mathematiker sich vorgestellt hat

Bei der Simulation von Wärmetransporten im Erdreich sind die Vorgänge in den Kapillaren (Verdampfung und Rerkondensation) zwar prinzipiell bekannt, Lösungsvorgänge und der Regen entziehen sich aber einer deterministischen Beschreibung

Schlichte Softwarefehler sind oft Ursache von Unstimmigkeiten zwischen Simulation und Wirklichkeit. So hatten die mit Millionen US$ entwickelten thermischen Gebäudesimulationsprogramme nach 10 Jahren – bei einem experimentellen Vergleich mit einer riesigen „Betonschachtel“ gravierende Differenzen aus diesem Grund.

Prinzipiell stellt sich auch grundsätzlich die Frage nach der Berechenbarkeit physikalischer Prozesse „How Random is a Coin Toss?“ ist ein sehr guter Artikel.

Zusammenfassung Simulation: ein ausgezeichnetes Werkzeug wenn man genau weiß was man will und man genau weiß was man mathematisch macht. Auch ein ausgezeichnetes Werkzeug zum Geld verdienen – es gibt nie eine Grenze wo man nicht mit guten Gewissen annehmen kann „nehmen wir noch diesen Effekt hinein – dann wir das richtige herauskommen“

Künstliche Intelligenz (zum Auffinden von Zusammenhängen)

Genauso wie „die Simulation“ eine umfangreiche Welt für sich ist, ist auch die künstliche Intelligenz eine weit reichende Wissenschaft. Ebenso wie die Simulation, wird die Anwendung der künstliche Intelligenz nur durch die natürliche Dummheit des Anwenders begrenzt – nein natürlich nicht… na die letzten 3 Sätze sind aber sehr zynisch…

Was ich ausdrücken möchte: künstliche Intelligenz (KI) ist viel mehr als das von uns gerne Auffinden von verborgenen Zusammenhängen; in der Folge beziehe ich mich aber immer nur darauf.

Mit (der von uns angewandten) künstlichen Intelligenz kann man z.B. mit Entscheidungsbäumen oder neuronalen Netzen Regeln in unübersichtlichen Daten erkennen und – was sehr wichtig ist – auf ihre Zuverlässigkeit testen. Die angewandten Verfahren scheiden von sich aus unwichtige Parameter (wie z.B.: die Uhrzeit des Wurfes) aus. Die Frage der Grenze, wie bei der Simulation, stellt sich hier automatisch nicht. Allerdings kann eine solche Untersuchung nicht auf Zusammenhänge kommen die in den Daten nicht aufscheinen – also wenn der Ballwurf vom Drall abhängt und der Drall aber nicht in den untersuchten Datensätzen vorkommt. Hier spielt wieder der physikalische Hausverstand eine große Rolle.

Praktisch hat man viele Datensätze von Messungen und dem gesuchten Zielwert und „der Computer“ sucht in diesen Daten nach sinnvollen Zusammenhängen. Das passiert weit jenseits von Korrelationen und kann mit dem bloßen linearen und eindimensionalen aufsuchen von solchen nicht verglichen werden.

Zu Ende steht ein Regelsatz zur Verfügung wie man aus den Eingangswerten (Messwerten) die gesuchte Zielgröße berechnen kann. Bei den oben erwähnten neuronalen Netzen kann ein menschlicher Betrachter diese Zusammenhänge nicht auf Sinnhaftigkeit prüfen, bei „Entscheidungsbäumen“ sehr wohl. Das ist ein großer Vorteil, da mit dem Auftraggeber das Resultat – das Modell – diskutiert werden kann. Besonders schön ist es, wenn ein Experte zu Anfang der Modelldiskussion, also bei den bedeutsamsten Verzweigungen des Baumes, sagt „das ist sowieso klar“. Dann ist die Basis des Modells sehr stabil.

Zusammenfassung künstliche Intelligenz: Methode um Zusammenhänge in unübersichtlichen Daten zu gewinnen. Richtig angewandt ein schnelles Verfahren das die wesentlichen Einflussparameter von sich aus zusammenfasst.