Information Technology Reference
In-Depth Information
versuchen, diese nicht realistischen Einschränkungen aufzuheben. So erstellt hierarchisches Planen
zunächst Pläne unter Verwendung abstrakter Operatoren und versucht dann, diese zu verfeinern,
wodurch der ursprüngliche Suchraum stark eingeschränkt werden kann. Schnellere Planungsver-
fahren werden entwickelt, um größere oder zeitbeschränkte Planungsaufgaben lösen zu können.
Probabilistisches Planen erweitert den Anwendungsbereich auf nicht-deterministische Umgebun-
gen. Konditionales Planen erweitern den Anwendungsbereich auch auf nicht vollständig zugäng-
liche Umgebungen.
Diese Kriterien bzw. Aspekte finden in der Tatsache ihre Berechtigung, dass in dynami-
schen Umgebungen durch die schnellen und unvorhergesehenen Änderungen der Situ-
ation Pläne schnell ihre Validität einbüßen bzw. ihre Gültigkeit verlieren. Hier gilt der
Grundsatz, dass je dynamischer eine Umgebung sich gestaltet, desto weniger lohnt sich
der Aufwand, langfristig zu planen. Um diese Vernachlässigung von Planung auszuglei-
chen, lassen sich Motivationskonzepte heranziehen. So werden beispielsweise motiva-
tionale Aspekte im Zusammenhang mit rationaler Entscheidungsfindung unter anderem
im Rahmen von sogenannten BDI-Architekturen behandelt (
B
elief: informationaler Zu-
stand, Annahme;
D
esire: motivationaler Zustand, Ziel;
I
ntention: deliberativer Zustand
des Agenten, intendiertes Ziel).
Bei einem BDI-Ansatz wird die Umgebung als Zustandsbaum repräsentiert mit Verzweigungen für
mögliche Zustände in der Zukunft und einer Vergangenheitslinie. Annahmen des Agenten sind dabei
die für möglich gehaltenen Zustände. Ziele sind wünschenswerte Zustände und Intentionen sind
gerade angestrebte wünschenswerte Zustände der Umgebung. Verzweigungspunkte des Zustands-
baums repräsentieren Wahlmöglichkeiten des Agenten (Wahlknoten, choice nodes) sowie Nicht-
determinismus von Aktionen des Agenten (chance nodes). BDI-Architekturen erlauben die Berück-
sichtigung motivationaler Zustände des Agenten. Ein Agent kann mehrere, unterschiedlich wichtige
Ziele besitzen, von denen er zu einem Zeitpunkt nicht alle anstrebt. Ein weiterer Vorteil ist, dass
Nichtdeterminismus der Aktionen des Agenten explizit repräsentiert werden kann. Problematisch
erscheint jedoch, dass die Interoperationskontrolle des Agenten ausschließlich zielgerichtet ist. Re-
aktionen auf unerwartete Situationen sind nur durch die Bildung entsprechender neuer Ziele und
Intentionen, also durch einen kompletten Deliberationsprozess möglich. Das kann in dynamischen
Umgebungen zu lange dauern, wenn beispielsweise auf eine Gefahrensituation reagiert werden soll.
Einen Schwerpunkt stellt hier sicherlich die hierzu unabdingbare Informationsverarbei-
tung dar, wobei inzwischen das Paradigma der Symbolverarbeitung mit subsymbolischen
Ansätzen angereichert wird. Neben der Erforschung und Modellierung vieler Einzelphä-
nomene wird damit versucht, umfassende kognitive Architekturen zu modellieren, um
damit wiederum ein breites Spektrum menschlicher und artifizieller Kognition zu reali-
sieren.
Im Gegensatz zur rationalen Interoperation versucht die
reaktive Interoperation
ohne
explizite Repräsentation zur Ausführung zu kommen. Vielmehr wird die Umgebung selbst
als Repräsentation herangezogen. Dabei stehen weniger die Optimierung und Vollständig-
keit, sondern eher Robustheit und Schnelligkeit im Vordergrund der Algorithmisierung.
Dieser Ansatz kommt vor allen in solchen dynamischen Umgebungen zum Tragen, wo In-
formationen unvollständig und falsch sein können. Er findet sich bei höheren Organismen,
