Konzeptionalisierung: Naturanaloge Modelle - Cognitive Computing - page 170

die sich durch ihre Lernfähigkeit auszeichnen, obwohl Sensorik und Aktorik nur indirekt
miteinander verbunden sind.
Die spätere Ausgestaltung der interoperativen Agenten lehnt sich dabei an die For-
schungen der künstlichen Intelligenz an, aus denen inzwischen verschiedene Architek-
turen hervorgegangen sind, um möglichst einfach robustes Verhalten zu gewährleisten.
Daneben wird auch auf Arbeiten zurückgegriffen, in denen reaktives und zielgerichtetes
Handeln kombiniert werden, da es sich je nach Problemdomäne und Umgebung bei rein
reaktiven Ansätzen als schwierig erweist, ein gewünschtes zielgerichtetes Verhalten auch
tatsächlich zu realisieren.
Exemplarisch sei auf die Architektur von Brooks hingewiesen, deren wesentliches Merkmal durch
einen horizontalen Schichtenaufbau gegeben ist. Als ein konkretes Beispiel für die verschiede-
nen Verhaltensschichten in einer Subsumptionsarchitektur schlägt Brooks Kompetenzstufen vor
(Brooks 1986 ). Mit Hilfe der Subsumptionsarchitektur gelang es, echte Roboter relativ schnell mit
einfachen, aber robustem Verhalten sowie der Hindernisvermeidung oder Wander- und explorativen
Fähigkeiten auszustatten. Auch hier soll ein Auszug der Leistungsmerkmale genügen: 1) Kontakt
mit anderen mobilen oder stationären Objekten vermeiden. 2) Ziellos umherwandern, ohne irgend-
wo anzustoßen. 3) Die Umwelt erkunden, indem man entfernte Objekte wahrnimmt und auf sie
zusteuert. 4) Eine Karte der Umgebung erstellen und Routen zwischen einzelnen Orten planen. 5)
Veränderungen in der statischen Umgebung bemerken. 6) Logische Schlüsse über die Umwelt durch
identifizierbare Objekte ziehen und Aufgaben erfüllen, die sich auf bestimmte Objekte beziehen. 7)
Pläne formulieren, die den Zustand der Umwelt in erwünschter Weise verändern und diese Pläne
ausführen. 8) Schlüsse über das Verhalten von anderen Objekten in der Umwelt ziehen und die Pläne
dementsprechend anpassen.
Das Ziel, auch höhere kognitive Fähigkeiten zu modellieren, lässt sich jedoch nicht errei-
chen. Insbesondere ist es damit auch nicht gelungen, Ziele explizit zu repräsentieren und
damit ein zielgerichtetes Verhalten der Agenten zu erreichen.
Es liegt also nahe, reaktive und rationale Interoperationen zu kombinieren, indem
jeweils eine reaktive und eine rationale Komponente in einer gesamthaften Architektur
vereinigt werden. Dabei stellt sich die sogenannte Kohärenzproblematik, indem zunächst
geklärt werden muss, wie diese beiden Komponenten zusammenarbeiten. Ein Ansatz dazu
ist, je nach Situation zwischen reaktiver und rationaler Interoperation zu wechseln. Dabei
gilt der Grundsatz, dass solange rationale Interoperationen verfolgt werden, solange nichts
Unvorhergesehenes auftritt. Tritt aber eine unerwartete Situation ein, wird auf reaktive
Interoperationen umgeschaltet, und zwar solange, bis ein neuer, der Situation angemes-
sener, modifizierter Plan entwickelt ist. Eine weitere Möglichkeit die Kohärenzproble-
matik zu lösen, besteht darin, dass eine direkte Kommunikation zwischen rationalen und
reaktiven Interoperationen zur Koordination erfolgt. Der Vorteil einer solchen hybriden
Architektur ist, dass der damit mögliche modulare Aufbau die Konzeptionalisierung und
die Implementierung des Agenten unter Umständen vereinfacht.
Von Modularität spricht man hier in enger Anlehnung an die Modularisierung von klassischen Com-
puterprogrammen immer dann, wenn eine Aufteilung in relativ selbständige Teile erfolgt, die nur
durch klar definierte Schnittstellen Daten austauschen.