Künstliche Intelligenz erlebt einen regelrechten Hype. Vom automatisierten Diagnosesystem bis hin zum selbstfahrenden Auto gibt es kaum einen Gesellschaftsbereich, der diesem Hype entgeht. Worin aber gründet er? Ist er berechtigt? Wohin führt er? Dieses Seminar behandelt philosophische Fragen, die in der Entwicklung und Anwendung von künstlicher Intelligenz aufgeworfen werden. Unter anderem sind das metaphysische Fragen zur Natur des Geistes, epistemische Fragen zur Transparenz selbst-lernender Maschinen, und ethische Fragen zur Haftungsfähigkeit autonomer Maschinen.
Dieses Seminar ist als Fortgeschrittenenseminar konzipiert. Die Teilnahme ist nur mit relevanten Vorkenntnissen der (Philosophie der) KI sinnvoll. Die relevanten Vorkenntnisse wurden z.B. im WiSe 2017 im Philosophy of AI-Seminar vermittelt, oder auch im Rahmen eines (angehenden) Informatikstudiums. Teilnehmer sollen also z.B. bereits wissen, was Turingmaschinen und neuronale Netzwerke sind und wie sie funktionieren, aber auch was das Chinese Room ist und wie es sein kann, dass eine Maschine lernt.
Der LSF-Eintrag dieses Seminars befindet sich hier.
Dieses Seminar kann in den BA-Pflichtmodulen P10/PK und N3 angerechnet werden, im BA-Wahlpflichtmodul WT, oder in den MSc-Modulen PKN und PGN.
Credit points werden wie folgt vergeben:
Kurzkommentare sollen sich mit einem philosophischen oder wissenschaftlichen Text auseinandersetzen, der einen der vier Themenfelder anspricht (Turing Test, Deep Learning, Explainability, AI Safety), der aber *nicht* im Seminar besprochen wurde.
Hausarbeitsthemen können, in Absprache mit mir, frei gewählt werden.
Schriftliche Arbeiten sollen im PDF-Format spätestens um 23:59 am Tag der Abgabe an carlos [dot] zednik [at] ovgu [dot] de gesendet werden, und Name sowie Matrikelnummer enthalten.
11.10.2018 Einführung
18.10.2018 Stanford Encyclopedia of Philosophy - Artificial Intelligence (insb. Teile 1-5)
25.10.2018 Proudfoot 2013 - Rethinking Turing's Test
01.11.2018 Buckner 2018 - Empiricism without Magic: Transformational Abstraction in Deep Convolutional Networks
08.11.2018 Author MS - Creativity in DL
15.11.2018 Fällt aus!
22.11.2018 Fällt aus!
29.11.2018 Fällt aus!
06.12.2018 Marcus 2018 - Deep Learning: A Critical Appraisal
13.12.2018 Burrell 2016 - How the machine 'thinks': Understanding opacity in machine learning algorithms
20.12.2018 Lipton 2016 - The Mythos of Model Interpretability
10.01.2019 Omohundro 2008 - The Basic AI Drives
17.01.2019 Allen et al. 2000 - Prolegomena to any future Artificial Moral Agent
24.01.2019 Zednik MS - Solving the Black Box Problem: A Recipe for Explainable Artificial Intelligence
31.01.2019 Abgabetermin Kurzkommentar
15.03.2019 Abgabetermin Hausarbeit