Information Technology Reference
In-Depth Information
man, sich mit natürlichsprachlichen Prozessen zu beschäftigen und diese mit Hilfe ein-
facher Mustervergleichs- und Transformationssystemen (sogenanntes Pattern Matching)
abzubilden.
Man versuchte in der romantischen Epoche (1965-1975) sein Heil in der Spezialisie-
rung und entwickelte grundlegende Methoden und Techniken für relevante Teilaspekte
der künstlichen Intelligenz. Die Repräsentation von Wissen und das Suchen in Teilsuch-
bäumen standen im Mittelpunkt des Interesses. Erwähnenswert sind u. a. das Resolutions-
verfahren für den automatischen Theorembeweis (Robinson), das Frame-Konzept für die
Wissensrepräsentation (Minsky), die semantischen Netze (Quillian) und Grammatikfor-
malismen (Woods). Erste Frage-Antwort-Systeme und integrierte Sprachverarbeitungs-
systeme wurden entwickelt. Die ersten Implementierungen von LISP und PROLOG er-
gänzten die Palette der Programmiersprachen. Aber auch in dieser Epoche gelang nicht
der erhoffte Durchbruch, was die Praxistauglichkeit der entwickelten Lösungen betrifft.
So setzte sich immer mehr die Erkenntnis durch, dass die Entwicklung universeller Prob-
lemlöser mit den vorhandenen Mitteln nicht möglich sein wird. Dem Aspekt des Wissens
schenkte man hingegen mehr Beachtung, da diesem eine zentrale Rolle in KI-Systemen
zuzukommen schien. Letzteres fand seinen Niederschlag in den ersten Expertensystemen.
Im Jahre 1969 fand die erste internationale KI-Konferenz (IJCAI) statt, die von da an re-
gelmäßig alle zwei Jahre durchgeführt werden sollte.
In der modernen Epoche (1975-1994) entdeckte man die Bedeutung des problemspe-
zifischen Wissens und stellte fest, dass die Fähigkeit eines Programmes, Probleme effi-
zient zu lösen, nicht so sehr von den formalen Prinzipien und Strategien abhängt. Viel-
mehr werden die Art des Problemlösens und die Qualität der gefundenen Lösung von
dem des Problemlösungsverfahrens zugrunde liegendem Wissen beeinflusst. Aufgrund
dieser Erkenntnis traten die wissensbasierten Systeme immer mehr in den Mittelpunkt
der Forschung. In diesem Zusammenhang setzte man sich auch mit Produktionsregel-
systemen auseinander. Aufbauend auf dem Frame-Konzept von Minsky entstanden zahl-
reiche Frame-Repräsentationssprachen. Im Bereich der Spracherkennungssysteme fand
zu dieser Zeit ein Übergang von den Frage-Antwort-Systemen zu natürlichsprachlichen
Schnittstellen zu Datenbanken statt. Erste Systeme zur automatischen Übersetzung traten
aus den Labors hervor und fanden hier und da ihren praktischen Einsatz. Man wandte sich
verstärkt den praktischen Problemen der realen Welt zu und befragte menschliche Exper-
ten im Rahmen sogenannter Wissenslabors gemäß dem Ansatz „in the knowledge lies the
power“, wie sie in der Praxis Probleme angingen und dort nach Lösungen suchten. Die
anschließend entwickelten Programme, die sich bei der Lösungsfindung ähnlich diesen
konsultierten menschlichen Experten verhielten, bezeichnete man von nun an als „ech-
te Expertensysteme“. Es entstanden immer mehr sogenannte KI-Werkzeuge (Toolkits),
die sich zur Entwicklung von Expertensystemen als auch für die Entwicklung natürlich-
sprachlicher Systeme eigneten. Shells oder leere Expertensysteme wurden entwickelt, die
aus einer Wissenserwerbs- und Wissensverarbeitungs-Komponente bestanden. Mit dieser
zunehmenden Verbreiterung der Expertensysteme rückte auch das Problem des Wissens-
erwerbs, d. h. die Bereitstellung von Basiswissen immer mehr in den Vordergrund des In-
Search WWH ::




Custom Search