Information Technology Reference
In-Depth Information
im Allgemeinen und einer Brainware im Speziellen im Rahmen des artifiziellen Lernens
möglich wird. Ein solches artifizielles Lernen beruht dabei nicht nur auf deduktiven oder
induktiven Mechanismen. Das Ziel des artifiziellen Lernens ist, Prinzipien des Erwerbs
von Wissen und Fähigkeiten zu untersuchen und operationale Modelle adaptiver, wis-
sensbasierter und lernfähiger Systeme zu entwickeln. Damit ist artifizielles Lernen eng
verwandt mit der Wissensakquisition (Knowledge Engineering). Lernen ist aber auch der
zielgerichtete Prozess eines Systems, der das Wissen oder die Repräsentation des Wissens
im System durch die Exploration von Erfahrungen und Vorwissen verbessert. Eine solche
Verbesserung des Wissens eines Systems kann nur durch Integration neuer Lernerfahrun-
gen oder aber durch Vergessen geschehen. Alle anderen Arten von Lernen werden durch
Transformation von Repräsentationen erreicht. Lernen zur Steigerung von Effizienz von
Problemlösungsprozessen kann z. B. durch die Transformation einer deklarativen Wis-
sensrepräsentation in eine prozedurale Darstellung (z. B. in ein Programm oder in senso-
motorische Fähigkeiten) erfolgen.
Die Lernprozesse des Cognitive Computing erfolgen zum einen auf der Grundlage von
Erfahrungen aus der Umwelt oder Erfahrungen des Systems mit der Umwelt. Während
jedoch viele dieser induktiven Verfahren ausschließlich Erfahrungen verarbeiten, stellt
Cognitive Computing auch Verfahren bereit, die (zusätzlich) aus Vorwissen lernen. Diese
Lernverfahren dienen der kognitiven Entwicklung. Das System wird dabei als wissens-
basiertes System, als Symbol verarbeitendes System bzw. als ein nach Strategien und
Regeln sich verhaltendes, selbstmodifizierendes kognitives System aufgefasst. Kognitive
Entwicklung bedeutet in dieser Betrachtungsweise zum einen die endogen und/oder exo-
gen angeregte, qualitative und quantitative Veränderung des daten-, informations- und
wissensverarbeitenden Systems, seiner Kapazität und Selbst- Steuerungseffizienz, und
zum anderen den Aufbau inhaltlicher Daten-, Informations-, Wissens- und Verarbeitungs-
strukturen. Dieser Ansatz verfolgt demnach ein Konzept der kognitiven Entwicklung in
Form eines entwicklungsbedingten Potenzials, systeminhärente Kapazitäten zu erweitern
und systembedingte Restriktionen überwinden zu können. Den präformierten Verarbei-
tungsstrukturen und Mechanismen (Brainware) stehen so ein artifizielles Bewusstsein als
modulare Struktur spezialisierter „mentaler Komponenten“ zur Seite, das sich als sensiti-
ves Eingabe-Verarbeitungs-Ausgabe-System für die Steuerung des Daten-, Informations-
und Wissensflusses und -erwerbs bei problemspezifischen Inhalten im Entwicklungs- und
Laufzeitzyklus des Systems im Rahmen der epigenetischen Entwicklung herausbildet.
Die kognitiv-epigenetische Entwicklung als Ontogenese von Daten-, Informations-, Wissens- und
Verarbeitungsstrukturen findet letztlich dort statt, wo sich die Selbststeuerungs- und Strukturdyna-
mik des Systems mit den Angeboten und Impulsen seiner Umgebung im Rahmen eines Anregungs-
und Interoperationsgefüges verbindet. Insofern kann man hier durchaus von einer systemischen
Sozialisation sprechen.
Ein solches
Artifizielles Bewusstsein
ist durch eine Art „Kontextualität“ charakterisiert,
eine bruchlose und nicht fragmentierte Verbundenheit von Daten-, Informations-, Wis-
sens und Verarbeitungsstrukturen, die ein systemisches Kontinuum entstehen lässt. In die-
