Prolog als Motivation - Cognitive Computing - page 5

Es ist darauf hinzuweisen, dass die einzelnen Techniken des Cognitive Computing
punktuell auch unter den Begriffen des Soft Computing , Computational Intelligence,
Organic Computing oder auch Ubiquitous Computing und Autonomic Computing abge-
handelt werden. Unter Computational Intelligence werden allerdings primär Techniken
verstanden, die mit dem Begriff des Soft Computing vergleichbar sind, wie Neuronale
Netze, Genetisches Programmieren, Schwarmintelligenz und Fuzzy Systeme. Der Fokus
der Computational Intelligence liegt daher eher auf solchen subsymbolischen Techniken.
Im Zusammenhang mit Organic Computing werden selbstorganisierende Systeme unter-
sucht, daher werden primär Neuronale Netze, Evolutionäre Algorithmen sowie Zellular-
automaten behandelt. Insofern scheint die Einführung des Begriffs des Cognitive Compu-
ting aus wissenschaftsphilosophischer Sicht gerechtfertigt, da es sich hier erstmalig um
eine Orchestrierung intradisziplinär gewonnener Erkenntnisse, um eine multiplikative
Verknüpfung symbolischer und subsymbolischer Ansätze und damit um eine umfassende
Technologisierung von kognitionswissenschaftlichen Erkenntnissen handelt.
Den Techniken gemeinsam ist der Aspekt der Repräsentation von Wissen in natürlichen
und künstlichen Systemen. Wissen bedeutet in diesem Zusammenhang in einer bestimmten
Situation innerhalb eines Problemraumes adäquat zu handeln. Bei den Ansätzen handelt
es sich zum einen um symbolische Ansätze der Wissensrepräsentation, wie Produktions-
regelsysteme, Logik-basierte Verfahren, fallbasiertes Schließen, bis hin zu stochastischen
Automaten. Diese Ansätze nutzen meist diskrete Konzepte, mit deren Hilfe logische Aus-
sagen oder Zustände repräsentiert werden können. Es wird allerdings gezeigt werden, dass
es bei gewissen Problemkonstellationen bzw. in speziellen Problemdomänen nicht aus-
reicht, Wissen auschließlich auf symbolische Weise zu präsentieren, um damit Lösungen
zu erarbeiten. Die symbolische Wissensrepräsentation verfügt nicht über die notwendigen
und hinreichenden Mittel, um in solchen Problemräumen intelligentes Verhalten zu er-
zeugen. Daher werden im Rahmen des Cogntive Computing auch subsymbolische Ansätze
verwendet, die mit Repräsentationen unterhalb der Symbolebene arbeiten. Hier wird dann
nicht mehr die Rede von Symbolen, Deduktion und Produktionsregeln die Rede sein, son-
dern parallel ablaufende Prozesse und strukturelle Kopplungen im Fokus stehen.
Es wird stufenweise ein Modell der artifiziellen Kognition entwickelt, das unter An-
wendung von symbolischen und subsymbolischen Ansätzen zu einem Kognitionsmodell
wird, das im späteren Verlauf des Buches einer Algorithmisierung zugänglich ist. Letz-
teres impliziert, dass Kognition als Berechnungsvorgang („Computation“) verstanden
werden kann. Als solches Verständnis ist es die Grundlage dafür, um im Rahmen der Im-
plementierung solche Computerprogramme entwickeln zu können, um die im Rahmen
der Konzeptionalisierung entwickelten Modelle kognitiver Prozesse abzubilden. Insofern
steht der Begriff der „Computation“ in diesem Buch nicht nur für ein bestimmtes soft-
bzw. hardwaretechnisches Modell, sondern auch für eine bestimmte technische Realisie-
rung. Eben diese Entwicklung vom Modell zur realisierten Lösung offenbarte eine Krise,
in der nicht nur die kognitive Modellierung steckt, sondern von der jeder modellbasierte
Lösungsansatz betroffen zu sein scheint. Es fehlt an grundlegenden, interdisziplinären
Vorgehensmodellen, die so allgemein ausgeprägt sind, um Domänen in den Griff zu be-