Was ist Reasoning im Kontext der KI?

Reasoning (oder „Schlussfolgern“) für Künstliche Intelligenz bezieht sich auf die Fähigkeit eines KI-Systems, Informationen zu analysieren und darauf basierend Entscheidungen zu treffen, Hypothesen zu formulieren oder neue Einsichten zu gewinnen. Dabei wird Wissen aus einer Vielzahl von Quellen genutzt, um auf Fragen zu antworten, Probleme zu lösen oder Vorhersagen zu treffen. Reasoning ist ein zentraler Bestandteil von KIs, die auf Wissen und Logik angewiesen sind, wie zum Beispiel Expertensysteme oder KI in der medizinischen Diagnostik.

Arten des Reasoning

1. Deduktives Reasoning: Hierbei wird von allgemeinen Regeln auf spezifische Fälle geschlossen. Wenn die Regeln wahr sind, muss auch der Schluss wahr sein. Zum Beispiel: „Alle Menschen sind sterblich“ und „Sokrates ist ein Mensch“ führt zu dem Schluss, dass „Sokrates sterblich ist“.
2. Induktives Reasoning: Hierbei werden spezifische Beobachtungen genutzt, um allgemeine Regeln abzuleiten. Zum Beispiel: „Jeder Schwan, den ich gesehen habe, ist weiß“ führt zu der Schlussfolgerung, dass „alle Schwäne weiß sind“ (obwohl dies nicht immer zutrifft).
3. Abduktives Reasoning: Hierbei wird die beste Erklärung für eine beobachtete Tatsache gesucht, oft mit unsicheren oder unvollständigen Daten. Zum Beispiel könnte man abduzieren, dass ein Licht eingeschaltet ist, weil der Schalter umgelegt wurde, auch wenn es andere mögliche Erklärungen gibt.

Beispiel

Es wird ein KI-System entwickelt, das medizinische Diagnosen stellen soll. Dieses System ist mit einer Wissensdatenbank ausgestattet, die Symptome und ihre möglichen Ursachen enthält.

Schritt 1: Wissensrepräsentation In der Wissensdatenbank könnten die folgenden Fakten und Regeln gespeichert sein:

• Fakt: „Patient hat Fieber und Husten.“
• Regel: „Wenn ein Patient Fieber und Husten hat, könnte dies eine Lungenentzündung sein.“
• Regel: „Wenn ein Patient Fieber und Husten hat und auch Atemnot hat, dann ist eine Lungenentzündung wahrscheinlicher.“

Schritt 2: Inference (Schlussfolgerung) Das KI-System wird mit den Symptomen eines neuen Patienten (Fieber, Husten, Atemnot) versorgt. Die Inferenzmaschine prüft die gespeicherten Regeln:

• Die Regel „Fieber und Husten“ deutet auf eine mögliche Lungenentzündung hin.
• Die zusätzliche Information „Atemnot“ verstärkt diese Vermutung gemäß der zweiten Regel.

Schritt 3: Entscheidung oder Diagnose Das System schlussfolgert, dass die wahrscheinlichste Diagnose eine Lungenentzündung ist und gibt eine Empfehlung ab, den Patienten weiter zu untersuchen und entsprechende Tests durchzuführen.

Reasoning z.B. in ChatGTP

Mit Reasoning wird das Modell aufgefordert, eine tiefere Analyse oder eine schrittweise Herleitung durchzuführen, um zu einer fundierten Antwort zu kommen. Hierbei nutzt das Modell nicht nur Fakten, sondern geht einen Schritt weiter und zieht Schlussfolgerungen, analysiert Zusammenhänge oder erarbeitet eine Antwort, die mehrere Überlegungen umfasst. Reasoning kann auch beinhalten, dass das Modell eine Frage in mehrere Schritte aufteilt, um die Lösung zu erarbeiten oder Annahmen und Hypothesen zu prüfen. Reasoning ermöglicht es also, komplexe, mehrstufige oder tiefere Fragestellungen zu beantworten und kann auch Hypothesen oder Annahmen einbeziehen, um eine vollständige Erklärung zu bieten.