Aus Wissenschaft und Forschung: Wie funktioniert KI? (ausgelagert von BR)

[Gast240408]

1 hour ago, The Statistician said:

Das Problem besteht an der Stelle daran, dass funktionierende Ansätze nicht massentauglich sind. Ein gutes Beispiel für dieses Thema ist Jim Simons mit seinem Medallion fund sein. Da wurde der Fonds frühzeitig gecapped, sodass die hohen Renditen von 60%+  p.a. weiterhin möglich waren. Auch Warren Buffett hat darauf hingewiesen, dass es mit größerem Volumen erheblich schwieriger ist hohe Renditen zu erwirtschaften.

"Massentauglich" hat hier aber eine spezifische Bedeutung, die man nennen muss. Waere das Volumen von meinetwegen Medaillon zu hoch, wuerde das zu Marketmakereigenschaften des Fonds fuehren. Damit wuerde er Teil des Modells sowohl einer KI, wie auch der Verteilungen der stochastischen Prozesse, die Simons verwendet hat - sozusagen Teil von sich selbst! "Untauglich" im gelaeufigen Sinn sind diese Zugaenge also nicht, sie muessen aus anderen Gruenden darauf achten, nicht zu gross zu werden. (*)

 

(*) Was sich aber letztlich nicht vermeiden laesst. Wie beim HFT spielen die verschiedenen KI's etc. letztlich dann gegeneinander. Das ist auch in ihren gegenwaertigen Hauptfeldern Sprach- und Bilderkennung in Form von adversarial networks weiterhin ein heisses topic.

[dev]

vor 32 Minuten von Ramstein:

Ich finde die Beiträge hier teilweise überaus possierlich.

 

Vereinfachen wir das Problem:

Die KI beobachtet und analysiert nicht tausende Aktien, sondern nur das Währungskurs gaspaar EUR/US$. 

Der Markt ist auch überaus liquide, liquider als jeder Aktienmarkt.

Da sollte eine KI doch gute Gewinne machen können, oder? Oder!

Wenn eine KI ordert, sind Verkäufer nötig und umgekehrt, denn solche "Investoren" spielen nicht mit Kleingeld.

Und gerade runter gehts immer sehr schnell ( die KI muß noch im Fallen raus ) und dann sind wie oben geschrieben, die 0.1% Überrendite ganz schnell für Monate verbraucht, wenn man nicht schnell genug raus kommt. ( Ein Trader kennt das Problem.  )

 

Des weiteren ist eine KI nicht unfehlbar, somit liegt sie eventuell bei 99% richtig und das 1% kostet dann mehr als die 99% gebracht hatten ( nach Kosten und Steuern ).

 

[odensee]

vor 34 Minuten von dev:

Wenn eine KI ordert, sind Verkäufer nötig und umgekehrt, denn solche "Investoren" spielen nicht mit Kleingeld

Vielleicht verkauft ja einfach eine andere KI.

 

vor einer Stunde von Ramstein:

Ich finde die Beiträge hier teilweise überaus possierlich.

[dev]

vor 9 Minuten von odensee:

Vielleicht verkauft ja einfach eine andere KI.

Dann würde aber eine der beiden falsch liegen und KIs sind doch unfehlbar.

[Gast240408]

2 hours ago, aktiendealer said:

Wenn doch eine KI ein Gehirn hat so wie ein Mensch, dann hat sie auch eine Intelligenz wie ein Mensch.

Nur hat sie das nicht, sondern nur Aspekte davon.  Sie betreibt Mustererkennung - was der Mensch und Tiere auch tun - auf sehr kruden, vereinfachten Abstraktionen schon im einfachsten Bestandteil, dem Neuron. Das Netz "lernt" mit - hauptsaechlich - einem Verfahren, welches in lebenden Organismen in dieser Form nie nachgewiesen bzw. negativ beschieden wurde. Dieses Lernverfahren - backpropagation - ist fast 1:1 einfach die Anwendung der Kettenregel fuer Funktionen mehrerer Veraenderlicher auf ein lokales Optimierungsproblem. Was also passiert, ist Analysis erstes Semester eines STEM-Studiums in relativ hochdimensionalen Raeumen. Aufgrund dessen ist damit ueberhaupt nicht gesagt, dass das technisch einfach waere oder auch schlecht. Es ist aber lange kein Gehirn und schon gar kein Bewusstsein. Es gibt auch andere Verfahren mit ganz anderen Prinzipien, aber da ist es nicht anders, die sind noch zusaetzlich dem Gehirn auch in der Struktur nicht mehr aehnlich.

 

Ich schreibe seit 25 Jahren Software in dem Bereich, schon zu Zeiten, als man das Prinzip Neuronales Netz schon zum glaube ich zweiten oder dritten Mal aufgegeben hatte ("neuronaler Winter"). Die Wiederbelebung kam ca 2011/12 mit  AlexNet, einem modernen NN, welches einen/den Bildverarbeitungswettbewerb der damaligen Zeit gewann und die klassische Konkurrenz deklassierte. Das ging, weil es damals erste grosse Datenbestaende zum Trainieren (Google) und leistungsstaerkere Hardware gab. Es ist einiges passiert, aber es ist auch extrem viel Hype dabei und die wirklichen Grundprinzipien sind evolutionaer, aber kaum revolutionaer geaendert worden.

[chirlu]

vor 1 Minute von aktiendealer:

Ein neuronales Netz besteht aus den gleichen Bestandteilen wie ein Gehirn. Aus Neuronen.

 

Du bist sicher, daß in den Chips Zellen stecken? Oder nicht doch eher Transistoren, die Zellen simulieren auf Basis

vor 34 Minuten von myrtle:

von sehr kruden, vereinfachten Abstraktionen

?

[aktiendealer]

Gerade eben von chirlu:

 

Du bist sicher, daß in den Chips Zellen stecken? Oder nicht doch eher Transistoren, die Zellen simulieren auf Basis

?

Ich habe gewusst, dass diese Frage kommt. Deshalb meine Gegenfrage:

 

Ist ein eBook ein Buch?

[Gast240408]

34 minutes ago, aktiendealer said:

Ein neuronales Netz besteht aus den gleichen Bestandteilen wie ein Gehirn. Aus Neuronen.

Mit der Meinung stehst du ziemlich allein und eine Meinung spielt auch keine Rolle, weil es Definitionen gibt: Ein neuronales Netz ist eine mathematische Struktur, und zwar ein Graph mit gewichteten Kanten. Das Training/die Wichtung dieser Kanten wird ebenfalls ueber elementare Mathematik (s. oben) vollzogen. Ein Fittingproblem, mehr ist da nicht. Dass das Schwaechen hat, wird relativ schnell deutlich, wenn man die Netze aus ihrem Wohlfuehlbereich entlaesst, sprich von der Trainingsdatenmenge weg generalisiert. Sie machen dann Fehler, die kein Mensch oder Tier mit Sinnesorganen macht (*) und die weiterhin nicht geklaert sind. Vielleicht solltest du dich einmal mit dem biologischen Vorbild beschaeftigen um zu sehen wie komplex sich Natur hier gegenueber dem extrem vereinfachten Modell des maschinellen Lernens darstellt. Zum Lernverfahren selbst hatte ich auch schon etwas gesagt, ohne dass du darauf eingegangen waerst. Wuerdest du das naemlich in der Sache tun, dann muesstest du ganz schnell Stellen diskutieren in denen sich das Gehirn in seiner Arbeitsweise signifikant von einem neuronalen Netz unterscheidet. 

 

edit: (*) das Beispiel ist uebrigens noch nicht spektakulaer (man hatte dort nur Hunde ueberhaupt in der Auswahl). Man kann z.B. auch das Bild eines LKW's perzeptuell ununterscheidbar stoeren, so dass es mit hoher Wahrscheinlichkeit einer Banane zugeordnet wird. Man kann auch die Segmentierung einer Umwelterkennung eines fahrenden Fahrzeugs so irrefuehren, dass Fahrbahn als Fussgaenger klassifiziert wird und andersherum. Die Folgen sind selbsterklaerend...