Information Technology Reference
In-Depth Information
Solche autonomen Lösungssysteme werden durch eine Reihe von Leistungsmerkmalen
festgelegt.
• Selbständige Entscheidungsfähigkeit durch Sehen, Planen, Schlussfolgern und Ab-
schätzen der Entscheidungskonsequenzen.
• Gewährleistung der Unabhängigkeit durch Vorgaben und Regelungen.
• Selbständige Durchführung aufgaben-orientierter Zielvorgaben durch die Kombination
von Planungs- und Überwachungsschritten.
• Selbständiges Lernen und Beseitigen von Fehlern (Störungsbehandlung) durch maschi-
nelles Lernen.
• Fähigkeit zur Kooperation und Interaktion mit anderen Maschinen, um nicht nur indivi-
duelle Aufgabenstellungen zu erfüllen, sondern auch Teamarbeiten durch Absprachen
bzw. Verhandlungen erfolgreich bewältigen zu können.
• Bewältigung von ungeahnten Situationen (Situations- und Konfliktmanagement) und
Lösen von nicht vorhersehbaren Problemen (Problemmanagement),
• Vernünftiges Entscheiden und Handeln des Einzelnen, trotz des Vorhandenseins einer
nur relativen und nicht totalen Freiheit.
• Ein freies Verhältnis zu einer Sache und zu sich selbst (Maschinelles Bewusstsein).
Aus dieser erweiterten Sichtweise schlagen kognitive Agentensysteme die Brücke zwi-
schen Sensorik (Input) und Aktorik (Output) mittels derer kognitiven Fähigkeiten (Ver-
arbeitung). Cognitive Computing avanciert so zu der Wissensschaftsdisziplin, die Senso-
rik mittels Brainware mit Aktorik im Dienste der Ermöglichung systemischer Intelligenz-
bzw. Kognitions profile verknüpft. Aus Sicht des Cognitive Computing ist ein Lösungs-
system damit ein wissensbasiertes System mit der Fähigkeit des maschinellen Lernens.
Dieses maschinelle Lernen umfasst dabei sowohl symbolische als auch subsymbolische
Ansätze. Im Unterschied zu den meisten symbolischen Ansätzen beschreiben konnektio-
nistische Modelle adaptive, lernfähige Systeme, die kontinuierlich einer Selbstkonfigura-
tion unterliegen. Die Adaptionsfähigkeit ist immanenter Bestandteil des konnektionisti-
schen Ansatzes aufgrund des Konstrukts der modifizierbaren (synaptischen) Verknüpfun-
gen zwischen gleichzeitig aktiven funktionellen Einheiten (Neuronen).
Gerade diese in Aussicht gestellten kognitiven Fähigkeiten zukünftiger Systeme, als
auch die Möglichkeiten der durch deren Echteinsatz vorgelagerte Simulationen nehmen
Einfluss auf den wissenschaftlichen Prozess als solchen. Aus dieser wissenschaftstphi-
losophischen Perspektive betrachtet, sind vor allem Simulationen aufgrund der immer
weiter fortschreitenden Möglichkeiten der Computertechnologie in allen Bereichen der
Wissenschaft, Forschung und Technik zum unentbehrlichen Werkzeug geworden. So ist
in vielen Disziplinen der wissenschaftlichen Forschung eine direkte Beobachtung aus den
verschiedensten Gründen nicht möglich (zu hohe Kosten, ethische Bedenken, prinzipielle
naturgesetzliche Grenzen, etc.). In diesen Fällen können Beobachtungen am interessie-
renden Realitätsausschnitt durch Beobachtungen an Simulationen ersetzt werden. Aber
auch im Bereich der industriellen Forschung und Entwicklung tragen Simulationen dazu
