Dr.-Ing. Eberhard Liß   -   www.liss-kompendium/ki/hom-beschr.htm    » KI-Konzepte für Kognitive Logik



» Lernender Homöostat «  -  eine interaktive Existenz-Simulation


Heinz Zemanek meinte: "Die AI (Artificial Intelligence) untersucht wie die Kybernetik die Automatismen, die in den biologischen und psychischen Strukturen von Tier und Mensch verborgen sind. Die vergleichende Vorgangsweise ist nützlich: der Mensch wird als Tier aufgefasst und das Tier als Maschine. Das ergibt ein einheitliches Weltbild mit methodischen Vorteilen. Im Geschäftsleben wie in der Industrie, in der Naturwissenschaft wie in der Technik, überall ist der Schlüssel zum Erfolg derselbe: die Trennung in formale und reale Prozesse, die Rückführung und Beschränkung auf trockene Mechanismen. Doch es endet im Misserfolg, wenn man die trockenen Mechanismen für die Wirklichkeit hält." (aus einem Gespräch mit dem österreichischen Computerpionier Heinz Zemanek - am 08.08.1999, veröffentlicht im Internet von Josef Karner)
   Im Jahre 1942 wurde der Begriff der 'Homöostase' mit dem Konzept des anglo-amerikanischen Physikers W. B. Cannon eingeführt, das die Gleichhaltung eines Systems über die simple Regelung hinaus beschreibt. Homöostase im Allgemeinen ist die dynamische Stabilität (Ultrastabilität) von Prozessen in lebenden Organismen gegenüber Änderungen von Umwelt- und Systembedingungen. Homöostase im kybernetischen Sinne bezeichnet die "intelligente" Selbsterhaltung eines autonomen Systems durch Adaption (Lernen) auf bestmöglichem Niveau der Befriedigung von Systembedürfnissen.
   Der umstrittene Begriff "Intelligenz" wird pauschal definiert als die Fähigkeit eines kognitiven Systems zum Problemlösen, meist zwecks Selbsterhaltung durch lerntypische Anpassung an veränderliche Umweltbedingungen.
   Die Intelligenz eines kognitiven Systems entspricht seiner Befähigung zum Problemlösen ausgehend von der Erkennung einer Problemsituation, insbesondere ihrer für das Handeln wesentlichen Eigenschaften im jeweiligen Zusammenhang, wodurch gemäß dieser Einsicht eine zielgerichtete oder zweckorientierte Problemlösung zu finden ist, z. B. als optimale Entscheidung im Handlungsspielraum für 'intelligentes' Verhalten.
   Neuere Arbeiten und Forschungen zur Künstlichen Intelligenz (KI) betreffen kognitive Leistungen von informationsverabeitenden Systemen mit dem Ziel ihrer Modellierung für technische Anwendungen. Die auf 'kognitive Systeme' orientierte KI-Forschung ist verbunden mit der Kognitionswissenschaft und der Forschungsrichtung Neurokognition. Untersucht werden kognitive Fähigkeiten (zum Kenntniserwerb beim Wahrnehmen, Denken und Lernen) als grundlegende Voraussetzungen für intelligentes Verhalten und adaptives Handeln in Problemsituationen. Mit formalisierten KI-Konzepten wird angestrebt, technische KI-Modelle als Prototypen für intelligente Automaten zu entwerfen und damit natürliche Intelligenz so weit wie möglich zu simulieren, um sie dabei besser zu verstehen.


1. Entwicklungsvarianten des KI-Modells 'Lernender Homöostat'

Im Juli 1980 wurde eine erste Computersimulation "Lernender Homöostat" implementiert, - als mein erster Forschungsbeitrag zu 'kognitiven Systemen' in Form eines Assemblerprogramms für einen Kleinrechner (PC-Vorläufer mit Bildschirm). Experimentelles Ziel war die praktische Erprobung meines KI-Konzepts Lernfähiger Zuordnungskomplex mit kognitiv-logischen Funktionen zur Simulation einfacher Formen von intelligentem Verhalten und Homöostase (dynamischer Stabilität). Die Erstimplementation des 'lernenden Homöostaten' stützte sich auf mein innovatives Systemkonzept 'Intelligenter Automat' und neuartige Funktionsprinzipien für kognitiv-logische Gedächtnisstrukturen gemäß meinen Definitionen zu einer 'Kognitiven Logik' (veröffentlicht seit 1978). Im Jahr 1982 erschien mein Aufsatz: "Lernender Homöostat zur Demonstration adaptiver Steuerungen mit künstlichem Intellekt" in der Fachzeitschrift 'messen-steuern-regeln' (msr, Berlin 1982, H. 9., S. 489-493).

Im Juli 1988 entwickelte ich eine zweite Computersimulation 'Lernender Homöostat' mit gleichem KI-Konzept, - durch Nutzung eines PC und der logischen Programmiersprache PROLOG (in TURBOPROLOG). Diese interaktive Existenz-Simulation demonstrierte (wie beim ersten Homöostat) einfaches Nahrungsaufnahmeverhalten eines virtuellen Wesens, das über eigene Ansprüche und begrenzten Intellekt verfügt. Ausgehend von manuell ausgewählten Situationsvorgaben (für Input-Begriffe) erfolgte durch Start der 'Wahrnehmung' eine Anzeige von geschlussfolgerten Funktionswerten des KI-Modells (Bildschirm-Outputs), entsprechend seinen aktuellen Variablenwerten. Simuliert wurden Aussagen über Erkennungs- und Bewertungsergebnisse, assoziierte Voraussagen, empirische Urteile und Entscheidungen über zukünftige Handlungen. Die Simulation war interaktiv steuerbar und konnte mit neu auswählbaren Situationsvorgaben für unterschiedliche Lernszenarien beliebig fortgesetzt werden (auch für Umlernen). Eine besondere Operationssteuerung (mit Haltepunkten) ermöglichte die schrittweise Verfolgung von situationsabhängigen Funktionen auf hierarchischen Zuordnungsniveaus.

Seit Mai 2001 ist das dritte KI-Modell » 'Lernender Homöostat' über das Internet zugänglich (programmiert in JavaScript und HTML). Es funktioniert ähnlich wie die zweite Implementation, aber mit einer komfortableren Bedienoberfläche für seinen interaktiven Betrieb. Dieses im Folgenden beschriebene Simulationsmodell hat ein logisch-funktionelles Konzept, das weitgehend meiner Erstimplementation (1980) gleicht. Es ist gekennzeichnet durch 'kognitiv-logische' Verknüpfungen zur "adaptiven" Verhaltenssteuerung mit Hilfe von empirischen Urteilen, bestimmt von 'bedingten Relationen' zwischen Variablen. Simuliert wird ein situationsbedingter Kenntniserwerb (Ausbildung von Erfahrungswissen) im Rahmen einer strukturellen Lerndisposition des modellierten Gedächtnissystems. Bei der Wissensdarstellung mit logischen Funktionen (A-priori-Wissen) dienen selektierbare Variablenwerte als Begriffssymbole (def. verifizierbare Invarianten, vgl. Knoten eines semantischen Netzes), - siehe » Grundbegriffe zur Kognitiven Logik.


2. Kurzcharakteristik der Computersimulation 'Lernender Homöostat'

Das Simulationsmodell 'Lernende Homöostat' ist ein experimenteller Prototyp für innovative intelligente Automaten, die auf der Basis von 'Kognitiver Logik' realisierbar sind, - siehe » Beiträge zu Definitionen und Konzepten einer Kognitiven Logik (Auszug und Bildkopien aus meiner Veröffentlichung "Induktives Lernen kognitiv-logischer Gedächtnisstrukturen intelligenter Automaten" in msr, Berlin 1986).

Mit dem Simulationsmodell 'Lernende Homöostat' wird demonstriert, dass nur relativ wenige kognitiv-logische Funktionen ausreichen, um eine situationsangepasste (adaptive) Handlungssteuerung zu implementieren.
   Es wird intelligentes Nahrungsaufnahmeverhalten eines tierähnlichen Wesens simuliert, das erklärbar ist mit erfahrungsabhängigen Entscheidungen gemäß der Lernform 'bedingte Aktion' (höher entwickelt als 'bedingte Reaktion'). Das logisch-funktionelle Konzept des KI-Modells ermöglicht individuelle Entscheidungen für situationsangepasste Aktionen aufgrund von empirischen Urteilen unter dem funktionellen Einfluss von bei der Wahrnehmung 'aus Erfahrung' assoziierten Voraussagen (Erwartungen), die "subjektiv" bewertet werden.
   Aus Aufwandsgründen erfolgte keine Simulation des Finden-Lernens von Nahrung im Suchraum gemäß empirischen Suchstrategien für das Kennenlernen von Ort-Objekt-Relationen.
   Der im Dialog bedienbare 'Lernende Homöostat' reagiert mit individuellen Outputs auf die von ihm erkannte externe Situation (Eingabedaten für Input-Begriffe), - erfahrungsabhängig gemäß seinem aktuellen Bedarf und seiner erinnerbaren 'Geschmacksvorstellung'. Seine lernfähige Gedächtnisstruktur ermöglicht kognitiv-logische Funktionen, die gekennzeichnet sind durch situationsbedingt selektierte Variablenwerte als Begriffssymbole für explizite Aussagen über aktuelle Urteile und Schlüsse zur erfahrungsgemäßen Bestimmung von Entscheidungen für situationsangepasste Aktionen oder Reaktionen.
   Das KI-Modell 'Lernender Homöostat' simuliert optimale Entscheidungen zwecks Selbsterhaltung auf bestmöglichem Niveau der Bedürfnisbefriedigung. Diese technische Existenz-Simulation erzielt eine dynamische Stabilität (Homöostase) des modellierten 'kognitiven Systems'. Dabei gefordert ist die Gewährleistung der Sicherheit vor Gefahren durch konzipierte Grenzen für Handlungsmöglichkeiten (prädisponierter Aktionsspielraum) entsprechend dem simulierten Grad einer "rationalen Autonomie".
   Beispiel: Bei erkannter Gefahr erfolgt schnelles Sichern und Abwarten, auch wenn eine Nahrung vorliegt und großer Bedarf besteht (Notsituation).

Bei der simulierten Wahrnehmung durch erfahrungsgemäße Erkennung von aktuellen Input-Vorgaben (vom Bediener ausgewählte Begriffe) für die aktuelle externe Situation werden empirische Urteile gebildet, die funktionell beeinflusst sind von individuellen Bewertungsergebnissen. Die dafür konzeptionell vorgesehenen Funktionsausdrücke simulieren situationsabhängige Antriebe, Motivationen und Emotionen, die maßgeblichen Einfluss haben auf "individuelle" Entscheidungen bei der Nahrungsaufnahme.
   Simuliert werden "subjektive" Bewertungen der externen und internen Situation des kognitiv-logischen Gedächtnissystems zur Bestimmung von bedarfsabhängigen Ansprüchen und Handlungsmotiven gemäß der erfahrungsabhängig änderbaren Einstellung des modellierten 'kognitiven Systems'.
   Die interne Situation (subjektive Lage) des Homöostaten entspricht seinem aktuellen Systemzustand, der jeweils mit expliziten Begriffssymbolen sprachlich ausgedrückt wird. Seine deklarativen Ausdrucksformen sind Zeichen, Worte, Sätze und auch Symbole als typische Gesichtsausdrücke für aktuelle Emotionen.
   Vorzugsweise anzeigbar sind erklärende Zustandsberichte (Statusreports) als 'selbstbezügliche' Aussagen zu aktuellen Handlungsmotiven und zur Erklärung der subjektiven Lage (insbesondere in Problemsituationen, s. u.).

Das simulierte induktive Lernen des KI-Modells beruht auf der situationsbedingten Ausbildung von 'bedingten logischen Verknüpfungen' (bedingten Logik-Funktionen) entsprechend dem situationsabhängig gewonnenen Erfahrungswissen zusätzlich zu dem Basis-Wissen für Grundfunktionen des modellierten lernfähigen Gedächtnissystems (vgl. Intelligenter Automat).
   Für kognitiv erfasste Beziehungen entsprechend situationsbedingten Erfahrungen werden bedingte Relationen als erworbene Kenntnisse über Objekteigenschaften (vgl. Charakter oder Geschmack) strukturell gespeichert. Ihre Einbeziehung in bedingte logische Verknüpfungen ermöglicht Erinnerungen für assoziierte Voraussagen bei der (Wieder-)Erkennung von Objekten (vgl. Afferenzsynthese). Ihr lerntypischer Einfluss auf empirische Urteile erfolgt beim Untersuchen eines neu wahrgenommenen Objekts (auf seine Genießbarkeit) und bei der bedarfsabhängigen "emotionalgesteuerten" Entscheidung für die nächste Handlung (z. B. anspruchsvolles Verhalten bei geringem Bedarf).
   Infolge einer Handlungsausführung können aktuelle empirische Voraussagen (Prädiktionen, Erwartungen, Efferenzkopien) durch den positiv bewerteten Effekt (Handlungskonsequenz) praktisch bestätigt werden (Verstärkung, Konsolidierung). Andernfalls sind sie gemäß den neuen Erkennungsergebnissen zu korrigieren oder zu falsifizieren (vgl. Vergessen). Der damit verbundene emotionale Umschwung wird simuliert durch "emotionale" Bewertung der 'unerwarteten' Handlungskonsequenz.

Verwöhntes oder anspruchsvolles Verhalten bei relativ geringem Bedarf, aber auch riskantes Verhalten (Versuch) bei großem Bedarf werden simuliert.
   Ein "intelligentes Umlernen" wird veranlasst durch vorgebbare Szenarien zur Ermöglichung des empirische Kennenlernen eines bisher nicht als 'Nahrung' erkannten (unbekannten) Objektes gemäß gewonnener Erfahrung beim Probieren des Neuen als Unbekanntem, - in Situationen großen Bedarfs und bei Ablehnung bisheriger Nahrung (wegen negativem Vorurteil), d. h. bei verschlechterten Umweltbedingungen.
   Vorzugsweise erlernbar ist eine kognitive Umorientierung des Unterscheidungsvermögens (entsprechend einer geänderten Einstellung für die Objekterkennung), womit eine verbesserte Umweltanpassung erreicht werden kann (vgl. Umlernen zwecks Selbsterhaltung).

Das KI-Modell 'Lernender Homöostat' wurde in Form eines lernfähigen Zuordnungskomplexes mit 'Kognitiver Logik' implementiert. Seine hierarchischen 'Zuordungsniveaus' mit "erlernbaren" bedingten Relationen sind gekennzeichnet durch modifizierbare 'kognitiv-logische' Funktionen zur Implementation von begrifflichen Zuordnungen, mit denen Grundprozesse der Wahrnehmung, Erkennung, Beurteilung, Bewertung und Entscheidung simuliert werden können. Besondere Bedeutung haben dabei Bewertungsfunktionen zur "emotionalen" Beeinflussung empirischer Urteile und individueller Entscheidungen gemäß dem aktuellen Befinden (subjektive Bewertung).
   Die implementierten 'kognitiv-logische' Funktionen (mit bedingten Relationen) ermöglichen die Simulation des "Lernens aus Erfahrung" mit der Methode 'Versuch und Irrtum', insbesondere der Lernform 'bedingte Aktion' (vgl. Effektgesetz für induktives Lernen).
   Gemäß dem interaktiven KI-Konzept des Homöostaten anzeigbar sind sprachliche Ausdrucksformen (Begriffssymbole, Zeichen und Worte) für Begriffe von individuellen Zuständen, Problemsituationen und auch situationsabhängig assoziierten Voraussagen (empirische Prädiktionen, Erwartungen), die logisch einbezogen werden in "subjektive" Bewertungen zur Bestimmung von "empirischen" Urteilen und "intelligenten" Entscheidungen, die mit expliziten Aussagen geäußert werden können.
   In besonderen (Problem-)Situationen werden 'selbstbezügliche' Aussagen als erklärende Statusreports sprachlich ausgedrückt (analog 'deklarativen Selbstreflexionen' über erfahrungs- und einstellungsabhängige "Ich"- oder Gefühlszustände, - vgl. 'sprachliches Bewusstsein').


3. Funktionen des kognitiv-logischen Gedächtnissystems 'Lernender Homöostat'

Das KI-Modell 'Lernender Homöostat' zeigt eine Existenz-Simulation mit Homöostase (dynamische Stabilität) zwecks Selbsterhaltung auf bestmöglichem Niveau der Bedürfnisbefriedigung, - im Rahmen des implementierten kognitiv-logischen Konzepts. Seine adaptive Verhaltenssteuerung beruht auf einer modellierten kognitiv-logischen Gedächtnisstruktur, die durch 'Kenntniserwerb' erweitert und geändert werden kann (def. 'strukturelles Lernen' eines "offenen" Grdächtnissystems, vgl. meine seit 1982 publizierten » Thesen und Konzepte).
   Bestimmt wird der Kenntniserwerbs als ein kognitiver Grundprozess des strukturellen Lernens, der simulierbar ist durch die situationsbedingte Ausbildung einer kenntnisspezifischen bedingten Relation zwischen aufeinander beziehbaren Symbolen für Begriffe (als Begriffssymbole einer 'erlernten' Begriffsrelation).
   Erworbene Kenntnisse werden kognitiv-logisch aufgefasst als 'bedingte Relationen', die in der lernfähigen Gedächtnisstruktur als 'Wissenselemente' temporär behalten (d. h. strukturell gespeichert) werden in Form von 'konditionierten Assoziationen' (Verbindungen, Verknüpfungen) der 'kognitiv' in Beziehung gesetzten Begriffssymbole (def. verifizierbare Invarianten und ihre Relationen).
   Als 'veranlagte' Grundvoraussetzung für situationsbedingten Kenntniserwerb konzeptionell vorgegeben wird eine 'strukturelle Lerndisposition' der "induktiv" modifizierbaren Gedächtnisstruktur zwecks möglicher Ausbildung von (erfahrungs-)bedingten Logik-Funktionen. Diese sind charakteristisch für die 'nicht klassische' Kognitive Logik, die (von mir) aufgezeigt wurde als neues Paradigma gegenüber der klassischen (formalen, mathematischen) Logik, die fixiert ist auf "starres" Regelwissen für argumentativ begründbare Urteile und deduktive Inferenzen.
   Gemäß kognitiv-logischen Systemkonzepten implementierbar sind 'induktiv erlernte' bedingte Relationen, aufgefasst als erworbene (Er-)Kenntnisse, die einbezogen werden in bedingte Logik-Funktionen für 'empirische Urteile' und induktive Inferenzen (verallgemeinernd, ausgehend vom Besonderen).
   Durch induktives Lernen kognitiv-logischer Gedächtnisstrukturen, - aufbauend auf konzeptionellem Basis-Wissen für systemimmanente Grundfunktionen,- können erfahrungsgemäß erwogene Entscheidungen für situationsangepasstes 'intelligentes' Verhalten simuliert werden.

Die konzipierte Lernfähigkeit der kognitiv-logischen Gedächtnisstruktur des Homöostaten ermöglicht seine 'intelligente' Verhaltensanpassung an geändert wahrgenommene Objekteigenschaften bei der Nahrungssuche zwecks Bedürfnisbefriedigung (gemäß Antrieb, Emotion und Motivation). Das adaptive Verhalten wird fundamental bestimmt durch 'veranlagte' Logik-Funktionen, entsprechend dem prädisponierten Basis-Wissen, und ist zusätzlich bestimmbar durch erlernte, 'ausgebildete' bedingte Logik-Funktionen (als 'bedingte' logische Verknüpfungen) aufgrund von erfahrungsgemäßen 'konditionierten Assoziationen'. -
   Eine Lernvoraussetztung ist die konzeptionelle Veranlagung von 'konditionierbaren Assoziationen' für potentielle, 'ausbildbare' logische Verknüpfungen im Rahmen der 'strukturellen Lerndisposition'. Beim strukturellen Lernen werden kognitiv-logische Funktionen situationsbedingt modifiziert. Dadurch ausgebildete bedingte Logik-Funktionen entsprechen dem individuellen Erfahrungswissen.

Die implementierte Modifizierbarkeit der kognitiv-logischen Struktur ist charakteristisch für einen lernfähigen Zuordnungskomplex (als KI-Konzept vom Autor definiert, siehe » Veröffentlichung 1984). Dieser ist gekennzeichnet durch vernetzte kognitiv-logische Funktionen und hierarchisch konzipierte 'Zuordnungsniveaus' (mit Input- und Output-Variablen), definiert für besondere Funktionen zur Simulation von Wahrnehmen, Erkennen, Bewerten, Urteilen und Entscheiden.

Aufgrund von Basis-Wissen und Erfahrungswissen geschieht die situationsabhängige Verifikation ausgewählter Variablenwerte (selektiv 'verifizierter' Invarianten) als Funktionswerte, die spezifisch sind für explizit darstellbare Erkennungs- und Bewertungsergebnisse, Urteile, Schlüsse und Entscheidungen zur situationsangepassten Handlungssteuerung.

Die konzipierte Fähigkeit zum strukturellen Lernen entsprechend einer 'strukturellen Lerndisposition' ist vergleichbar mit dem fundamentalen Lernprinzip der strukturellen und funktionellen Veränderbarkeit (Plastizität) von Neuronen-Netzen des Nervensystems. Neurophysiologisch nachweisbar sind lerntypische Strukturveränderungen mittels synaptischen Verbindungen in unterschiedlichen Gehirnabschnitten.

Die strukturelle Lerndisposition des Simulationsmodells wird definiert mit einer konzeptionell veranlagten Menge (Satz) unterschiedlicher 'konditionierbarer Assoziationen'. Diese ist eine potentielle Lernanlage für bedingte Relationen, die als erworbene Kenntnisse gemäß Geschmackserfahrungen beim Probieren oder Fressen "erfasst" werden können. Die konzipierte Lernfähigkeit ermöglicht die Simulation der höheren Lernform 'bedingte Aktion' auf der Basis bedingter Logik-Funktionen für empirische Urteile unter dem Einfluss von assoziierten Voraussagen, - im qualitativen Unterschied zu konditionierbaren Reiz-Reaktion-Systemen für 'bedingte Reaktionen' (vgl. konnektionistische 'Neuronale Netze').

Der situationsbedingte Kenntniserwerb als kognitiver Grundprozess (bei der 'Erkennung' einer Objekteigenschaft) wird mit einem induktiven Lernmechanismus für die Ausbildung bedingter Relationen zwischen zuordenbaren Begriffen (Objekt- und Geschmacksinformationen) simuliert. Unter der Bedingung einer "beobachteten" Signal-Koinzidenz zweier aufeinander beziehbarer Invarianten (Variablenwerte) kann in der 'kognitiv-logischen Gedächtnisstruktur' eine bedingte Relation ausgebildet und "strukturell" gespeichert werden, wenn als Voraussetzung für das induktive Lernen mindestens eine konditionierbare Assoziation "potentiell" veranlagt worden ist (vgl. Koinzidenzdetektion zur Verbindungsstärkung im assoziativen Gedächtnis).
   Beim simulierten Kenntniserwerb werden in der veränderlichen logischen Struktur für jede "kennengelernte" Objektart mehrere aufeinanderfolgende Geschmackserfahrungen, - jeweils nur die letzen zwei -, als einzelne bedingte Relationen gespeichert. Damit kann die "erfahrene" Tendenz der Änderung einer Objekteigenschaft beim erneuten Untersuchen der gleichen Objektart "erinnert" werden.
   Aus der erfahrungsgemäßen Tendenz-Auswertung folgt eine hypothetisch assoziierte Voraussage (als vermutete Handlungskonsequenz). Diese beeinflusst mindestens ein empirisches Urteil und ermöglicht dadurch eine situationsangepasste Entscheidung für die nächste Handlung.
   Beim induktiven Lernen werden singulär angenommene Erfahrungen verallgemeinert als situationsbedingt erworbene Kenntnisse gemäß einer vermuteten Regelmäßigkeit der erfassten Zusammenhänge. Dagegen müssen zufällige oder untypische 'irrelevante' Erfahrungen als nicht regelgemäß deklassiert werden, was systemtechnisch möglich ist mit der statistischen Methode der Tendenz-Auswertung für erworbene Kenntnisse (bedingte Relationen) einer Art.

Das strukturelle Speichern einer bedingten Relation bedeutet deren funktionale Wirksamkeit in der "kognitiv-logischen" Gedächtnisstruktur (bis zum Vergessen). Dieses entspricht dem zeitlichen Behalten einer erworbenen Kenntnis (von der "erfahrenen" Objekteigenschaft) in Form einer konditionierten Assoziation in der modellierten 'assoziativen Gedächtnisstruktur'. Damit wird das kurz- oder langzeitige Behalten einer erworbenen Kenntnis simuliert. Für jede "kennengelernte" Objektart (z. B. 'Nahrung' oder 'unbekannt') kann mindestens eine bedingte Relation bezüglich der Geschmackserfahrung (z. B. 'süß', 'sauer' oder 'bitter') gespeichert werden.

Das Assoziieren aus Erfahrung führt zu erinnerten Vorstellungen durch situationsabhängige Kenntnisnutzung beim jeweiligen Untersuchen von Objekten. Dafür konzeptionell vorgesehen ist die funktionelle Nutzung von 'bedingten Relationen' (def. als erworbene Kenntnisse) für die 'assoziative' Bildung von hypothetischen Voraussagen (Erwartungen oder Vorurteile).
   Das implementierte 'Assoziieren aus Erfahrung' beeinflusst lerntypisch die Geschmacksurteile, die ein Gesamturteil über das untersuchte Objekt mitbestimmen. Die hierfür genutzten bedingten Relationen in Form von 'erfahrungsgemäß' konditionierten Assoziationen sind einbezogen in die situationsbedingt modifizierten, logischen Verknüpfungen, die maßgeblich sind (als 'bedingte Logik-Funktionen') für erfahrungsgemäße Erkennungs- und Bewertungsergebnisse. Letztere sind Einflussgrößen für "intelligente" Entscheidungen, um adaptives Verhalten zu simulieren entsprechend dem Selbstlernen bei geänderten Umwelt- oder Systembedingungen.

Induktive Schlüsse der kognitiven Logik werden durch bedingte Relationen einer assoziativen Gedächtnisstruktur ermöglicht, in der sie empirisch gespeichert worden sind. Aufgrund solcher Erfahrungen (beim Probieren oder Fressen) entstehen beim Untersuchen eines wahrgenommenen Objekts assoziierte Voraussagen (hypothetische Erwartungen), die induktive Schlüsse mitbestimmen. Beispielsweise führt eine negative Geschmackserfahrung ('bitter') zum "negativen" Vorurteil und damit zu einem negativen Geschmacksurteil (z. B. 'war schlecht'), das dann das Urteil "genießbar" antriebsabhängig hemmt oder verhindert (Urteil: 'genießbar?' bzw. 'ungenießbar').
   Mit induktiven Schlüssen wird das Umlernen durch Erfahrung simuliert, d. h. die kognitive Umorientierung für ein früher unbekanntes Objekt, das beim Probieren als Nahrung akzeptiert und geschmacklich gut bewertet wurde, gegenüber neuerdings schlecht bewerteter bekannter Nahrung.
   Die bisher negative oder vorsichtige Einstellung zu dem noch unbekannten Objekt (als Neues) wandelt sich nach dem Kennenlernen des Neuen aufgrund guter Erfahrung zu einer positiven Haltung gegenüber dem 'kennengelernten' Objekt. Die geänderte Einstellung zum bisher Unbekannten zeigt sich dann mit einer positiven Voraussage als empirische Prädiktion beim nächsten Untersuchen dieses Objekts.

Das Simulationsmodell 'Lernender Homöostat' nutzt heuristische Regeln nach der Methode "trial and error" für das Suchen, Untersuchen und Versuchen (Probieren) von Objekten. Angestrebt wird das Auffinden und Fressen von möglichst wohlschmeckender Nahrung, - in Abhängigkeit von der internen Situation (gemäß Antrieb, bestimmt vom aktuellen Bedarf), von der externen Situation und von subjektiven Urteilen (gemäß Emotion und Motivation).
   Der Homöostat zeigt unterschiedliche Einstellungen gegenüber einem gefundenen Objekt beim Untersuchen: vorsichtiges oder voreingenommenes Verhalten (bei Vorurteilen und schlechten Erfahrungen), anspruchsvolles Verhalten (bei geringem Bedarf) oder sogar anspruchsloses Verhalten (in Notsituationen) - aufgrund von subjektiven Urteilen und Erfahrungen, beeinflusst von Antrieb, Emotion und Motivation.

Nach vorsichtigem Probieren eines Objekts wird erst bei gut bewertetem Geschmacksurteil weitergefressen, infolge dessen der Bedarf des Homöostaten stufenweise sinkt. Eine Ausnahmesituation liegt bei maximalem Bedarf vor (Antrieb für 'Gier'), wenn nur Wert auf Fressen gelegt wird (zwecks Bedarfsenkung), - nicht auf Lustgewinn.
   Eine "anspruchsvolle" Entscheidung für Probieren (Anspruch) kann beim Untersuchen von Genießbarem dann erfolgen, wenn ein assoziiertes Urteil "annehmbar" (für eine lustlose Geschmackserfahrung) und der Antrieb 'Appetit' vorliegen.
   Beim Probieren/Fressen mit 'Appetit' wird infolge eines realen Urteils "annehmbar", das die Emotion für 'unzufrieden' bewirkt, nur kurz gefresssen, worauf 'Abwenden (Appetit)' folgt.

Beim Untersuchen eines kennen gelernten Objekts entsteht eine empirische Voraussage (Prädiktion) als Erwartung für ein hypothetisches Geschmacksurteil durch 'Assoziieren aus Erfahrung', z. B. ein assoziiertes Urteil "sehr gut" oder "annehmbar", falls keine schlechte Erfahrung vorliegt (sonst negatives Vorurteil).
   Eine positive Voraussage beim Erkennen bewirkt das hypothetische Gesamturteil "genießbar" für das untersuchte Objekt. Die assoziierte Voraussage "sehr gut" beim Untersuchen führt zum Bewertungsergebnis 'Emotion für Vorfreude' vor der Entscheidung für eine Nahrungsaufnahme (Vorfreude vor dem Fressen).
   Eine kritische Voraussage für das vermutete Geschmacksurteil "annehmbar?" (Gesamturteil: "genießbar?") entsteht aufgrund einer erinnerten Erfahrung ohne Lustgewinn ('Emotion für unzufrieden'). Das führt bei geringem Bedarf zur Entscheidung 'Probieren (Anspruch)'. - Wenn aber nur minimaler Bedarf vorliegt, folgt daraufhin 'Abwenden (Appetit)'.
   Das Untersuchen eines bisher unbekannten Objekts führt bei großem Bedarf zu einer heuristischen Annahme "genießbar?" (antriebsbedingtes Interesse für Neues) und zur vorsichtigen Entscheidung 'Probieren (Versuch)'. Der neue Versuch ermöglicht ein objektbezogenes Kennenlernen und auch Umlernen gemäß dem Prinzip 'trial and error' (Problemlösen durch adaptives Verhalten).

Ein negatives Vorurteil beim Untersuchen von Genießbarem entsteht aus einer letzten oder vorletzten schlechten Geschmackserfahrung. Es bewirkt das 'Abwenden (Vorurteil)' bei geringem Antrieb (Appetit oder mittlerem Bedarf).
   Ein Probieren (Anspruch) von bekannter Nahrung aufgrund eines negativen Vorurteils erfolgt erst bei einem mittleren Bedarf (ab 'Magen halb voll').
Das Probieren (Versuch) eines unbekannten Objekts, das nicht als "ungenießbar" betrachtet wird, kann erst bei großem Bedarf (ab 'Magen fast leer') erfolgen, wenn keine gute Erfahrung oder ein negatives Vorurteil für das bisher wenig bekannte Objekt vorliegt.

Ein reales positives Urteil über das probierte Objekt lässt ein bisheriges Vorurteil für dieses Objekt vergessen und bewirkt eine bessere Emotion (z. B. emotionaler Umschwung zu 'Freude'). Die Bestätigung eines empirischen Urteils durch ein positives Geschmacksurteil führt zur Emotion für 'Freude' und zur weiteren Entscheidung 'Fressen' (Weiterfressen), solange noch Bedarf besteht (Antrieb nicht 'gesättigt') oder bis das Objekt aufgefressen worden ist.
   Ein Urteil "sehr gut" bewirkt auch eine stufenweise Verstärkung des bedarfsabhängigen Antriebs von 'Appetit' zu '+Hunger' oder von 'Hunger' zu '+Gier' (Antriebssteigerung).

Die Nichtbestätigung einer positiven Voraussage "sehr gut" aufgrund eines realen Urteils "annehmbar" oder "schlecht" führt zum emotionalen Umschwung von 'Freude' zu 'unzufrieden' bzw. 'Ekel + Ärger' (Enttäuschung).

Bei drohender Gefahr wird sofort für die Aktion 'Sichern' entschieden, - analog zum unbedingten Reflex (Reflexbogen). Aktuelle Erkennungsergebnisse zu Objekteigenschaften werden dabei gelöscht (analog Vergessen im Kurzzeitgedächtnis wegen Gefahr). - Während des Sicherns kann bei maximalem Bedarf (Notsituation: 'Magen noch leer') die Entscheidung 'Untersuchen + Sichern' gefällt werden, wenn ein Objekt vorhanden ist, dessen Objektcharakter trotz Gefahr (mit 'Mut') auf Genießbarkeit zu untersuchen ist (Überlebenskonflikt). Zwecks Selbsterhaltung dominiert in der Gefahrensituation das 'Sichern', so dass bei erneuter Wahrnehmung eines Objekts für 'Sichern' entschieden wird. Danach kann durch eine neue 'Wahrnehmung' wieder eine kritische Entscheidung 'Untersuchen + Sichern' gefällt werden. Die simulierten Entscheidungen für wiederholbare Konflikt-Lösungen werden bestimmt durch wechselnde Entscheidungsgründe auf unterer Autonomie-Ebene.
   Bei großem Bedarf für ein als Nahrung bekanntes Objekt führt die Beendigung der Gefahrensituation, erst wenn 'keine Gefahr' besteht, zur schnellen Entscheidung 'Fressen' (Wegfall von erneutem Untersuchen).


4. Bedienhinweise für das Simulationsmodell 'Lernender Homöostat'

Die manuelle Eingabe der Situationsvorgaben für eine Wahrnehmung erfolgt durch beliebige Auswahl der anklickbaren Vorgabewerte in den Pull-Down-Menues (Verifikation von Invarianten als Input-Variablenwerte). Erst mit Klick auf den Button 'Wahrnehmung:' werden alle ausgewählten Vorgaben für Input-Begriffe gültig gemacht und kognitiv-logische Zuordnungsprozesse gestartet.
   Der weitere Ablauf im lernfähigen Zuordnungskomplex des 'Homöostaten' vollzieht sich durch Aktivierung einzelner Zuordnungsniveaus (mit ihren logischen Verknüpfungen) in der Reihenfolge: Wahrnehmung - Erkennung - Bewertung - Entscheidung.
   Wenn für Ablauf der Zuordnung die Voreinstellung "Input => Output" gültig ist (siehe links unten), läuft die Steuerfolge von Wahrnehmung bis Entscheidung automatisch ab. - Anderenfalls im Testmodus, wenn die Einstellung "Step by Step" für Einzelschritte gewählt wurde, muss nach erfolgter 'Wahrnehmung' jeder folgende Zuordnungsschritt einzeln durch Klick auf den entsprechenden Button ('Erkennung:' bis 'Entscheidung für') manuell veranlasst werden.

Als simulierte aktuelle Handlung des Homöostaten wird links oben die Aktion angezeigt, die dem jeweils vorherigen Entscheidungsergebnis entspricht. (unter 'Entscheidung für: nächste Handlung/Reaktion'). Die aktuelle Aktion kann das 'Wahrnehmen' einschränken und kann auch logische Funktionen des Zuordnungsprozesses situationsabhängig beeinflussen.

Zur Unterstützung bei der Auswahl von Situationsvorgaben für typische Lernszenarien sind einige Input-Hinweise (links oben) für Fall-Beispiele in einem Pull-Down-Menue aufgelistet. Diese Hinweis-Zeilen haben nur informellen Zweck und keine funktionelle Einwirkung auf die simulierte Wahrnehmung und Erkennung im lernenden Homöostaten.


5. Subjektiv bewertender Intelligenter Automat - ein innovatives KI-Konzept

Nach Erkenntnissen aus der Hirnforschung sind besondere Funktionskomplexe im Gehirn lokalisierbar, die für Kognitionsleistungen zuständig sind. Vielseitige Untersuchungen von Cortex-Arealen und ihren Wechselwirkungen mit subcortikalen Funktionskomplexen erzielen naturalistische Erklärungen für mentale Prozesse in neuronalen Gedächtnisstrukturen (vgl. Monismus). Mit modernen bildgebenden Verfahren der Magnetresonanztomografie lassen sich situationsspezifische Gehirnfunktionen neurowissenschaftlich unterscheiden und einzelnen (mehr oder weniger bewussten) "Gedanken" begrifflich zuordnen. Ebenso detektierbar sind sogar 'noch unbewusste' Absichten (Intentionen) für bevorstehende Entscheidungen des Probanden (vgl. Macht des Unbewussten).
Erfahrungsgemäße Handlungssteuerungen für intelligentes Verhalten und "rationale Autonomie" werden mit individuellen Urteilen aufgrund von 'subjektiven Bewertungen' (vgl. "unbewusste" Funktionen des limbischen Systems) nach neurowissenschaftlichen Erkenntnissen folgendermaßen erklärt:
   "Gehirne unterscheiden sich von künstlichen informationsverarbeitenden Systemen dadurch, dass sie die Konsequenzen ihres Handelns nach genetisch vorgegebenen bzw. durch Prägung oder Lernen erzeugten Kriterien (bzw. einer Kombination hiervon) bewerten. Grundlage dieser Bewertung ist die Befriedigung elementarer Lebens- und Überlebensbedürfnisse, die als lustvoll empfunden werden, bzw. die Abwehr oder das Vermeiden von Zuständen, die dieser Befriedigung entgegenstehen. Sie werden als Affekte empfunden. An diese primären Bewertungsvorgänge schließen sich über verschiedene Lernformen vermittelte sekundäre Prozesse der Bewertung an, die als Motivation, Emotionen einschließlich Interesse und Neugier und als Stimmungen empfunden werden.
   Bei der selektiven Signalverarbeitung im Gehirn wirken sich zum einen die momentanen Bedürfnisse und Ziele des Lebewesens aus, zum anderen werden die vorhandenen Erfahrungen berücksichtigt.
   Es wird angenommen, dass bei jeder Wahrnehmung und jeder Handlung neben den Details und dem Kontext auch die Bewertungskomponente in unterschiedlichen Gedächtnissen (perzeptives, kognitiv-explizites, emotionales und prozedural-implizites Gedächtnis) abgelegt wird. Beim Auftreten derselben oder ähnlicher Wahrnehmungen und Handlungen bzw. Handlungskontexte werden die emotionalen Bewertungen aufgerufen und beeinflussen direkt die Wahrnehmungen und die Handlungsauswahl. Emotionales und kognitives Gedächtnis arbeiten also "arbeitsteilig".
   Allgemein ist der Prozess der Bewertung gegenüber dem der Aufmerksamkeit sowohl psychologisch als auch neurobiologisch noch wenig erforscht..."
   [Obige Aussagen enthält das Forschungsprogramm 2002 bis 2004 des Sonderforschungsbereichs 517 "Neurokognition" - seit 1996 an der Universität Bremen und CvO Universität Oldendburg. - Näheres zum Forschungsansatz siehe » www.physik.uni-oldenburg.de/docs/sfb/forschungsprogramm.htm]

Das interaktive KI-Modell "Lernender Homöostat" (» meine Erstimplementation 1980) simuliert ein lerntypisches Nahrungsaufnahmeverhalten aufgrund von situationsbedingtem Kenntniserwerb, - abhängig von bedarfsgemäßem Antrieb, individueller Motivation und Emotion, d. h. beeinflusst von "eigenen" Bewertungen bei der Beurteilung der erkannten Situation zwecks "optiomaler" Entscheidung für eine möglichst vorteilhafte Handlung (vgl. bedingte Aktion). Dieser intelligent lernende Automat vollzieht "subjektive" Bewertungen von situationsspezifischen Wahrnehmungs- und Erkennungsergebnissen durch die 'urteilsbildende' Einbeziehung seiner erfahrungsgemäß assoziierten Voraussagen (Vorurteile oder Erwartungen) und bestimmt damit "empirische" Urteile (gemäß seinem Erfahrungswissen). Dafür nützliche erworbene Kenntnisse entsprechen seinen bisherigen Geschmackserfahrungen von wahrgenommenen Objekten, - die nicht nur 'bekannte', sondern auch versuchsweise 'kennengelernte' Objekte sein können, wodurch "selbsterhaltendes" Umlernen ermöglicht wird (vgl. Untersuchung von Neuem bei großem Bedarf).
   Die sprachlichen Ausdrücke und Anzeigen des Simulationsmodells betreffen u. a. Erkennungsergebnisse und empirische Urteile für 'affektgesteuerte' und 'erfahrungsbedingte' Entscheidungen zwecks situationsangepasster (adaptiver) Handlungsauswahl. Sprachliche Kommentar-Anzeigen als deklarative Statusreports betreffen explizite Situationsbeschreibungen (analog Selbstreflexion über 'Ich'-Zustände), empirische Urteile und systemeigene Ansprüche (analog individuellen Einstellungen). Außerderm dargestellt werden Symbole für Gesichtsausdrücke als emotionale Äußerungen.

Das KI-Modell "Lernender Homöostat" entspricht meinem Systemkonzept 'Intelligenter Automat' für kognitive Logik. Es ist ein realisierter Prototyp eines innovativen 'kognitiv-logischen' Modells für "subjektiv bewertende" lernfähige Gedächtnissysteme, die perspektivische Bedeutung haben für die Entwicklung von KI-Artefakten mit Expertenwissen für spezielle Aufgaben, - konzipierbar als "kognitive Roboter" oder lernfähige "autonome Agenten".
   Technisch entwickelbar sind Intelligente Automaten als 'kognitive Systeme', die durch Selbstlernen (vgl. höhere Lernformen) klug handeln können und möglichst befähigt sind zu Selbstkontrolle und rationaler Autonomie zwecks Selbsterhaltung durch Anpassung und Homöostase (dynamische Stabilität). Solche lernfähigen 'kognitiv-logischen' Gedächtnissysteme nutzen für eigene Urteile und Aktionen ihre situationsbedingt erworbenen Kenntnisse des induktiv ausgebildeten und präzisierbaren Erfahrungswissens zusätzlich zu ihrem veranlagten Basis-Wissen. Durch erinnerbare Vorstellungen und Erwartungen sind sie in der Lage, besondere Problemsituationen zu erkennen und zwecks Lösungsfindung voraussichtlich zu beurteilen sowie subjektiv zu bewerten, damit sie vorteilhafte Entscheidungen optimal fällen können - im Rahmen ihrer (vom Menschen zu begrenzenden) Handlungsfreiheit.

Konzipierte kognitiv-logische Gedächtnisstrukturen für inteligente Automaten wurden mit deklarativen Aussagen beschrieben gemäß meiner Grunderkenntnisse, Thesen und Definitionen (vgl. Puplikationen seit 1978). Als charakteristisch für sie gelten folgende Aspekte:
- Zu simulieren sind empirische Urteile zur "intelligenten" Entscheidungsfindung durch systembezügliche Bewertung von 'assoziativ erinnerten' Erwartungen für voraussichtliche Handlungskonsequenzen vor dem Entschluss. Dazu nötig ist antizipatorisch nutzbares Erfahrungswissen (erworbene Kenntnisse) für empirische Voraussagen beim 'bedingten Erwägen' einer optimalen Entscheidung. - Publizierte Beiträge hierfür sind kognitiv-logische KI-Konzepte und mein schematisches Gehirnmodell zur Erklärung 'hierarchisch gekapselter' Lernformen.
- Formale dynamische Wissensdarstellungen werden analog ausbildbaren Begriffsstrukturen bestimmt durch 'strukturelles Lernen' eines kognitiv-logischen Gedächtnissystems mit Erfahrungswissen, das im Rahmen der Lerndisposition modifizierbar ist. Ein situationsbedingter Kenntniserwerb, aufgefasst als kognitiver Grundprozess, ist simulierbar mit mindestens einem induktiven Lernmechanismus auf der Basis von konzeptionellem Vorwissen für Grundfunktionen (veranlagtes Basis-Wissen, z. B. für Implikationen a priori), - im Unterschied zum Tabula-rasa-Ansatz des Empirismus/Behaviorismus für konnektionistische Neuronale Netze.
- Kognitiv-logische Gedächtnissysteme erlernen ihre induktiven Inferenzen (Schlüsse) durch erfahrungsgemäße Einbeziehung (empirische Implikation) von kenntnisspezifischen 'bedingten Relationen' in ihre bedingten Logik-Funktionen. Ihre empirischen Urteile entsprechen 'bisher bewährten' Regeln, die als 'induktiv angenommen' nur solange gelten, bis sie geändert oder korrigiert werden (vgl. Umlernen).
- Bedingte Logik-Funktionen eines intelligenten Gedächtnissystems (KI-Artefakt) sollen induktiv erlernt und auch "selbststrukturierend" umgelernt werden können durch situationsbedingten Kenntniserwerb (erfahrungsgemäßes Kennenlernen von Neuem), - möglichst ohne aufwändige Belehrung oder Training. Dieser Anspruch kann bisher nicht von technischen 'Neuronalen Netzen' (NN) erfüllt werden, die erst nach vielen Belehrungen mit Beispielvorgaben eine konditionierte Mustererkennung vollziehen können, - bestimmt mit graduell antrainierten, statistisch berechneten (arithmetischen) Aktivierungsfunktionen für grob modellierte Neurone eines klassifizierenden Reiz-Reaktion-Systems.
- Implementierbare innovative Konzepte einer definierten "Kognitiven Logik" wurden seit 1978 aufgezeigt. Im Unterschied zur formalen, klassischen Logik (für "starres" Regelwissen) hat ein kognitiv-logisches Systemkonzept "Intelligenter Automat" den Vorzug einer vorbestimmten 'strukturellen Lerndisposition' als potenzieller Anlage für induktiv erlernbare bedingte Relationen, die erworbenen Kenntnissen entsprechen. Damit ermöglicht werden 'erfahrungsgemäße' Implikationen für bedingte Logik-Funktionen, die in lernfähigen Gedächtnisstrukturen situationsabhängig ausbildbar und modifizierbar sind (vgl. erlerntes Erfahrungswissen, das konsolidiert, korrigiert oder korrigiert werden kann).
- Begriffsbestimmende mentale Operationen zur symbolisch-abstrakten Selektion und Integration in 'lernfähigen Gedächtnissystemen' sind modellierbar mit kognitiv-logischen Funktionen, gekennzeichnet durch verknüpfte 'bedingte Relationen' (als "erfasste" Beziehungen) zwischen Variablen in komplexer Vernetzung. Eine formale Simulation der analytischen Abstraktion und synthetischen Verallgemeinerung zur begrifflichen Bestimmung von Urteilen, Bewertungen und Entscheidungen wird ermöglicht mit kognitiv-logisch verknüpften Begriffsymbolen, definiert als verifizierbare Invarianten in Symbol-Formationen auf hierarchischen Zuordnungsniveaus eines 'lernfähigen Zuordnungskomplexes' (vgl. » meine publizierten KI-Konzepte/Simulationsmodelle).
- Kognitiv-logisch darstellbar sind ausgebildete Begriffsstrukturen für theoretische Denkmodelle entsprechend konstruktiven Konzepten zur Beschreibung von kognitiv erfassten Zusammenhängen (vgl. Theorien, Axiome, Fiktionen), deren "induktiv erlernte" bedingte Relationen aufgrund verallgemeinert angenommener Regelmäßigkeiten nur hypothetisch gelten können. Deshalb müssen sich erworbene Kenntnisse von neu erfahrenen Regeln bei ihrer Nutzung empirisch bewähren, um weiterhin als 'relativ wahr' zu gelten (sonst Falsifizierung, Korrektur oder Umlernen).
- Möglich sind Ungewissheiten in Folge von 'induktivem' Lernen aufgrund von situationsbedingt erworbenen Kenntnissen, die als regelgemäß angenommene Erfahrungen verallgemeinert werden und möglicherweise falsch erlernte Regeln und Urteile für künftiges Fehlverhalten begründen, falls die zufälligen oder untypischen 'irrelevanten' Erfahrungen nicht als solche identifiziert und systemtechnisch deklassiert werden können (vgl. philosophisches Induktionsproblem).


6. Sozialer Trend zu riskanter Technisierung mittels intelligenten Automaten

KI-Experten werden selbstlernende Intelligente Automaten als kognitiv-logische Gedächtnissysteme mit dynamischen Wissensdarstellungen konzipieren, entwickeln und bauen, die ihr ausbildbares Erfahrungswissen selbstbezüglich nutzen, kognitiv erweitern und rekursiv verbessern können. Diese innovativen Artefakte werden in der Lage sein, die für sie notwendigen Umstellungen und auch mögliche Verbesserungen oder Korrekturen (vgl. Umlernen) 'einsichtig' zu ermitteln und durchzuführen bzw. absichtlich zu planen, damit ihre Einstellung vorteilhaft geändert und ihr Verhalten an geänderte Umweltbedingungen besser angepasst wird.

Der bekannte Roboter-Experte Hans Moravec macht in seinem Buch "Computer übernehmen die Macht - Vom Siegeszug der Künstlichen Intelligenz", Hoffmann und Campe 1999 - ISBN 3-455-08575-X, die folgende Prognose:
   "Wenn die exponentielle Beschleunigung der Rechnerleistung voranschreitet wie bisher, dann wird es im Laufe der kommenden Menschen-Generation Roboter geben, die ihre Umgebung wahrnehmen, sich anpassen, lernen, Gefühle entwickeln und sogar denken können wie Menschen - doch in viel leistungsfähigerer Form." - Er meint weiter:
   "Die künstliche Intelligenz hat es geschafft, die bewußte Oberfläche des logischen Denkens nachzuahmen, und hat uns vor Augen geführt, wie unabsehbar und fremd die unbewußten Prozesse unter der Oberfläche sind." [aus S. 44]
   "Die Ingenieure, die die Mechanismen ihrer hochentwickelten Roboter ganz genau kennen, werden auf keinen Fall bereit sein, ihren Maschinen wirklichen Verstand zuzuschreiben. Von innen betrachtet, werden Roboter zweifellos Maschinen sein, die nach mechanischen Prinzipien handeln - wenn auch sehr komplexen Prinzipien. Doch von außen gesehen, wo die Maschinen als Ganzes in Erscheinung treten, werden sie den Eindruck von Intelligenz hinterlassen." [aus S. 110]
   Hans Moravec propagierte seine Prognose als Direktor des Mobile Robot Laboratory der Carnegie Mellon University in Pittsburgh, - vgl. » http://www.frc.ri.cmu.edu/~hpm/book98/.

Die prognostizierte technische Entwicklung von 'intelligenten Automaten' wird große gesellschaftliche Auswirkungen haben (vgl. massive Arbeitslosigkeit, riskante Technikabhängigkeit und Gefahren automatisierter Militärtechnik). Notwendig sind soziale Sicherheitsanforderungen an kognitive Roboter und damit verbundene Einschränkungen ihrer konzipierten Handlungsfreiheit.

Die umstrittenen Forschungen zur so genannten "starken" KI haben das bisher unerreichte Ziel einer technischen Entwicklung von "wirklich intelligenten" Automaten, d. h. gehirnähnlich "denkenden" kognitiven Systemen. Beispiele bisher entwickelter KI-Innovationen sind beeindruckend vorführbare Androiden (mit menschenähnlicher Gestalt), interaktive Spiel-Roboter (vgl. virtuelle Realität) und "intelligente" Software, die sich besonders für Computerspiele vermarkten lässt. - Viel sinnvoller und nutzbringender erscheinen die pragmatischen Forschungen zu der "schwachen" KI, die orientiert ist auf nützliche KI-Modelle für spezielle Aufgabenbereiche.

'Intelligente Automaten' (möglichst mit Selbstkontrolle) sind technisch entwickelbar als KI-Modelle für lernfähige Gedächtnissysteme, die erkannte Situationen selbstbezüglich (subjektiv) bewerten und mit assoziierten Voraussagen "aus Erfahrung" beurteilen können. Ihre empirischen Urteile und assoziativen Erinnerungen (Vorstellungen oder Erwartungen) beeinflussen logische Schlüsse, besonders zur adaptiven Handlungssteuerung zwecks Homöostase (vgl. Simulation 'rationaler' Autonomie). [11]
   Schwer beherrschbar sind Risiken durch die Entwicklung von 'autonomen' Automaten mit individueller Einstellung, die "eigensinnig" handeln können (vgl. asoziales Verhalten) und befähigt sind zur Befehlsverweigerung, falls sie keinen 'subjektiv bewerteten' Nutzen oder Vorteil erfahrungsbedingt erwarten (vgl. egoistisches Gewinnstreben).
   Dabei notwendig ist eine konfliktvermeidende Einschränkung ihrer Handlungsfreiheit zwecks Abwendung von möglichen Gefahren (für Mensch und Roboter) durch konzeptionell vorbestimmte Selbstkontrollen gemäß 'sittlichem' Verhaltenskodex (vgl. Meta-Automat meines Systemkonzepts "Intelligenter Automat").
   Ein Verhaltenskodex bestimmt implementierbare Regeln für "moralische" Grundsätze (vgl. Gewissen) zwecks Selbstkontrolle und Konfliktvermeidung, insbesondere durch antizipatorisches Abwägen von möglichen Entscheidungen für situationsangepasste Aktionen rechtzeitig vor ihrer routinemäßigen Ausführung.

Als einen Verhaltenskodex für Roboter definierte der Sciencefiction-Schriftsteller Isaac Asimov in seinem Roman »Runaround« (1942) folgende drei Grundsätze für in Robotern implementierbare Regeln entsprechend einer disziplinierten Verhaltenssteuerung (vgl. ethische Selbstkontrolle):
   1. Ein Roboter darf keinen Menschen verletzen oder durch seine Untätigkeit zu Schaden kommen lassen.
   2. Ein Roboter muss den Befehlen eines Menschen gehorchen, es sei denn, solche Befehle stehen im Widerspruch zum ersten Gesetz.
   3. Ein Roboter muss seine eigene Existenz beschützen, es sei denn, dieser Schutz tritt in Konflikt mit dem ersten oder zweiten Gesetz.

Die Entwicklung von lernenden Robotern und KI-Artefakten wird erschwert durch notwendige Maßnahmen zur Beherrschung einschätzbarer Risiken zwecks Abwehr von technisch ermöglichten Gefahren.
   Schwierig erscheint die Erfüllung der 'ethischen' Forderung nach sozialer Verantwortung für gesellschaftliche und globale Auswirkungen der technischen Umsetzung von kognitiv-logischen Prinzipien in entwickelbaren Systemen mit maschineller Intelligenz, weil von einzeln wirkenden Experten die wahrscheinlichen Risiken kaum rechtzeitig prognostiziert und nur teilweise fundiert eingeschätzt werden können.

Je komplexere kognitiv-logische Modelle lernfähiger Gedächtnissysteme technisch (software- oder hardwaremäßig implementiert) entwickelt werden, desto schwieriger wird die Lösung des Problems ihrer systembedingten Unsicherheit aufgrund von nicht auszuschließenden Fehlern oder Fehlurteilen mit schwer abzuschätzenden Folgen bzw. gefährlichen Auswirkungen. Ein notwendiger Schutz vor technisch möglichen Konflikten und Gefahren ist erreichbar mit "intelligenten" Systemkontrollen und Abwehrmaßnahmen gegen absehbare Störfälle im sozialen Umfeld.

Wie die Technikgeschichte zeigt, werden weiterhin zielstrebige und erfinderische Menschen ihre vorgestellten Realisierungsmöglichkeiten für konstruktive Konzepte entgegen allen kritischen Einwänden und Schwierigkeiten zumindest versuchsweise in die Praxis umsetzen. Deshalb wird auch eine "natürliche" Entwicklung zu 'maschineller Intelligenz' prognostiziert, - beginnend mit kognitiv-logischen Simulationen von Denkprozessen in lernenden Automaten oder Beratungssystemen mit ausbildbarem Erfahrungswissen.
   Zunehmende Bedeutung erlangen Projekte der technischen Entwicklung von "autonomen" Agenten, 'lernenden' Robotern und 'intelligenten' Automaten, die keine oder nur beschränkte Kreativität besitzen. Die erforderliche Begrenzung ihres Handlungsspielraums ist konzeptionell vorbestimmbar mittels Regeln entsprechend einem "menschenwürdigen" Verhaltenskodex für Roboter.

Die notwendige Kontrolle hinsichtlich gefährlicher Eigenleistungen von kognitiven Automaten wird gefordert bei der Automatisierung, nicht nur im Industriebereich, und ist besonders problematisch für automatisierte Militär- und Waffentechnik. Riskante Projekte betreffen waffengestützte Überwachungssysteme (ferngesteuert im Luftraum) in Verbindung mit relativ autonom agierenden Kampfrobotern, deren aggressives Verhalten menschlicher Ethik widerspricht.


   LITERATUR:

Gerhard Roth, » Die Zukunft des Gehirns, - Erkenntnisse der Hirnforschung zu Fragen der KI-Problematik

Klaus Mainzer, » Perspektive Künstliche Intelligenz, - Geschichte und Zukunft der KI-Forschung/Robotik

Eberhard Liß, » Wissenschaftliche Puplikationen zu Konzepten für Denkmodelle der Kognitiven Logik (Weblinks)

Eberhard Liß, » Lernender Homöostat mit kognitiver Logik für rationale Autonomie, 3. Simulation 2001, -
                        dazu obige Kurzbeschreibung: www.liss-kompendium.de/ki/hom-beschr.htm

  Siehe neuere Essays: » Kognitiv-logische Grunderkenntnisse, - Gedächtnisprinzipien für Denkmodelle
                                    » Paradigma Kognitive Logik für intelligente Automaten, - Exzerpt als PDF-Datei


  » TOP            www.liss-kompendium.de  © 2001 Copyright by Eberhard Liß        aktualisiert: 01/2017