Information Technology Reference
In-Depth Information
Verhalten, indem nur in diesem Handlungszusammenhang dem Symbol ein Sinn zuzu-
kommen scheint. Vielmehr kann der Sinn des Symbols auch den Bezug zu etwas anderem
herstellen, das nicht selbst das Symbol ist. Beispielsweise enthüllt die äußere Gestalt einer
Zeichenkette in Form eines Strings nicht von sich aus deren Sinn, wenn diese Zeichenket-
te nicht bereits einer Interpretation unterzogen wurde. Insofern ist der Sinn eines Symbols
keine intrinsische Eigenschaft des physikalischen Zeichenträgers. Diese Symbole sind
physikalische Muster, die als Komponenten einer anderen Art von Entität auftreten kön-
nen, die dann auch als „Ausdrücke“ oder Symbolstrukturen bezeichnet werden.
Das Adjektiv „physikalisch“ bezeichnet zwei wichtige Eigenschaften: zum einen gehorchen solche
Systeme den Gesetzen der Physik, und sind somit in technischen Systemen, die aus technischen
Komponenten bestehen, realisierbar. Zum anderen ist das „Symbol“ nicht auf menschliche Symbol-
systeme beschränkt.
So ist eine Symbolstruktur aus einer Anzahl von Instanzen (oder Token) einzelner Symbo-
le zusammengesetzt, die in einer gewissen physikalischen Weise zueinander in Beziehung
stehen. Neben diesen Strukturen enthält das System auch eine Anzahl von Prozessen, die
mit Ausdrücken arbeiten, um andere Ausdrücke hervorzubringen. Ein Symbolsystem ge-
mäß der Auffassung dieses Buches ist demnach eine Maschine, die im Ablauf der Zeit eine
Anzahl von Symbolstrukturen hervorbringt.
Allgemein kann jede Berechnung als Symbolverarbeitung betrachtet werden. Symbolverarbeitung
setzt eine definierte Menge von Elementarsymbolen und Operatoren zu deren Transformation vor-
aus, so dass durch Anwendung von Regeln aus Elementarsymbolen beliebig komplexere Symbol-
strukturen gebildet werden können. Symbolverarbeitung ist demnach der Vorgang der Erzeugung
und Veränderung solcher Symbolstrukturen. Dagegen wird bei der „subsymbolischen“ Verarbeitung
erst ein Muster elementarer Werte als Ganzes als bedeutungshaltige Einheit verstanden.
Insofern lässt sich Cognitive Computing als ein Bereich der formalen Modellierung von
Lösungsmodellen verstehen, die sich möglichst unmittelbar an den Prozessen der natürli-
chen Umwelt und des menschlichen Denkens orientieren. Die kognitiven Fähigkeiten von
Menschen, beispielsweise in ganzheitlichen Mustern und assoziativ zu denken, unvoll-
ständige Informationen zu vervollständigen und Gemeinsamkeiten verschiedener Situa-
tionen zu erfassen, können durch die im Rahmen dieses Buches entwickelten
neuronalen
Netze
und
Fuzzy Systeme
sehr gut modelliert werden. Die adaptiven Fähigkeiten biologi-
scher Systeme, die es immer wieder ermöglicht haben, vorgesehene Umweltanforderun-
gen zu bewältigen, lassen sich durch
evolutionäre Algorithmen
darstellen. Entsprechend
bilden
zelluläre Automaten
die Möglichkeit, die Nichtlinearität selbstorganisierender Pro-
zesse zu simulieren. Gerade dieser Orientierungspunkt an kognitiven Fähigkeiten führte
zu dem ersten Bestandteil der Namensgebung, indem zum einen die Modelle des Cogniti-
ve Computing menschliche kognitive Prozesse zum Vorbild haben, um dann zum anderen
durch die Ausgestaltung dieser Modelle mit computationalen Technologien zu lauffähigen
Systemen die Simulation artifiziell-kognitiver Prozesse ermöglichen.
