Der »Affen-Zoo«

Wir stellen uns im Folgenden vor, wir seien die Leitung eines Parks, in dem Affen leben. Dabei sind uns einige Affen bekannt, die bissig sind und den Besuchern oder Mitarbeitern gefährlich werden können. Andere sind völlig zahm und würden sich sogar gerne von Besuchern streicheln lassen. Wenn neue Affen in den Park einziehen, wird man wohl erst durch den (vielleicht) schmerzhaften Versuch herausbekommen, ob sie beißen oder nicht. Was liegt hier näher, als ein System einzurichten, das automatisch und ohne Gefährdung bissige und nicht-bissige Affen erkennt?

Das Material und die Idee für das Affen-Spiel stammt von Annabel Lindner und Stefan Seegerer. Siehe KI analog auf coding-for-tomorrow.de und AI unplugged.

Aber wie lassen sich bissige von nicht-bissigen Affen unterscheiden? Am besten schaut man sich die Affen an, deren Einordnung uns bekannt ist: Welche Gemeinsamkeiten fallen uns auf? Lässt sich daraus eine Entscheidungs-Regel ableiten?

Entscheidungsregel suchen (Training)

Wir nutzen dabei ein letztes Mal die menschliche Superkraft, in unbekannten Daten Gemeinsamkeiten und Unterschiede zu erkennen: Wir erkennen vielleicht schnell, dass der einfach lächelnde Mund nur bei den bissigen vorkommt. Eine Entscheidungsregel könnte also etwa so beginnen:

Güte überprüfen (Testing)

Es gibt viele Möglichkeiten, eine solche Entscheidungsregel zu formulieren. In jedem Fall müssen wir die Regel mit einem anderen Teil der bekannten Affen testen. Wird er alle Affen richtig einordnen, obwohl sie beim Training nicht verwendet wurden? Schaut das System auf die richtigen Merkmale?