Information Technology Reference
In-Depth Information
das Cognitive Computing mit seinen symbolischen und subsymbolischen Ansätzen bzw.
Modellen im wissenschaftlichen Stadium der Grundlagenforschung befindet sowie de-
ren (Aus)Implementierungen zu artifiziellen kognitiven Systemen derzeit eher noch den
technologischen Charakter von Prototypen zeigen, lassen sich die Erfolgsaussichten der
technologischen Leistungsversprechen nach dem bisherigen Stand der Forschung durch-
aus positiv bewerten.
Die traditionellen Techniken der künstlichen Intelligenz, die zur bisherigen Entwick-
lung von Lösungen genutzt wurden, sind in den vergangenen Jahren in eine Sackgasse ge-
raten. Da sie in der Regel Wahrnehmungs-, Planungs- und Aktionskomponenten getrennt
betrachten, denen jeweils ein bestimmtes Modell zugrunde gelegt wird, funktionieren die-
se Lösungen meist nur unter ganz speziellen Umweltbedingungen und bereits geringe Ab-
weichungen führen zu einem unvorhersagbaren Verhalten. Ein vernünftiges und stabiles
Verhalten kann nur dann entstehen, wenn unterschiedlichste Verarbeitungsprozesse zwi-
schen Wahrnehmung, Planung und Aktion auf verschiedenen Ebenen möglich sind. Ein
solches System kann allerdings nicht mehr durch logische Ableitungen entworfen werden.
Stattdessen bietet es sich an, die simulierte Evolution zu nutzen, um die Interoperationen
sich selbst herausbilden zu lassen.
Kognitive Lösungen basieren auf den Ansätzen und Techniken des Cognitive Com-
puting, um nicht wie üblich auf die o.a. formal-logische Fähigkeiten eingeschränkt zu
bleiben, sondern auch kognitive Vorgänge und Handlungen mit einzubeziehen.
• So konzentriert sich ein Teil der Forschung auf die Entwicklung „emotionaler“ Sys-
teme, die in der Lage sind, „intuitive“ Entscheidungen schnell zu treffen, ohne dafür
zeitaufwändige und umfangreiche Berechnungen vornehmen zu müssen.
• Das Ziel des Cognitive Computing besteht darin, Lösungssysteme mit intrinsischen,
kognitiven Fähigkeiten auszustatten, so dass sie nicht nur durch Nachahmung mensch-
licher Arbeitsweisen, die ihnen zugeteilte Teilaufgaben autonom erledigen, sondern
auch autonom Probleme lösen. Die Forderung nach Selbständigkeit, Lernfähigkeit
und Problemlösungsfähigkeit beschränkt sich nicht auf individuelle Systeme, sondern
schließt auch „Gruppen“ bzw. „Teams“ solcher Lösungssysteme ein, die sich durch
Kooperationen in Form von Multiagentensystemen selbst organisieren können.
• Ein solches Multiagentensystem im Sinne des Cognitive Computing ist ein aus zwei
oder mehr Agenten bestehendes daten- informations- und wissensverarbeitendes Sys-
tem, bei dem die Agenten interoperieren, so miteinander in Wechselwirkung treten und
gemeinsam Probleme lösen, die typischerweise nicht von einem der Agenten allein,
sondern nur durch die Kooperation der Agenten gelöst werden können. Kennzeichnend
für die Agenten ist, dass sie voneinander unabhängig sind, d. h. über eigene Ziele,
eigenes Wissen, eigene Problemlösemethoden und eigene Schnittstellen zu anderen
Agenten und zur Umwelt verfügen. Charakteristisch für Multiagentensysteme ist es
ebenfalls, dass die Agenten ihre Zusammenarbeit selbst organisieren und dabei ein ent-
sprechendes Konfliktmanagement betreiben, wenn es zu Konflikten zwischen den Zie-
len, Aktionen und Teillösungen der partizipierenden Agenten kommen sollte.