Probeklausur 3 - Künstliche Intelligenz (EKI)

1.1 (6 P, je 1,5 P)

• (a) C) Trough of Disillusionment - das "Tal der Ernüchterung" entspricht genau dem KI-Winter (enttäuschte Erwartungen, Förderkürzungen, Marktkollaps).
• (b) B) Dartmouth-Workshop 1956 - dort wurde der Begriff "Artificial Intelligence" gebildet (Teilnehmer u.a. McCarthy, Minsky, Shannon, Newell, Simon).
• (c) B) Symbolic AI / Knowledge-based AI - Reasoning (mit Logic programming, Probabilistic reasoning und CEP) zählt zur symbolischen, wissensbasierten KI.
• (d) C) Knowing (Knowledge Representation) - "Knowing" und "Learning" liegen unten bei "Acquiring intelligence"; Perceiving, Communicating und Acting gehören zu "Applying intelligence".

1.2 (3 P) Erwartet werden (je Punkt ca. 1 P):

• Anfänge: Alan Turing (Berechenbarkeit, Turing-Test); Dartmouth-Workshop 1956 (Begriffsbildung, McCarthy/Minsky u.a.); erste Anwendungen wie der Logic Theorist (McCarthy).
• AI-Hype (ca. 1960-80): überzogene Versprechen und starke Förderung, vor allem in den USA (z.B. Minsky-Zitate).
• KI-Winter (ca. 1980-90): enttäuschte Erwartungen, massive Förderkürzungen, Kollaps des KI-Markts - Musterbeispiel eines Hype-Zyklus.

1.3 (3 P) KI ist keine ferne Zukunftsvision, sondern in Alltags- und Profi-Produkte integriert (1 P für die Kernaussage). Drei Beispiele aus der Vorlesung (je 0,5 P, drei genügen für die restlichen 2 P), z.B.: digitale Sprachassistenten, Gesichtserkennung in Kameras, Spam-Erkennung bei E-Mail, KI in Computerspielen, semantische Suche, maschinelle Übersetzung.

Tipp: Merken Sie sich die fünf Hype-Zyklus-Phasen in Reihenfolge (Trigger, Peak, Trough, Slope, Plateau) und die Zuordnung KI-Winter = Trough. Falle: "Acquiring" (unten: Learning, Knowing) und "Applying" (oben: Perceiving, Communicating, Reasoning, Acting) werden gern verwechselt.

2.1 (3 P)

• Klassifikation sagt eine diskrete Kategorie voraus (Ausgabe = Klasse), z.B. Spam-Filter oder Fraud-Detection (1,5 P).
• Regression sagt einen kontinuierlichen / numerischen Wert voraus, z.B. Aktienkurs- oder Box-Office-Vorhersage (1,5 P).

Merksatz: Klassifikation = Kategorie, Regression = Zahl.

2.2 (4 P) Relative Anteile: $c_A = \tfrac{6}{8} = \tfrac{3}{4}$, $c_B = \tfrac{2}{8} = \tfrac{1}{4}$ (1 P).

(2 P Einsetzen, 1 P Ergebnis $\approx 0{,}811$.) Die Menge ist überwiegend, aber nicht rein einer Klasse zugehörig, daher liegt $H$ deutlich unter 1 (Maximum bei 50/50).

2.3 (6 P) Abweichungen $\hat{f}_i - y_i$: $(10-12,\ 20-18,\ 30-33,\ 40-39) = (-2,\ 2,\ -3,\ 1)$ (1 P).

(je 2 P für MAE, MSE, RMSE; RMSE hat dieselbe Einheit wie die Zielgröße.)

2.4 (3 P) Prinzip (2 P): Datensatz in $k$ Teile (Folds) aufspalten; in $k$ Iterationen jeweils $k-1$ Folds zum Training und 1 Fold zur Validierung nutzen; danach die $k$ Ergebnisse mitteln.

Gesamtergebnis (1 P):

Tipp: Bei der Regression prüft man mit cross_val_score(model, X, y, scoring='neg_root_mean_squared_error'); Default ist sonst scoring='accuracy' mit $k = 5$. Falle: MSE ist nicht in der Einheit der Zielgröße - dafür ist RMSE da. Vergessen Sie beim MSE nicht das Quadrieren der negativen Abweichungen.

3.1 (3 P)

PREFIX : <https://www.themoviedb.org/kaggle-export/>
SELECT ?t
WHERE {
  ?m a :Movie ;
     :title ?t .
}

(1 P SELECT ?t, 1 P Muster ?m a :Movie, 1 P :title ?t.)

3.2 (3 P) Der konkrete Wert am Prädikat :title schränkt das Muster ein:

PREFIX : <https://www.themoviedb.org/kaggle-export/>
SELECT ?o
WHERE {
  ?m a :Movie ;
     :title "The Lost City of Z" ;
     :overview ?o .
}

3.3 (4 P)

PREFIX : <https://www.themoviedb.org/kaggle-export/>
SELECT ?t ?n
WHERE {
  ?m a :Movie ;
     :title ?t ;
     :production_companies ?c .
  ?c :name ?n .
}

Erklärung (1 P): Die Variable ?c wird an zwei Stellen benutzt und erzwingt jedes Mal denselben Wert - dadurch werden die Film-Tripel mit den Firmen-Tripeln verbunden (Join).

3.4 (2 P) DISTINCT vor die Variable setzen und nur den Firmennamen selektieren:

PREFIX : <https://www.themoviedb.org/kaggle-export/>
SELECT DISTINCT ?n
WHERE {
  ?m a :Movie ;
     :production_companies ?c .
  ?c :name ?n .
}

3.5 (2 P) Das Ergebnis ist eine Tabelle mit einer Spalte je Query-Variable und einer Zeile je Zuweisung, die auf das WHERE-Muster passt.

Tipp: a ist die Abkürzung für rdf:type ("ist ein"); das Semikolon ; verkettet Tripel mit demselben Subjekt. Falle: Ohne DISTINCT erscheinen häufige Werte (z.B. Genre- oder Firmennamen) vielfach - genau das war der Unterschied 7511 vs. 20 Ergebnisse im Skript.

4.1 (4 P, je ca. 1,3 P)

• Convolutional Layer: Filtert das Bild mit einem kleineren Kernel; betrachtet Pixel nur im Zusammenhang mit ihren Nachbarn, erhält so räumliche Beziehungen und verkleinert das Bild.
• Pooling Layer: Fasst Bildregionen zusammen (Maximum, Durchschnitt oder Summe, z.B. 2x2-Max-Pooling) und reduziert damit Auflösung und Komplexität.
• Fully Connected Layer: Jedes Neuron ist mit allen Neuronen der Nachbarschichten verbunden; steht am Ende und übernimmt die Klassifikation (Anzahl Ausgabe-Neuronen = Anzahl Klassen).

4.2 (6 P) Wert oben links: Filter auf den $3\times3$-Ausschnitt oben links legen, elementweise multiplizieren, aufsummieren (3 P):

Vollständige Merkmalskarte (3 P):

3 4 1
3 3 3
4 2 4

4.3 (2 P) Maximum je $2\times2$-Block: oben links $\max(2,5,7,1)=7$, oben rechts $\max(1,3,4,2)=4$, unten links $\max(0,6,3,2)=6$, unten rechts $\max(8,1,5,9)=9$:

7 4
6 9

4.4 (2 P) $O = N - F + 1 = 7 - 3 + 1 = \mathbf{5}$, also eine $5\times5$-Merkmalskarte. (Beziehung: $O = N - F + 1$ bei $S = 1$ ohne Padding.)

Tipp: Bei der Faltung nur die Filterzellen mit Gewicht 1 aufaddieren - die 0-Zellen tragen nichts bei und sparen Rechenzeit. Falle: Aus $5\times5$ wird durch die $3\times3$-Faltung $3\times3$ (nicht $5\times5$); die Größe schrumpft um $F - 1 = 2$ je Achse.

5.1 (3 P)

5.2 (4 P) $x_{\min} = 20$, $x_{\max} = 60$, Spannweite $= 40$ (1 P):

(2 P für die vier Werte.) Begründung (1 P): Ohne Normalisierung dominiert das Feature mit dem größeren Wertebereich (z.B. Einkommen) den euklidischen Abstand, wodurch andere Features (z.B. Alter) praktisch ignoriert werden.

5.3 (4 P) Quadrierte Abstände $\|X - m\|^2$:

Ergebnis: $C_1 = \{A, B\}$, $C_2 = \{C, D\}$ (je 1 P pro korrekt zugeordnetem Punkt).

5.4 (3 P)

(1,5 P je Zentrum.) $m_2$ ändert sich hier nicht, $m_1$ verschiebt sich leicht nach oben.

Tipp: Die Zuordnung in k-Means nutzt $\|X_j - m_i\|^2$ - das Vergleichen der quadrierten Abstände erspart das Wurzelziehen (die Reihenfolge bleibt gleich). Falle: "Normalisierung" heißt hier Min-Max-Skalierung auf $[0,1]$; im PCA-Algorithmus meint dasselbe Wort das Zentrieren auf Mittelwert null - nicht verwechseln.

6.1 (3 P) Definition (1,5 P): CEP ist das Verarbeiten eines Stroms von Ereignissen und das Ableiten von Schlüssen daraus.

Unterschied (1,5 P):

Kurz: Beim DBMS kommen die Daten zur Query; bei CEP liegt die Regel dauerhaft am vorbeifließenden Datenstrom.

6.2 (3 P) Parameter (1 P): n = Dauer (duration), die Fensterbreite, und m = Häufigkeit (windowing frequency), der Versatz zwischen aufeinanderfolgenden Fensterpositionen.

Gleitende Summe, Fensterbreite 3 (2 P) - die ersten beiden Positionen sind NaN, da noch kein volles Fenster vorliegt:

NaN, NaN, 12, 18, 24

denn $2+4+6 = 12$, $4+6+8 = 18$, $6+8+10 = 24$.

6.3 (3 P)

BoW = {"the": 2, "cat": 1, "sat": 2, "dog": 1, "too": 1}

("the" und "sat" je zweimal, der Rest je einmal; Reihenfolge und Grammatik gehen im BoW verloren.)

6.4 (3 P)

• (a) "the": $\text{idf} = \log_{10}\!\left(\tfrac{100}{100}\right) = \log_{10}(1) = \mathbf{0}$ (1 P).
• (b) "drama": $\text{idf} = \log_{10}\!\left(\tfrac{100}{10}\right) = \log_{10}(10) = \mathbf{1}$ (1 P).

Folgerung (1 P): Ein Wort, das in fast allen Dokumenten vorkommt (hohe df), erhält idf nahe 0 und damit Gewicht 0 - häufige Füllwörter werden also abgewertet, seltene, unterscheidungsstarke Wörter aufgewertet.

Tipp: Beim Sliding Window entstehen genau $\text{Fensterbreite} - 1$ führende NaN-Werte, bevor das erste vollständige Fenster gefüllt ist. Falle: BoW zählt Häufigkeiten ohne Reihenfolge/Grammatik; tf-idf ist tf mal idf - die idf allein reicht nicht als Gewicht.

7.1 (5 P, je 1 P)

1. Wahr - Hype ist als Hyperbel/Übertreibung definiert (illustriert durch Fehlprognosen von Minsky und Kurzweil).
2. Wahr - Hörgeräte, Herzschrittmacher und Brillen sind die alltäglichen Cyborg-Beispiele (neben Neil Harbisson und Amanda Kitts).
3. Falsch - Bias entsteht nicht durch böse Absicht, sondern durch verzerrte Trainingsdaten und Modellannahmen (Vorurteile der Vergangenheit werden in die Zukunft projiziert).
4. Wahr - der Brief beschreibt autonome Waffen als dritte Revolution der Kriegsführung (nach Schießpulver und Atomwaffen).
5. Falsch - der Flash Crash steht für eine maschinelle Fehlentscheidung mit abrupten Marktverwerfungen.

7.2 (3 P)

• Risiko / Phänomen (1,5 P): Das Modell lernt aus historischen Daten und übernimmt darin enthaltene Verzerrungen - Bias im ML. Waren früher bestimmte Gruppen benachteiligt, projiziert das Modell diese Vorurteile in künftige Einstellungsentscheidungen, ohne dass eine böse Absicht nötig ist.
• Beleg / Analogie (0,5 P): Vergleichbar mit dem ProPublica/COMPAS-Beispiel (Risiko-Scores benachteiligten schwarze Angeklagte).
• Bezug zur Leitfrage (1 P): "Wer soll entscheiden, Mensch oder Maschine?" Bei folgenreichen, die Lebenschancen betreffenden Entscheidungen spricht das Beispiel dafür, die letzte Entscheidung beim Menschen zu belassen bzw. die automatische Vorsortierung kritisch zu prüfen und die Trainingsdaten zu bereinigen.

Tipp: Bei Bias-Fragen ist die Kernaussage stets: verzerrte Daten, nicht böse Absicht - "Vorurteile der Vergangenheit in die Zukunft projizieren". Falle: Das Kapitel liefert bewusst keine fertigen Antworten, sondern Diskussionsimpulse - eine gute Antwort benennt das Spannungsfeld (bessere vs. Fehlentscheidungen), statt eine einseitige Lösung zu behaupten.