Wahrscheinlichkeit vs. echtes Verstehen

Es hat den Eindruck, dass ich gegen die Wahrscheinlichkeit einen Krieg führe, den ich nicht gewinnen kann.

Mit meinem Algorithmus versuche ich die genuin menschliche Methode des Verstehens zu synthetisieren, weg von den probabilistischen Ansätzen der Neuronalen Netze. Als Exkurs möchte ich der Frage gehen, warum die Neuronalen Netze erfolgreich sind, wie sie ohne die menschliche Fähigkeit des Vertsehens trotzdem zu guten Ergebnissen bein Automatisiertem Fahren, Schachspiel oder Übersetzen gelangen.

Nehmen wir einen Monte Carlo Algorithmus, Algorithmen, die bei Neuronalen Netzen erfolgreich eingesetzt werden. Am Beispiel der probabilistischen Bestimmung von pi wird das allgemeine Vorgehen hoffentlich deutlicher.

In einem Quadrat ist ein Kreis eingezeichnet. Der Kreis berührt alle vier Seiten des Quadrats in je einer Tangente.  Das  Verhältnis der Fläche des Kreises zu dem umgebenden  Quadrat entspricht der Zahl Pi zu der Zahl 4.   

Wenn ich jetzt das Quadrat zufällig mit Punkten beschieße, dann ist die Wahrscheinlichkeit größer, dass ich einen Punkt in das Quadrat setze, größer als wenn ich nur den Kreis als Zielscheibe hätte. Die Wahrscheinlichkeit, dass ich den Kreis treffe statt der vier Ecken ist auch größer. Wenn ich nun einen simulierten Beschuss von sehr vielen Punkten auf das Viereck feuere, dann wird die Trefferverteilung mit der ich den Kreis treffe, ziemlich genau im Verhältnis Pi(𝜫=3.14159265359)  zu 4 sein. Obwohl ich das Quadrat zufällig beschieße, erhalte ich doch sehr genau eine exakte mathematische Zahl:

Monte Carlo Wikipedia


Die Genauigkeit der Methode liegt im mathematischen Verhältnis des Kreises zum umgebenden Quadrat. Dieses Verhältnis wird durch den probabilistischen Beschuss nur herausschraffiert. Die Methode ist im Grunde ähnlich der, wenn man eine Münze unter einem Papier legt und dann mit einem Bleistift über das Papier ziemlich wahllos hin und her fährt:

Genau das trifft auch auf neuronale Netze allgemein zu. Die Gewichtungen werden solange variiert, selektiert und eingefasst durch eine Bestätigung (reinforcement, Belohnung, costfunction), bis sich das gewünschte Ergebnis, Verhalten abzeichnet. Das kann mitunter sehr beeindruckend sein, und zufällig intelligent heißt nicht dumm. Das Verfahren findet, geleitet durch intelligente Bestätigung, intelligente Muster, ohne Frage. Doch welche Münze muss ich unter das Papier legen, damit die Methode den Bau eines maschinellen Bewusstsein erlaubt?