1. Künstliche Intelligenz und visuelle Erzählungen: Comicanalyse
Hauptseminar im Sommersemester 2019
17.04.2019 – Künstliche Intelligenz, Machine Learning, Frameworks
Institut für Digital Humanities | Universität zu Köln | Prof. Dr. Øyvind Eide, Dr. Jan G. Wieners
12. Endlicher Markov-Entscheidungsprozess
Verlauf von Entscheidungen, bei dem die
Belohnung des Agenten einzig von dem Zustand
der Umwelt und der Aktion des Agenten
abhängt. Definiert als Tupel 𝑆, 𝐴, 𝑃, 𝑅, 𝛾 mit:
• 𝑆 = 𝑠1, 𝑠2, … , 𝑠 𝑛 : Zustandsraum, d.h. die
möglichen Zustände der Umwelt; 𝑠𝑡 ∈ 𝑆
repräsentiert den Zustand der Agentenumwelt
zum Zeitpunkt 𝑡.
13. Endlicher Markov-Entscheidungsprozess
Verlauf von Entscheidungen, bei dem die
Belohnung des Agenten einzig von dem Zustand
der Umwelt und der Aktion des Agenten
abhängt. Definiert als Tupel 𝑆, 𝐴, 𝑃, 𝑅, 𝛾 :
• 𝑆 = 𝑠1, 𝑠2, … , 𝑠 𝑛 : Zustandsraum, d.h. die
möglichen Zustände der Umwelt; 𝑠𝑡 ∈ 𝑆
repräsentiert den Zustand der Agentenumwelt
zum Zeitpunkt 𝑡.
• 𝐴: Menge der Entscheidungen bzw.
Zugmöglichkeiten, die dem Agenten zu jedem
Umweltzustand 𝐴(𝑠) zur Verfügung stehen.
14. Endlicher Markov-Entscheidungsprozess
𝑆, 𝐴, 𝑃, 𝑅, 𝛾 :
• 𝑎 𝑡 ∈ 𝐴(𝑠𝑡): von dem Agenten ausgeführte Aktion zum
Zeitpunkt 𝑡.
• Übergangsfunktion 𝑃 𝑠, 𝑎, 𝑠′
: führt die Umwelt in ihrem
Zustand 𝑠 aufgrund der Handlung 𝑎 des Agenten zu
einem neuen möglichen Nachfolgezustand 𝑠′.
• 𝑅(𝑠, 𝑎, 𝑠′
): Belohnungsfunktion, Feedback, das der Agent
aufgrund seiner Handlung erhält.
• Diskontierungsfaktor 𝛾 mit 0 ≤ 𝛾 ≤ 1 lässt sich dazu
verwenden, um das Lernverhalten des Agenten
feinzujustieren. Dient dazu, künftige Belohnungen
gegenüber zeitnahen Belohnungen abzuschwächen.
30. Arbeitsaufträge 17.04.2019
Diskutieren Sie in Ihrer Gruppe einen sinnvollen
Anwendungsfall für KI / Machine Learning und die
Analyse von Comics / Graphic Novels.
Entwickeln Sie in Ihrer Gruppe eine Projektidee:
Womit möchten Sie sich beschäftigen?
Welche Forschungsfragen möchten Sie fokussieren?
31. Arbeitsaufträge zum 24.04.2019
Lesen Sie die folgenden Kapitel in ix Developer (Winter
2018): „Machine Learning. Verstehen, verwenden,
verifizieren“:
Marcel Tilly: „Künstliche neuronale Netze in Theorie und Praxis
– Das Gehirn des Rechners“ (S. 16-20)
Marcel Tilly: „ Am Anfang war das Neuron“ (S. 21-23)
Sara Bertram: „Ene, mene, muh –und raus bist du“ (S. 52-56)
Entscheiden Sie sich für ein Machine-Learning
Framework (z.B. TensorFlow, Keras, etc.)
Installieren Sie Ihr Framework und experimentieren Sie
anhand der Tutorials.
Bereiten Sie eine kurze Präsentation über Ihre
Projektidee vor.