Computer der versteht was er spricht

[robodriver]

Hallo Leute,

das Thema KI interessiert mich schon eine ganze weile.
Ich habe schon eine weile darüber nach gedacht und mir mal was überlegt zum Thema sprechender Computer (bzw erstmal schreibend)

Und zwar geht es darum, einen fernünftigen Dialog mit einem PC zu führen. Ich weiß, es gibt bereits ChatBot und sowas. Aber ich habe da etwas von einem neuronalen Netz und so gelesen...
Ich habe aber einen anderen Ansatz:

Ich hatte mir gedacht, das es doch möglich (aber sehr aufwendig) sein müsste, eine Riesige Datentabelle zu erstellen in der Alle Wörter der deutschen Sprache enthalten sind. Zu jedem Wort sind dann noch zusatz-Informationen hinterlegt wie

-Was ist das für ein Wort?
Subjekt, Verb, Objekt und so

-Wie lauten die Beugungsformen?
hat hatte hätte usw...

-Wie lautet die Mehrzahl

und was es halt noch so an Gramatikalisch wichtigen Infos zu einem Wort gibt

Zusätzlich sollten auch Ansätzlich die Bedeutung hinterlegt sein wie z.B.
Arschl*** = böses Wort
Computer = neutrales Wort
lieb = freundliches Wort

so in der Richtung

Gefüttert mit diesen Daten und einer entsprechend guten (und schnellen) Software müsste es doch dann möglich sein einem Computer das Sprechen bei zu bringen, so das er nicht nur einfach spricht, sondern auch versteht was er spricht und auch versteht was ihm gesagt wird.
Und sich die Sätze dann anhand der Gramatikalischen Regeln in der deutschen Sprache zusammen stellt.

Was haltet ihr davon?
Meint ihr dass das funktionieren könnte, gibt es sowas evtl. schon?
Hat das irgendjemand auf der Welt schonmal versucht?
Worin seht ihr Probleme dieser Methode?


Freue mich auf eine Rege Diskussion :)

Gruß Robodriver

[MeckPommER]

Hi,

problem der ganzen Sache ist, das der Computer die Sätze ja nicht nur analysieren können muss, was einzelne Wörter angeht, sondern er muss den Sinn erfassen, und dazu braucht man mehr als eine Datenbank.
Es geht dabei um kulturellen Hintergrund, Vorstellungsvermögen, Intuition, Eingehen auf den Gesprächspartner, etc.
1960 oder so in dem Dreh wurden die ersten Ansätze gemacht und man war der Meinung, das es nur noch wenige Jahre dauern könnte, bis der sprechende, zuhörende und intelligente Computer fertig ist. Nun ja, das ist schon ein wenig her, und mit Ausnahme von einigen Expertensystemen, die sich auf winzigem Wissensraum recht intelligent verhalten, ist da nicht viel nach gekommen.

Mal ein paar Beispiele, warum dies so schwer ist:

"mir geht es heute nicht gut"
was soll ein programm damit anfangen? kann da jemand schlecht gehen? auch wenn der sinn erfasst würde - um sinnvoll darauf zu reagieren, müßte sich das programm in den Menschen "hineinfühlen" können, um daraus etwas gescheites zu machen.

"der Hahn tropft"
und der PC hat in seiner Datenbank gespeichert, das er morgens kräht ;-)
Die Mehrdeutigkeit ist ein großes Problem, das sich manchmal nur im Zusammenhang eines Gesprächs lösen läßt. Der PC kann also nicht Satz für Satz einfach analysieren, sondern muß den Grundgedanken des ganzen Gesprächs immer "im Hinterkopf" haben.

Es gibt zahllose Probleme. Der PC müßte von jedem Ding eine Vorstellung haben, um sinnvoll darüber reden zu können. Er müßte sich ein Bild der Welt machen können.

Er müßte wirklich intelligent sein, eine eigene Persönlichkeit, Bewußtsein und Ansichten haben. Das wird nix.

Gruß MeckPommER

P.S.: wenn das Gehirn so einfach wäre, das wir es verstehen könnten, wären wir zu dumm um es zu begreifen.

[plusminus]

Stichwort Computer-Linguistik:

> http://href.to/aRu

[Sternthaler]

Hallo robodriver,
nette Idee. Aber hast du jemals mit einem Sprachcomputer telefoniert, bei dem du einfache Fragen nur mit Ja oder Nein beantworten sollst?
Nicht umsonst haben die immer noch die Möglichkeit, das 'Gespräch' über die Tastatur zu führen, eingebaut.

Gruß Sternthaler
P.S.: Was würde deine Datenbank mit einem "Gespräch über die Tastatur" wohl machen?

[Tomarr Sovai]

Moment, die Art der Kommunikation, sprich Tastatur, Spracherkennung, Sprachausgabe wurde ja gar nicht zwangsweise fest gelegt. Die Kommunikation kann genauso gut über einen Internet-Chat stattfinden.

Die Tabelle ist dabei aber ein eher gewagter Ansatz. Mit den paar Infos würde es vielleicht noch klappen. Entscheidend ist aber das ein Gespräch im Kontext, sprich über mehrere Sätze geführt wird.

So weiß ich z.B. von einem Spracherkennungssystem dass dies durchaus beherrscht, nur den Namen weiß ich leider nicht mehr.

Auf jeden Fall kann man dort fragen wie der Aktionstand von z.B. Merzedes ist.

Also man fragt, "Wie ist der Aktienstand von Merzedes?"
Nach der Antwort fragt man dann "Und von Audi?"

Man muss also nicht wiederholt nach dem Aktienstand fragen, das System geht halt von dem Kontext aus.

[mare_crisium]

Tomarr,

die Urmutter dieser Art von Programmen ist das Programm ELIZA von Joseph Weizenbaum. Es gibt darüber Unmengen von Veröffentlichungen. Am Besten fängst Du mit dem Studieren bei Wikipedia an.

mare_crisium

[Tomarr Sovai]

Ich rede nicht von ELIZA. ELIZA ist zwar ein ganz nettes Programm, aber es beruht eher auf Frage-Gegenfrage als auf intelligente Konversation.

Nein, das Programm das ich meine ist wesentlich moderner und es wurde auch erst vor kurzem mal darüber berichtet. Sehr viel Rechenaufwand und es existiert halt auch nur als Studienprojekt. Auf jeden Fall recht interessant.

Aber ist schon nett das du bei deiner Antwort davon ausgehst das ich deppert bin und seit den 80ern nichts mehr von der Programmentwicklung mitbekommen habe.

[avion23]

Hallo robodriver,
ich gebe mal meinen Senf dazu, weil ich ausnahmsweise qualifiziert bin :)

Was du machen möchtest, ist eine Persönlichkeit zu schaffen. Wenn du mal darüber nachdenkst, sind Dinge wie Interpretation, Meinung, Erinnerung, Bewertung alles Dinge, die eine Persönlichkeit ausmachen. Mal davon abgesehen, dass du damit Gott spielst, versuchst du damit Jahrmillionen an Evolution nach zu vollziehen.

Das geht, klar, gar keine Frage. Allerdings hättest du damit sehr viele Probleme der Menchheit auf einmal gelöst und würdest andere Dinge als Sprachausgabe damit machen :) Der beste Ansatz wäre noch ein neuronales Netz. Eine Datenbank wie du sie planst ist seeeeehr groß, und die muss sinnvoll gefüllt werden - wer macht das?

Ein neuronales Netz von der Dimension braucht aber laut meinem Dozenten ungefähr 1Pbyte an Speicher, von der Rechengewschwindigkeit abgesehen.

Wenn du etwas sinnvolles machen möchtest, dann schau dir an, wie Übersetzungsprogramme arbeiten. Diese brauchen auch ein gewisses Verständnis. Google grast z.B. bereits übersetzte Texte ab und lässt sein Programm damit lernen. Einfach mal googlen ;)

[Tomarr Sovai]

Das geht aber wahrscheinlich nur in der Englischen und ähnlich aufgebauten Sprachen so, wo eben halt knallhart Subjekt, Prädikat und Objekt kommt. Im deutschen ist es anders. Z.B. wird das Objekt intuitiv angewendet, weswegen wir auch die strickte Groß- Kleinschreibung beachten sollten.

[gast1234]

Avions23:Google grast z.B. bereits übersetzte Texte ab und lässt sein Programm damit lernen.


Google verfolgt seit langer Zeit den Ansatz der statistischen maschinellen Übersetzung, die auf die Verfügbarkeit eines möglichst großen Textkorpus aus parallelen Sätzen (klassischerweise den mehrsprachigen Protokollen der EU, der UN oder Kanadas) setzt. Forscher hoffen, durch eine breitere Datenbasis die Qualität der maschinellen Übersetzung deutlich steigern zu können, ohne selbst die spezifischen grammatikalischen Besonderheiten von Sprachen berücksichtigen zu müssen. Es ist daher naheliegend, daß Firmen wie Google den eigenen Suchmaschinenindex nach Stellen durchforsten, die Übersetzungen anderer ebenfalls gespeicherter Texte sind.

aus Google übersetzt jetzt selbst: "Ihre Vorgangsweise unterschiedlich sein kann" (http://www.heise.de/newsticker/meldung/97825)

[M@tes]

So in der Art hab ichs mir auch vorgestellt zu machen.
Ist allerdings nur ein kleiner Teil...
Ein Computer kann erst verstehen, worum es geht, wenn er die gleichen bzw ähnlichen Bedingungen hat wie der Mensch.

Grml Projekte über Projekte. Ich komm kaum noch nach :-p
Da hat sich einiges angestaut :-(

[robodriver]

Danke für die Vielen Antworten, sehr interessant.

Und ja, ich hab mir auch schon Gedanken darüber gemacht, in einem anderen Bezug:
Ich wollte meinem Roboter mit einem kleinen Gefühls-Meter ausstatten. Was beim Einschalten per zufall auf irgend einen Wert gesetzt wird z.B. zwischen 1 und 10. Dabei soll dann 10=sehr gute Laune und 1 = schlechte Laune sein.
So weit so gut, aber dann kan das große Problem: Wie soll man die Laune beeinflussen? Einem Roboter bzw. allgemein der Technik ist ja eh alles sch*** egal, und wenn er Millionen mal das gleich macht stört ihn das nicht.
Wie also die Laune des Roboters dann aufbessern? Durch Streicheln? Durch Knopf druck?
Ich denke daran wird ersichtlich das man einem Computer allgemein nicht einfach so ohne weiteres ein Gefühl verleihen kann.
Und ohne Gefühl gibts ja auch keine Mitleid bzw. Mitgefühl. Und ohne das gibt es wiederum keine Sinnvolle tiefgründige Konversation...

PS: So viele sprechen ega von Neuronalen Netzen und so. Hab mir das mal im Wikipedia durchgelesen, aber nix kapiert :(
Was zum Teufel ist denn ein neuron? Wie ist son Ding aufgebaut? Mit Transistoren? Irgend eine Substanz? Ein gas? ODer doch eher ein Softwaremodul?

Gruß Robodriver

[MeckPommER]

Hi robodriver!

Dein Gefühls-Meter arbeitet nach dem Tamagotchi-Prinzip. Es ist kein Empfinden des Rechners, sondern nur ein Nachahmen.
Die Leune eines Menschen ist von tausenderlei Faktoren abhängig. Von dem was jetzt ist, gestern war und vielleicht morgen wird.
Gefühl aus dem Mitleid entstehen kann, setzt eine wirkliche, künstliche Persönlichkeit und ein Bewußtsein vorraus und nicht nur ein paar Variablen.

Gruß MeckPommER

[avion23]

Neuronale Netze sind eine Idee, die man aus der Natur übernommen hat.

Neuron steht für Nervenzelle, d.h. man baut ein Netz aus Nervenzellen genau so wie das Gehirn oder Nervenknoten. Es ist die softwaretechnische Umsetzung eines biologischen Vorgangs.
Dabei wird die Komplexität extrem stark beschnitten, d.h nur das nötigste aus der Natur wird übernommen. Grundsätzlich hat ein Neuron mehrere Eingänge, d.h. es kann Reelle Werte aufnehmen (0, 0.11, 0.5, 1.0). Diese Werte werden addiert, aber nicht einfach so, sondern mit Gewichten. Also Wert1 stärker als Wert2 und Wert3 nur mit Faktor 0.1. Wenn ein Schwellenwert überschritten wird, wird der Ausgang auf "high" gesetzt und wird an die nächsten Neuronen weiter gegeben. Das machen alle Neuronen gleichzeitig, deswegen kannst du auch soviele Dinge gleichzeitig tun :)

Das Konzept hört sich etwas wirr an, aber so funktioniert es in der Natur. Damit ist man in der Lage Probleme zu lösen ohne genau zu wissen, wie es gemacht wird. Neuronale Netze sind sehr fehlertolerant und können sich oft an veränderte Situationen anpassen.

Z.B. eine Unterschriftenanalyse wäre prädestiniert für ein neuronales Netz. Für die Unterschriftenverifizierung muss das Netz ausgeben, ob es die Unterschrift erkannt hat, oder ob nicht. Also true oder false. Das ist der Ausgang. Der Eingang könnte z.B. ein Pixel der eingescannten Unterschrift sein. Wenn du dem Netz genügend Unterschriften zeigst und ihm jedes mal sagst, was die richtige Antwort ist, lernt es, die Unterschriften zu erkennen.
FANN ist eine library, die Neuronale Netze implementiert hat.
Das ist der Grund, warum wir durch zuschauen so gut lernen können. Oft ist es so, dass jemand anders etwas vormacht, man sich das ein paarmal anschaut, und dann nachmacht. Damit trainieren wir unser neuronales Netz, es lernt sozusagen die Antworten (richtig vorgemacht) auswendig. Deswegen sollte man sich genau überlegen, was man vormacht, weil es immer unterbewusst imitiert wird.

[MeckPommER]

... Deswegen sollte man sich genau überlegen, was man vormacht, ...

Dazu fällt mir eine Story ein, von der ich allerdings nicht sagen kann, welchen Wahrheitsgehalt sie hat. Es handelte sich um eine Anwendung im militärischen Bereich die auch per neuronalem Netz gelöst werden sollte. Es ging um Bildverarbeitung, genauer gesagt um die Erkennung militärischer Aktivitäten in Waldgebieten.
Dem NN wurden tausende von Luftbildern gezeigt, auf dem Waldgebiete zu sehen waren. Mal einfach nur Wald, mal mit versteckten Panzern etc.

Ergebnis des Lernerfolgs des NN war, das es zwar keine militärischen Aktivitäten erkannte, aber erkennen konnte, ob der Wald in einem guten oder geschädigten Zustand ist. Nebeneffekt der militärischen Aktivitäten in den gezeigten Bildern war nämlich immer eine gewisse Schädigung des Waldes eben durch die militärischen Aktivitäten, und diese hat das NN gelernt.

Wie gesagt, den Wahrheitsgehalt kann ich nicht überprüfen, aber denkbar wäre dies schon.

[Tomarr Sovai]

Etwas ähnliches habe ich auch gehört. Nur halt dass die Bilder mit Panzer an einem sonnigen Tag und die ohne an einem regnerischen Tag aufgenommen wurden. Somit konnte das NN dann auf einmal zwischen sonnigen und regnerischen Tagen unterscheiden.

Aber mich würde rein programmtechnisch mal interessieren wie so ein NN programmiert wird. Weil, ich habe zwar ein paar theoretische Bücher darüber. Aber so ganz verstehe ich die Gewichtigkeiten usw. nicht. Und wie man dann zu einem bestimmten Ergebnis kommt usw.

Theoretisch währe eine solche Synapse in einer Klasse machbar mit ein oder zwei Methoden. Aber wie gesagt, so ganz blicke ich da nicht durch, also wirds wohl eher noch komplexer sein.

[pc-gott70]

Hi robodriver,
kleiner Vorschlag für die Umsetzung Deines Gefühlsmeters.

Da der menschliche Gemütszustand u.A. auch von Faktoren wie Temperatur, Licht und relat. Luftfeuchte abhängt, gibt Deinem Programm doch als Startparameter die momentan gemessene Temperatur, Licht und Feuchte. Diese Werte kannst Du noch individuell miteinander verknüpfen und durch ständige Wertermittlungen anpassen. Die Laune würde sich somit auch ändern.
Beispiel:
28°C und 400 Lux und 30 % gute Sommerlaune
12°C und 120 Lux und 60 % neutral gestimmt
6°C und 80 Lux und 90 % depressive Winterlaune
Ich denke Du siehst, worauf ich hinaus will. Natürlich empfindet jeder Mensch anders,- aber warum sollte das eine Maschine dann nicht auch können.
Auch wenn es bisher noch niemanden gibt, der einer Maschine "Leben + Verstand" eingehaucht hat, lass Dich bei Deiner Idee nicht entmutigen. So manch einer hatte schon mit einer verrükten Idee einen grandiosen Durchbruch erziehlt und ist aus Zufall auf etwas bedeutendes gestoßen.

Gruß
David

[plusminus]

Kleine Link-Sammlung zu neuronalen Netzen.
> http://href.to/ZCq

VB-Beispiele
> http://href.to/a8M

Beispiel-Anwendung/Implementierung
> http://href.to/YzC

AForge.NET KI/Bildverarbeitungs-Bibibliothek
> http://href.to/Qgp

[Sternthaler]

Moment, die Art der Kommunikation, sprich Tastatur, Spracherkennung, Sprachausgabe wurde ja gar nicht zwangsweise fest gelegt.
...
Also man fragt, "Wie ist der Aktienstand von Merzedes?"
Nach der Antwort fragt man dann "Und von Audi?"

Man muss also nicht wiederholt nach dem Aktienstand fragen, das System geht halt von dem Kontext aus.
Genau Tomarr.
Ich hatte folgendes geschrieben:

... Nicht umsonst haben die immer noch die Möglichkeit, das 'Gespräch' über die Tastatur zu führen, eingebaut.
...
P.S.: Was würde deine Datenbank mit einem "Gespräch über die Tastatur" wohl machen?
Genau hier lag ja der 'Hinterhalt'. Ich bezog mich selber auf meinen Text in dem P.S.
Hier sieht man, wie schwer es schon für menschliche Leser ist, den Kontext zu finden.

Gruß Sternthaler

[Tomarr Sovai]

Wie ich schon sagte. So eine Tabelle ist vielleicht ein Anfang. Wobei es im deutschen noch schwieriger ist. Im Englischen ist die Reihenfolge Subjekt Prädikat und Objekt halt fest. Im Deutschen kann es stehen wo es will, es wird durch Groß- Kleinschreibung gekennzeichnet.

Dazu kommt noch, woher soll der Rechner, bzw. die KI, wissen um was für ein Objekt es sich handelt?

Mal als Beispiel, Katze ist ein Objekt, ein Tier und noch einiges anderes. Ein Hund hat ähnliche Eigenschaften wie eine Katze, ist halt ein Objekt, ist ein Tier, hat vier Beine, usw. Aber ist im Grunde etwas ganz anderes.

Spätestens da wird es sehr schwierig auch ein kontextbezogenes Gespräch zu führen. Eine KI müsste schon wirklich sehr intelligent sein um solche Unterscheidungen zu begreifen, wenn du nicht gerade akzeptierst dass die einzige Unterscheidung die ist dass eins Miau macht und das andere Wau Wau oder so.

Du müsstest diene Datenbank also so aufbauen dass sie bei jedem Wort so weit ins Detail geht das auch wirklich jedes Wort mindestens ein Unterscheidungsmerkmal hat.

Und du musst ihm dann noch erklären was diese Unterscheidungsmerkmale bedeuten, das darfst du nicht vergessen.

Und selbst dann musst du ja noch die Daten dazu packen die eine sinnvolle Verwendung ermöglichen.

Also so wie Beim Terminator wird es nicht laufen, nach dem Motto "Mögliche Antworten: Ja, Nein, Verpiss dich du Arschloch". Sowas raus zu filtern erfordert schon ein enormes "Wissen" und eine noch weitaus größere Rechenleistung.

[robodriver]

Naja gut,

also ich denke mal, das sich das mit der Tabelle machen lassen würde. Man bräuchte allerdings sicherlich mehrere Tabellen:
Eine zum Thema sprache, Satzbau, Bäugungen von Wörtern und sicher auch noch eine mit Wissen wie z.B. einen Hierachiebaum von allen Tieren, dann weiß die KI zumindest schonmal das manche Hunderassen gefährlicher sind als eine Katzen...
Aber ich vermute mal, dass das alles zum schluss sooooo viele Daten wären, das eine Antwort dann vielleicht ne halbe Stunde dauert oder so.

Rechner haben halt noch den Nachteil, das sie erst nach dem Einlesen von etwas entscheiden können ob diese Info für die Sache bedeutend ist oder ob nicht, das kostet Zeit.
Ein Mensch ist zumindest so weit intelligent, das er nicht erst sein komplettes Wissen abfragen muss um alles zu wissen was eine Katze von einem Hund unterscheidet...
Desshalb denke ich, das es funktionieren würde, aber halt extrem träge wäre.

@pc-gott70:
Ja, die Idee ist ganz gut. Was ich nur noch nicht so ganz weiß: Wie soll denn der Laune-Parameter während der Laufzeit geändert werden können? Ich will ja nicht die Heizung hochdrehen müssen, nur damit sich mein Robi wohl fühlt ;)
Durch was könnte man seine Laune denn beeinflussen? Durch gut zureden geht nicht, weil er ja nicht versteht was man sagt. Irgendwas zeigen kann man ihm auch nicht, weil er ja nichts sieht.
Das einzige was mir einfallen würde: durch streicheln könnte man seine Laune verbessern, das alles würde dann aber darauf hinaus laufen, das man einfach einen Taster drückt und die Laune ist gut... Das wäre dann ja sinnlos...

Gruß Robodriver

[Tomarr Sovai]

Na warum währe das sinnlos? Viele Systeme funktionieren genau so. Ein Taster zur Belohnung (Richtig) Einer als Bestrafung (Falsch). Wird benutzt um ein NN zu trainieren und hat natürlich dann auch gleich Einfluss auf die Laune.

[pc-gott70]

Hallo Robodriver,
na ja, das war ja auch nur als Startparameter gedacht.
Und was heißt eigetlich, man kann ihm nicht gut zureden - - ich denke da zum Beispiel an die Auswwertung der Intonation der Stimme. Langsames ruhiges Sprechen mit mittlerem Lautstärkepegel könnte (im Groben) verwendet werden, um dem Roboter mitzuteilen, dass er etwas gut gemacht hat. Schnelles, lautes "Anbrüllen" eher dafür, dass er etwas falsch gemacht hat. Der Roboter versteht zwar nicht was Du sagst aber er kann mit einer geeigneten Routine den Schallpegel und Frequenz auswerten. Analog dazu: ein blinder Ausländer, der Deiner Sprache nicht mächtig ist, versteht auch nur anhand der Art, wie Du ihn ansprichst, ob Du ihm wohlgesonnen bist oder eher nicht. Er braucht Dich dafür noch nicht zu verstehen. Natürlich kann ein Mensch noch ganz andere Parameter mit einfließen lassen, als das i.A. der Roboter kann - - aber vielleicht ist das ja mal ein Schritt in die richtige Richtung.
Gruß
David

[avion23]

@pc-gott
das machen die Rechnersystem in den Zentralen schon heute. Wutanfall --> zum Kundenberater durchstellen + Kundenberater warnen.

[pc-gott70]

@avion23
ach ja, ich kenne das eher so: Wutanfall-->please hold the line und zwar so lange, bis der Kunde aufgibt und auflegt :-))

[sellentin]

Hallo,
ich habe von http://www.nice-technologies.de/ KI ausprobiert gehabt. ist ganz gut gemacht und die Entwickler sind offen und bieten auch Unterstützung für Weiterentwicklung. Damit man eigene Plug-In schreiben kann.

Ich wollte auch noch was zu den Thema schreiben: wenn man versucht KI nach menschlichen Vorbild zu Schafen, dann sollte man damit anfangen mehrere Gehirne zu erschaffen. Wir haben nicht nur ein Gehirn der alles erledigt: z.B. Großhirn, Kleinhirn, Brücke, Rückenmark, Hypothalamus + Thalamus... und jedes Gehirn ist nochmal in Bereiche aufgeteilt der eigenständig funktioniert. => es werden mehrere Prozessoren benötigt. ich finde dass eine KI nur dann mitreden kann, wenn die mindestens optische und akustische Sensoren bekommt und nicht Grammatik perfekt kann. Wenn interessiert das schon beim sprechen ob ein Hauptwort groß oder klein geschrieben wird, kommt da ein Komma oder ein Punkt. wenn wir etwas nicht zuordnen können fragen wir ja nach ob das so oder so gemeint worden.
Wir haben auch mehrere Lernphasen durchgemacht um sprechen oder mitreden zu können.
0. Schreien und lachen => 0 oder 1 :)
1. hören
2. sehen
3. erkennen (=> z.B. anvisieren, verfolgen) ;)
4. einigermaßen bewegen :)
5. erste Laute / Worte nachsprächen
6. erste Sätze nachsprächen
7. eigene Sätze sprächen
.......


das was ich in Internet gefunden habe ist das jeder macht etwas anderes( Spracherkennung, Pixelerkennung, Sprachausgabe...)
warum wird es nicht vereint(z.B. ein Computer oder µC für verarbeiten, zweiten für optische Erkennung, dritten für akustische Erkennung, vierten für Sprachausgabe, fünften Bewegung.......)

das sind in etwa meine Gedanke zu KI.
Gruß

Sergius