123 Invest Gruppe: Kommentar
Regeln sind auch künstliche Intelligenz
Der Zusammenhang von Regeln und künstlicher Intelligenz
Für den Begriff KI gibt es keine kurze und wirklich aussagekräftige Definition. Worum geht es also, wenn wir von künstlicher Intelligenz sprechen? Wenn wir die künstliche Intelligenz erläutern, berufen wir uns dabei auf die Methoden, mit denen die Prozesse in der Finanzmarktanalyse optimiert werden. Hierbei ist von der so genannten schwachen KI die Rede, die wir wie folgt erklären.
„Die KI ahmt menschliche Verhaltensmuster nach, die auf Intelligenz beruhen. Zentrale Konzepte sind diesbezüglich Modelle, die durch maschinelles Lernen oder durch menschliches Programmieren einen Algorithmus entwickeln und intelligent arbeiten können. Dabei gibt es Regeln, die für die Formulierung bestimmter Prozesse der Modelle essenziell sind.“
Die Unterschiede von Regeln
Täglich werden wir mit der Begrifflichkeit „Regel“ konfrontiert. Es gibt unterschiedliche Auslegungen von Regeln, die neben dem sprachlichen Begriff andere Bereiche aufgreifen. Regeln können auf technischer Basis, beispielsweise wie die Ruta-Regeln zur Textanalyse zum Einsatz kommen. Hinzu kommen Produktionsregeln und Regeln auf logischer Basis. Wenn wir einen Kontext zur Bankenwirtschaft herstellen, geht es primär um logische Regeln mit mathematischer Grundlage. Auf diese gehen wir in diesem Beitrag an anderer Stelle gezielt ein.
Wenn es um IT-Regeln geht, dreht es sich meist um Produktionsregeln aus den Business-Regelsystemen. Auch wenn sie bereits aus den 70er Jahren stammen, spielen sie in der heutigen KI eine wichtige Rolle. Heute gibt es eine ganze Bandbreite unterschiedlicher Regelsysteme und Anbieter. Während es früher um die Formulierung durch Fachleute ging, gelten die Regeln heute als Werkzeug in der IT.
Nach diesem kleinen Ausflug möchten wir zurück auf die logikbasierten Regeln kommen. Bei der Prädikatenlogik handelt es sich um eine mathematische Disziplin, die sich in Teilmengen definieren lässt. Darunter befinden sich die Aussagen- und Hornlogik, die Beschreibungslogik oder der Datalog. Jeder Teilbereich besitzt eine andere Ausdruckskraft und eine eindeutige formale Definition. Die am ausdrucksstärksten definierte Regel ist die Hornlogik. Dem gegenüber steht Datalog mit einer Gültigkeit für endliche Modelle. Mit der Hornlogik sind alle auf dem Computer erklärbaren Regeln gemeint. Wenn von der Aussagenlogik die Rede ist, handelt es sich um die ausdrucksschwächste Regel – vergleichbar mit der Ausdrucksstärke von SQL.
In der KI spielt die Hornlogik eine essenzielle Rolle. Explizit geht es um eine Software, die auf Prädikatenlogik basiert, Probleme löst. Das Grundlagenprinzip beruht auf dem heute unter der Abkürzung GPS bekannten General Problem Solver. Die Kernthese lautete, dass sich jegliche Problematik als eine Anzahl prädikatenlogischer Formeln beschreiben und durch GPS lösen lässt. Ein gutes Beispiel sind mathematische Gedulds- und Knobelspiele, wie zum Beispiel „Die Türme von Hanoi“. Wenn es hingegen um komplexe Problematiken geht, stößt GPS an seine Grenzen.
Bereits im Jahr 1976 ging die Forschung einen Schritt weiter. Die Nachfolge von GPS war der Theorembeweiser, der auf Basis prädikatenlogischer Formeln das Vier-Farben-Problem belegte. Bis zu diesem Zeitpunkt war es unmöglich zu beweisen, dass vier Farben für die Einfärbung einer Landkarte vollkommen ausreichend sind und dennoch keine zwei nebeneinander liegenden Länder in der gleichen Farbe dargestellt werden. Kein Mensch konnte diesen mathematischen Satz beweisen. Doch der maschinengestützte Theorembeweiser hat unter Einsatz von Computerprogrammen zum Lösungsbeweis geführt.
Moderne Regelsysteme – das sagt die Gegenwart
Das Datalog und die Hornlogik sind in modernen Regelsystemen essenziell. Blickt man zum Beispiel auf Semantic Webs, wird dieser Aspekt deutlich und zeigt auf, warum vor allem die Hornlogik im Gegensatz zu Businessregelsystemen als modern gelten. Die Datenmengen wachsen kontinuierlich an und während Businessregelsysteme wie ein Computerprogramm reagieren, kann die Hornlogik, sowie Datalog mit den großen Datenmengen umgehen. Bei klassischen Businessregelsystemenläuft das Regelprogramm durch die vorab eingegebenen Input-Fakten, wodurch eine gewisse Anzahl an Outputs entsteht. Doch für den Einsatz in deduktiven Datenbanken eignen sich nur die Datalog-Regeln. Betrachten Sie diese Regeln nicht als IT-Mittel, sondern verstehen und wissen, dass Sie als Experte in der Lage sein sollten, die Regeln zu formulieren.
Seit den 90er Jahren arbeiten Spezialisten umfassend an diesen Regeln und einer verständlichen Syntax, wie zum Beispiel der F-Logik-Syntax. Daraus entstanden ganz unterschiedliche Entwicklungssysteme und die Basis, Regeln durch „Erlernen“ zu festigen – wie zum Beispiel durch das Entwicklungsverfahren FOIL.
Die Vorteile von Regeln im Überblick
Grundsätzlich bringt die Regelnutzung Vorteile. Die Logik im Prozess wird von konventionellen PC-Programmen separiert und sorgt dafür, dass die Prozesslogik explizit wird. In ihren modernen Ausführungen sind sie für Experten verständlich und darauf basierend, formulierbar und wartungsfähig. Die Regeln lassen sich konfigurieren und aufgrund ihrer Flexibilität, die den Daten in Regelsystemen ähnelt, auch schnell veränderbar.
Da wir weiter vorn im Text auf das Bankensystem und den Finanzhandel zu sprechen kamen, möchten wir an dieser Stelle zum Thema zurückkehren. Algorithmischer Handel (Algo-Trading) kann automatisiert mit einem speziellen System erfolgen. Es handelt sich hierbei um ein komplexes und von vielen Faktoren abhängiges System. Um Fehler bei Marktbewertungen zu verhindern, wurde für das Trading Analyse-System ein Regelwerk erlassen. Dieses besagt, dass zum Beispiel die Entstehung der Marktbewegung X mit einer Rauscherhöhung quittiert werden, da X für einen Anstieg der Volatilität steht. Der Buchstabe X kann durch sämtliche anderen Buchstaben ersetzt werden, da das logische System für die Analytik lernfähig und somit auf alle Marktbewegungen und Veränderungen anwendbar ist.
Fazit | KI zur Simulation menschlicher Intelligenz bei manuellen Schritten
Fakt ist, dass es im Algo-Trading eine ganze Bandbreite manueller Schritte gibt. Doch auch die menschlichen Bearbeiter berufen sich auf regelhafte Kontexte und damit auf einen Faktor der KI. Jeder manuelle Schritt, der vom Menschen intelligentes Handeln erfordert, ist als Regel eine Methode in der künstlichen Intelligenz. Im Banken- und Finanzwesen werden intelligente Algorithmen und Regeln insbesondere für die Analyse und die Orderausführung eingesetzt. Ein gutes Beispiel ist das Trading mit automatisierter Parametrisierung. Im Bezug auf die KI und den Einsatz der Regeln sind die technologischen Möglichkeiten bereits sehr weit fortgeschritten und befinden sich in einem stetigen Wachstum.
Der Kontext aus Regeln und KI ist gegeben. Wir hoffen, dass wir Ihnen die Erklärung plausibel erläutert und die Vorteile des Regeleinsatzes erklärt haben. Wenn Sie mehr über die künstliche Intelligenz und die angewandten Regeln erfahren möchten, sehen Sie sich in unserem Blog um. Wir setzen selbst Einiges im KI-Umfeld um und zeigen Ihnen auf unserer Homepage gerne, mit welchen Projekten wir uns in diesem Bereich beschäftigen.
Herzlichst
Ihre Algopioniere
erstellt von Julia Rosen in Zusammenarbeit mit unserem Team
Weitere Informationen über die 123 Invest Gruppe erhalten Sie unter www.1-2-3-invest.de
