Konnektionismus

'Konnektionismus' - ein für den Laien wahrscheinlich inhaltsleeres Wort. Noch. Denn unter Informatikern, Psychologen, Philosophen und Kog­ nitionsforschern wird dieser Begriff bereits mehr und mehr zum Schlagwort und steht dort für eine faszinierende und immer populärer werdende neue Forschungsrichtung der künstlichen Intelligenz (bzw. Artificial Intelligence oder Al). l Dabei wird versucht, zur Nachbildung von intelligenten und kognitiven Handlungen auf Maschinen nicht vom bisher üblichen Aufbau von Com­ putern auszugehen, sondern stattdessen von Modellen, die einige wichtige An­ leihen an der Funktionsweise des menschlichen Gehirns nehmen - passender­ weise neuronale Netzwerke genannt. Sie sind kein Versuch, wirklich das Gehirn nachzubauen - dafür hat man in dieses auch noch viel zu wenig Einblic- aber es ist eine entscheidende, um nicht zu sagen vielleicht revolutionäre Al­ ternative, einen Modellansatz für wesentliche Aspekte intelligenten Handeins zu entwerfen. In diesem Sinne könnte der Konnektionismus die Artificial In­ telligence nachhaltig beeinflussen. Dieses Buch versucht, in die Grundbegriffe des Konnektionismus einzuführen und mit dessen Hilfe eine neue Form der Artificial Intelligence, die nach Ideen von Hofstadter und Smolensky so benannte sub-symbolische AI, zu for­ mulieren. Wesentliches Merkmal dieser Form von Artificial Intelligence ist, daß sie zunächst von der ModelIierung von unbewußten, assoziativen oder in­ tuitiven Vorgängen ausgeht. Symbolisches Denken, Schlußfolgern und Anwen­ den von Regeln spielen nach wie vor eine wesentliche Rolle, müssen aber in den Mechanismus der assoziativen Vorgänge eingebettet sein.

1 Von der klassischen AI zum Konnektionismus. - 1. 1 Allgemeines. - 1. 2 Die Annahmen der AI. - 1. 3 Ebenen kognitiver Prozesse. - 2 Konnektionismus eine Einführung. - 2. 1 Allgemeines. - 2. 2 Repräsentation die klassische Unterscheidung. - 2. 3 Programmieren von konnektionistischen Netzwerken. - 2. 4 Netzwerkgrundtypen. - 2. 5 Aspekte von konnektionistischen Modellen. - 3 Neuronale Netzwerke Eine nähere Betrachtung. - 3. 1 Ein mathematischer Abriß der Aktivierungsausbreitung (Update). - 3. 2 Ein mathematischer Abriß der Lernregeln. - 3. 3 Verteilte Aktivierungsmuster. - 4 Das Sub-Symbolische Paradigma. - 4. 1 Von Hofstadter zu Smolensky. - 4. 2 Die Gebirgsanalogie. - 4. 3 Die symbolische Annäherung. - 4. 4 Als Beispiel: Buchstabenerkennung. - 4. 5 Die Gegenprobe: identifizierbare Features. - 4. 6 Die konnektionistische Version des Sub-symbolischen Paradigmas. - 5 Repräsentation und Selbstorganisation. - 5. 1 Allgemeines. - 5. 2 Symbolische Repräsentation. - 5. 3 Sub-symbolische Repräsentation. - 5. 4 Die Notwendigkeit eines Interpreters. - 5. 5 Was aber passiert in Hidden Units? . - 5. 6 Warum wurde Repräsentation als so wichtig eingeschätzt? . - 5. 7 Kognitive Modelle ohne Repräsentation? Das Tower-Bridge Bild. - 5. 8 Sub-Symbolische Repräsentation Das `Binding Problem . - 6 Symbole in sub-symbolischen Modellen. - 6. 1 Allgemeines. - 6. 2 Symbole und Informationstheorie. - 6. 3 Die Rolle symbolischer Muster. - 6. 4 Darstellung von Symbolen in konnektionistischen Netzwerken. - 6. 5 Ein Modellansatz für repräsentationsfreie interne Symbole. - 6. 6 Zusammenfassung. - 7 Regeln und sub-symbolische AI. - 7. 1 Allgemeines. - 7. 2 Transformationsregeln. - 7. 3 Definitionsregeln: Am Beispiel Sprache. - 7. 4 Zusammenfassung. - 8 Lernen. - 8. 1 Was ist Lernen? . - 8. 2 Lernen vom Hebb-Typus. - 8. 3 Verlernen. - 8. 4Zusammenfassung. - 9 Zufälligkeit. - 9. 1 Die Bedeutung stochastischer Komponenten. - 9. 2 Pseudo-Zufälligkeit. - 10 Feedbacks, Motivation und aktive Systemkomponenten. - 10. 1 Weg vom Stimulus-Response System. - 10. 2 Radikaler Konstruktivismus und sub-symbolische AI. - 10. 3 Offene Fragen. - 11 Modelle der Perzeption. - 11. 1 Allgemeines. - 11. 2 Merkmale perzeptorischer Vorgänge. - 11. 3 Akustische Spracherkennung (Speech Recognition). - 11. 4 Visuelle Mustererkennung Vision. - 11. 5 Zusammenfassung. - 12 Kategorisierung und Konzeptualisierung. - 12. 1 Allgemeines. - 12. 2 Menschliche Kategorisierung und Implikationen daraus. - 12. 3 Kategorien und Bildung von Konzepten im sub-symbolischen Wissen. - 12. 4 Struktur und das Binding Problem. - 12. 5 Modularität, Rekrutierung und Resonanz. - 12. 6 Schemata. - 13 Sprachverarbeitung. - 13. 1 Klassische Modelle und deren Grenzen. - 13. 2 Eine sub-symbolische Sicht. - 13. 2. 4 Universalgrammatik . - 13. 3 Andere konnektionistische Systeme zum Thema Sprache. - 14 Expertensysteme und Logik in der sub-symbolischen AI. - 14. 1 Menschliche Expertise, IP und CRI. - 14. 2 Produktionensysteme und neuronale Netzwerke. - 14. 3 Die Kritiken Dreyfus . - 14. 4 Die Rolle der Logik. - 15 Eine kritische Zusammenfassung. - 15. 1 Allgemeines. - 15. 2 Die Symbol Wars . - 15. 3 Die Grenzen des sub-symbolischen Ansatzes. - 15. 4 Konklusion (ein Versuch). - Literatur.