Information Technology Reference
In-Depth Information
Listen binärer Werte dargestellt. Jede Liste beschreibt ein Objekt und die binären Werte
beschreiben das Vorhandensein oder Fehlen einer Eigenschaft des Objekts. Ein mächtige-
rer Formalismus ist gegeben, wenn auch relationale (z. B. strukturelle) Beschreibungen
möglich sind. Diese Möglichkeiten bieten Repräsentationsformalismen, die auf Prädika-
tenlogik basieren. Der Zusammenhang zwischen Lernen und Problemlösen gestaltet sich
demzufolge in drei Phasen (Mayer 1979 ).
• Am Anfang des Wissenserwerbs steht die Phase der interpretativen Verwendung dekla-
rativer Daten-, Informations- und Wissensbestände. Die Grundidee besteht darin, dass
neue Daten und Informationen zunächst in einer deklarativen Form enkodiert werden.
Diese deklarativ gespeicherte Form kann nicht unmittelbar in Verhalten umgesetzt wer-
den, weil die entsprechenden Verhaltensanweisungen bzw. -empfehlungen fehlen.
• Das Ziel der zweiten Phase besteht in der Bildung bereichsspezifischer Regeln, in de-
nen zuvor deklarativ kodierte Daten- und Informationen in unmittelbar verhaltenswirk-
same prozedurale Wissensbestände überführt werden.
• Die dritte Phase der Wissensoptimierung bzw. Wissensrevision führt zu weiteren Ver-
besserungen. Die Ausführung der Fertigkeiten gelingt immer besser und schneller. Die
damit einhergehende Feinabstimmung der prozeduralen Wissensbestände erfolgt auf
der Grundlage von den drei Mechanismen der Generalisierung, Diskrimination und
Verstärkung.
Das Ergebnis dieses Lernprozesses kann sowohl eine Veränderung der Daten, Informa-
tions- und Wissensstrukturen des Systems als auch eine Veränderung der Repräsentation
dieser Strukturen sein. Bereits repräsentiertes Wissen an neue Gegebenheiten im Prozess
der Revision anpassen zu können bzw. zu vervollkommnen, muss als unabdingbare Fähig-
keit kognitiver Systeme betrachtet werden. Der Prozess der Wissensrevision umfasst das
Erkennen einer Unvollkommenheit, die Identifizierung des Wissens, das diese Unvoll-
kommenheit auslöst, die Berechnung möglicher Revisionsalternativen, die anschließende
Bewertung der Alternativen, die Auswahl der optimalen Revision und die Durchführung
der Revision.
Erschwert wird die Wissensrevision aufgrund der in formalen Systemen erforderlichen Wider-
spruchsfreiheit. Menschen hingegen scheinen relativ problemlos mit Widersprüchen leben zu kön-
nen. Erschwerend kommt hinzu, dass neben dem Umgang mit inkonsistentem Wissen auch unvoll-
ständiges und unsicheres Wissen eine Revision bedingen kann. Man wird hier mit dem allgemeinen
Problem der Nichtmonotonie von Erweiterungen einer Wissensbasis konfrontiert, das immer dann
gegeben ist, wenn neu hinzugefügtes Wissen in Widerspruch gerät zu bereits vorhandenem Wissen.
Aus diesem Grund ist man an Repräsentationsformalismen interessiert, die es erlauben, Standard-
annahmen auszudrücken, also Fakten und Regeln, die für den typischen Fall gelten, ohne dass die
Ausnahmen benannt werden müssen. Das maschinelle Schließen mit Standardannahmen erfordert
unter Umständen die Rücknahme bereits abgeleiteter Formeln. Konkrete Beispiele spielen deshalb
eine wichtige Rolle bei der Bewertung nicht monotoner Logiken. Lässt sich ein Beispiel angeben,
in dem eine bestimmte Form der nichtmonotonen Ableitung zu „nicht intuitiven“ Ergebnissen führt,
so wird das häufig zum Anlass genommen, um einen neuen Kalkül vorzuschlagen, der für dieses
Search WWH ::




Custom Search