Information Technology Reference
In-Depth Information
(Anwendung von Erlerntem oder Lerntransfer). Jedoch ist Lernen mehr als das reine Ab-
speichern von Informationen. Lernen beinhaltet die Wahrnehmung und Bewertung der
Umwelt, die Verknüpfung mit Bekanntem (Erfahrung) und das Erkennen von Regelmä-
ßigkeiten (Mustererkennung).
Der lernende Agent beginnt mit dem Lernen nicht als unbeschriebenes Blatt (tabula
rasa). Jeder Lernprozess setzt auf einem Lerntypen auf, einer implementierten Eigenschaft
und damit Ausprägung bei der Nutzung von sensorischen Kanälen oder der Fähigkeit,
durch verschiedene Lernprozesse sich Wissen anzueignen.
Lernprozesse werden in der Literatur nach verschiedenen Kriterien klassifiziert. Ist das Kriterium
die Art des gelernten Verhaltens, kann zwischen dem Erlernen von Bewegungsabläufen (motori-
sches Lernen), dem Erlernen sprachlicher Inhalte (verbales Lernen), dem Erlernen von sozialen
Normen (Sozialisation) usw. unterschieden werden. Ein anderes Kriterium zur Klassifizierung von
Lernprozessen ist die Komplexität des gelernten Verhaltens. Einfache Anpassungen werden durch
Sensitivierung und Habituation erworben. Eine komplexere Form ist das assoziative Lernen. Da-
bei werden zwei Ereignisse miteinander verknüpft (assoziiert). Beim sog. S-S-Lernen sind dies
zwei Reize, beim S-R-Lernen ein Reiz mit einer Reaktion. Zwei bekannte Arten des assoziativen
Lernens sind die Klassische Konditionierung und die operante Konditionierung. Weitere Formen
assoziativen Lernens sind die Prägung, das Lernen am Erfolg sowie Generalisierungs- und Diskri-
minationslernen. Komplexere Verhaltensweisen werden durch Lernen durch Einsicht, durch Lernen
lernen und durch strukturelles Lernen erworben. Ein weiteres Kriterium zur Klassifizierung von
Lernprozessen ist die Rolle des Lerners. Dabei wird unterschieden zwischen inzidentellem Lernen,
intentionalem Lernen, entdeckendem Lernen, selbstbestimmtem Lernen, expansivem Lernen, wi-
derständigem Lernen usw.
Im Rahmen der Implementierung können je nach Komplexität der Problemstellung dabei
unterschiedliche
Wissensrepräsentationen
Anwendung finden. Die möglichen Wissens-
repräsentationsformate unterscheiden sich bezüglich ihrer Ausdrucksvermögen bzw. ihrer
Expressivität, je nachdem also, welche Wissensstrukturen sie darzustellen vermögen. In
der derzeitigen Version des Cognitive Computing lassen sich
Konzepte
bzw. Instantiierun-
gen von Konzepten als Elemente einer Wissensrepräsentation einsetzen (Beispiele: Apfel,
Baum, Mensch, etc.). Weiterhin lassen sich diese Konzepte bzw. deren Instanzen durch
Merkmale anreichern, die diesen Konzepten bzw. Instanzen zukommen oder fehlen (Bei-
spiele: roter Apfel, grüner Baum, lebender Mensch). Durch
Attribut-Wert-Strukturen
las-
sen sich Klassen spezifizieren (Beispiele: Farbe:rot, Oberbegriff:Obst.) Durch die Angabe
von
Relationen
(Propositionen, Prädikate) lassen sich Beziehungen zwischen Entitäten
ausdrücken (Beispiel: hat-Farbe, ist-ein-Apfel.). Prozedurales Wissens wird in Form von
Produktions
r
egeln
der Form „WENN p DANN q“ und komplexe
relationale Strukturen
durch Schemata repräsentiert (Beispiele: frames, scripts).
Wie aus dem kognitiven Modell ersichtlich, wird diese Wissensrepräsentation aus-
schließlich auf der Ebene von Daten-, Informations- und Wissensstrukturen, Objekten
und den entsprechenden kognitiven Funktionen in Form von Methoden (Algorithmen)
realisiert, wobei die Implementierung auch hier unterschiedlich sein kann.
