Eberhard Liß  -  www.liss-kompendium.de/ki/koglog-intro.htm  -  Publikationen für Kognitive Logik



Kognitiv-logische Gedächtnissysteme als intelligente Automaten

Eine Kurzfassung publizierter Erkenntnisse und Konzepte für Kognitive Logik


1. Intro: Erklärungsmodelle für kognitive Systeme mit lernfähigen Gedächtnisstrukturen

Der Neurowissenschaftler Prof. Dr. Wolf Singer (seit 1981 Direktor am Max-Planck-Institut für Hirnforschung in Frankfurt am Main) beantwortete im Interview zum Thema »Die Entschlüsselung des Gehirns« (vgl. SPIEGEL Special 4/2003, Seite 23) Fragen zweier SPIEGEL-Redakteure, - u. a. die Frage: "Das vielleicht größte Rätsel bleibt das Gehirn selbst. Glauben Sie, dass der neuronale Code, also das Prinzip, nach dem Bewusstseinszustände entstehen, geknackt werden kann?"
   Singers Antwort: "Wir haben ja nicht einmal die simple Frage vollständig geklärt, wie eigentlich Wahrnehmungen im Gehirn neuronal verwirklicht werden. Zudem sehen wir das Nervensystem immer noch viel zu sehr als ein im Grunde lineares, stationäres System, das als Reiz-Reaktions-Maschine funktioniert, was wahrscheinlich ganz falsch ist."
   Am 24.10.2001 meinte Singer in seinem Vortrag "Neuronale Grundlagen des Bewusstseins" (Paderborner Podium - www.hnf.de): "Derzeit treten neue Konzepte stark in den Vordergrund, die die Rolle von intrinsisch generierter Dynamik betonen und nach den neuronalen Korrelaten von antizipativen Prozessen suchen. Das Bild, das sich ergibt, ist das eines selektiven und aktiven Gehirns, das auf der Basis von Lernvorgängen, situativen Kontexten und intern generierten Erwartungshaltungen gezielt die Umwelt "abfragt" und so sehr schnell und effizient zu Problemlösungen kommt. Wichtige Faktoren, die diese intern erzeugte Aktivität anstoßen, sind neben den Gedächtnissystemen vor allem auch Systeme, die Emotion und Motivation erzeugen. Diese beiden Faktoren, die zur Bewertung von Umweltreizen und -ereignissen führen, spiegeln die vitalen Interessen eines Organismus wider und sind damit natürlich entscheidend für sensomotorische Auswahlprozesse."
   Die Problematik der Ausbildung von Erfahrungswissen in modifizierbaren Gedächtnisstrukturen des Gehirns charakterisierte Wolf Singer folgendermaßen (aus: 'Entscheidungsgrundlagen', FAZ v. 08.01.2004): "Alles Wissen, über das ein Gehirn verfügt, residiert in seiner funktionellen Architektur, in der spezifischen Verschaltung der vielen Milliarden Nervenzellen. Zu diesem Wissen zählt nicht nur, was über die Bedingungen der Welt gewusst wird sondern auch das Regelwerk, nach dem dieses Wissen zur Strukturierung unserer Wahrnehmungen, Denkvorgänge, Entscheidungen und Handlungen ver-wertet wird. Dabei unterscheiden wir angeborenes und durch Erfahrung erworbenes Wissen. Ersteres wurde während der Evolution durch Versuch und Irrtum erworben, liegt in den Genen gespeichert und drückt sich jeweils erneut in der genetisch determinierten Grundverschaltung der Gehirne aus. Das zu Lebzeiten hinzukommende Wissen führt dann zu Modifikationen dieser angeborenen Verschaltungsoptionen." - "Für die Funktionsabläufe in den neuronalen Netzwerken spielt es keine Rolle, ob Verschaltungsmuster durch genetische Instruktionen oder durch kulturelle Prägungsprozesse ihre spezifische Ausbildung erfuhren, ob die Aktivität der Neurone durch gewöhnliche Sinnesreize oder soziale Signale erfolgte." - "Erst das Weltwissen, das nach der Ausbildung deklarativer Gedächtnisfunktionen erworben wird, also in der Zeit, die wir erinnern, wird zu explizit Gewusstem. Wir erinnern den Lernvorgang, können dieses Wissen bewusst rekapitulieren und sprachlich zu Argumenten verwandeln."
   Zur Ausbildung von neuronalen Verknüpfungen durch kognitive Erfassung von Beziehungen (nach dem Koinzidenzprinzip) schrieb Wolf Singer in seinem Essay 'Der Beobachter im Gehirn (Suhrkamp Verlag Frankfurt am Main, 2002, S. 167): "Wissen über konsistente Beziehungen zwischen Phänomenen in der Welt wird auf diese Weise internalisiert und steht hinfort für die Interpretation sensorischer Signale zur Verfügung." - "Konsistente, häufig vorkommende Konstellationen führen zu verstärkter Kopplung zwischen Neuronen, die auf die korreliert auftretenden Merkmale reagieren. Die Folge ist, dass bei späterem Wiederauftreten ähnlicher Merkmalskombinationen die entsprechenden Neuronen sich über Synchronisation ihrer Antworten zu Ensembles konfigurieren, die dann als Ganzes in unverwechselbarer Weise die spezifische Konstellation von Merkmalen, das individuelle Wahrnehmungsobjekt, repräsentieren."

Erforschbare Gesetzmäßigkeiten sind durch systematische Untersuchungen von Sachverhalten wissenschaftlich zu erkennen und können erfahrungsgemäß beschrieben und erklärt werden. -
   Den kognitiv erfassten (begriffenen) Beziehungen zwischen beobachtbaren Gegenständen (Fakten, Dingen oder Ereignissen) entsprechen kenntnisspezifische Begriffsrelationen für Urteile (def. bedingte Relationen durch analytische Abstraktion und synthetische Verallgemeinerung, s. u.). [4]
   Durch kenntnisspezifische Ausbildung und Präzisierung von nutzbarem (Erfahrungs-)Wissen erklärbar sind Veränderungen des umweltangepassten Verhaltens von kognitiven Systemen (lernenden Organismen oder Automaten). Ihre wissenschaftliche Erforschung auf Basis einer innovativen (Er-)Kenntnistheorie ist orientiert auf prinzipielle Simulationen des natürlichen Kenntniserwerbs lernender Gedächtnissysteme, wobei technische Lösungen mit großen gesellschaftlichen Auswirkungen erwartet werden.
   Eine Introduktion zu Erklärungsmodellen für kognitive Systeme mit lernfähigen Gedächtnisstrukturen beschreiben die folgenden deklarativen Aussagen gemäß meinem kenntnistheoretischen Modellansatz für 'kognitiv-logische' Gedächtnissysteme:

Individuelles Erfahrungswissen in Gehirnen wird ausgebildet beim Lernen durch kognitives Erfassen (Begreifen) von Beziehungen natürlicher Zusammenhänge (untersuchter Sachverhalte) als erworbene Kenntnisse, die begrifflichen Beziehungen entsprechen. Diese sind darstellbar als 'bedingte Relationen' der erfahrungsgemäß (aus-)gebildeten Begriffsstrukturen für modellhafte Vorstellungen infolge von Beobachtungen oder Entdeckungen. -
   Die lerntypische Ausbildung von Erfahrungswissen aufgrund von situationsbedingtem Kenntniserwerb ermöglicht empirische Urteile und Schlüsse gemäß individuellen Erinnerungen oder Erwartungen, - insbesondere durch Nutzung von erlernten Begriffsrelationen (vgl. bedingte Relationen für verallgemeinerte Begriffe) als erworbene Kenntnisse von kognitiv erfassten Beziehungen. [1] - [4]

Aufgrund des Erkenntnisvermögens werden neue Kenntnisse situationsbedingt erworben und nach ihrer Überprüfung und Bewährung bestätigt als 'gewonnene Erkenntnisse' des Erfahrungswissens über untersuchte Objekte und ihre Beziehungen.
   Kritisch überprüfbare Kenntnisse können sich praktisch bewähren als gewonnene Erkenntnisse, die entsprechend erlernten Begriffsrelationen als 'relativ wahr' gelten, solange sie erfahrungsgemäß bestätigt werden (vgl. Bewährungsprinzip der Konsolidierung, sonst: Vergessen oder Umlernen zwecks Anpassung an Umweltänderungen). [1] - [6]

Der situationsbedingte Kenntniserwerb eines kognitiven Systems ist (kenntnistheoretisch) erklärbar als "kognitive Erfassung" (Begreifen) einer 'erfahrbaren' Beziehung zwischen Signalereignissen durch die verallgemeinernde Konditionierung mindestens einer kenntnisspezifischen Assoziation (vgl. bedingte Relation zwischen Begriffssymbolen), wozu 'als modifizierbar veranlagte' (plastische) synaptische Verbindungen zwischen Neuronen geeignet sind (vgl. strukturelle Lerndisposition), deren funktionelle Wirksamkeit erfahrungsbedingt "ausgebildet" wird gemäß der jeweiligen 'kognitiven Zusammenhangserfassung' von Signalereignissen nach dem Koinzidenzprinzip des 'strukturellen Lernens' im Gedächtnissystem (vgl. induktiver Lernmechanismus). [1] - [1d] [3] [4]
   Den kognitiv erfassten (begriffenen) Beziehungen zwischen begrifflichen Merkmalen (Begriffssymbolen) entsprechen erworbene Kenntnisse (bedingte Relationen) im 'assoziativen Gedächtnis', womit situationsabhängig erinnerbare Vorstellungen oder Erwartungen ermöglicht werden, insbesondere zwecks Wiedererkennung und erfahrungsbedingter Deutung von kennen gelernten Objekten oder Ereignissen.

Ein strukturveränderliches Gedächtnissystem "behält" (kurz- oder langzeitig) seine erworbenen Kenntnisse als "erlernte" bedingte Relationen (vgl. konditionierte Assoziationen) für gebildete Begriffsrelationen entsprechend kognitiv erfassten (begriffenen) Beziehungen von "erfahrenen" Zusammenhängen der sinnlich wahrnehmbaren Sachverhalte (vgl. Beobachtungen der objektiven Realität) und möglicherweise auch von "rational erdachten" hypothetischen Beziehungen zwischen Begriffen (vgl. Einsicht für theoretische oder fiktive Vorstellungen) infolge mentaler Reflexionen über Erinnerungen oder Erwartungen (vgl. Voraussagen zur Entscheidungsfindung durch Antizipation).
   Damit erklärbar sind unterschiedliche Formen des 'induktiven' Lernens durch Erfahrung - und das 'rationale' (auch intentionale) Lernen durch Einsicht in prinzipielle Sinn-Zusammenhänge für konstruktive Konzepte.

Kognitive Gedächtnisleistungen im Gehirn (ZNS) sind erklärbar durch neuronale Struktur- und Funktionsänderungen aufgrund von funktionell 'ausgebildeten' oder 'gebahnten' Synapsen zwischen Neuronen (vgl. 'konditionierte Assoziationen' für bedingte Relationen), die repräsentativ sind für situationsbedingt erworbene Kenntnisse entsprechend "kognitiv erfassten" begrifflichen Beziehungen.
   Ergebnisse der Lern- und Hirnforschung belegen, dass neuronale Netzwerke für erlernbare Funktionen (z. B. bedingte Reiz-Reaktionen) kenntnisspezifisch 'ausgebildet' werden können (vgl. antrainierte Konditionierung).

Individuelle Lernprozesse basieren auf funktionell veränderten Neuronen-Verknüpfungen (strukturell geänderte Verschaltungen), die lernfähigen Funktionskomplexen in unterschiedlichen Bereichen des Gehirns angehören können (vgl. situationsbedingt wechselwirkende Moduln).
   Die beim situationsbedingten Kenntniserwerb bewirkten funktionellen Modifikationen lernender Gedächtnisstrukturen im Gehirn sind erklärbar durch neue oder funktionell veränderte synaptische Verbindungen zwischen Neuronen (vgl. plastische Synapsen für 'strukturelles Lernen'). -
   Neurowissenschaftlich nachgewiesen ist eine strukturelle Modifizierbarkeit (Plastizität) interneuronaler Verknüpfungen mittels 'synaptische Verbindungen', die epigenetisch und ontogenetisch ausgebildet werden können. [6]

Funktionelle Neuronen (aktivierbare Nervenzellen) wirken als elementare Verknüpfungseinheiten durch ihre situationsabhängige Aktivierung (vgl. axonale Output-Signale) gemäß ihren jeweiligen Input-Signalen von anderen Neuronen, die erregenden oder hemmenden Einfluss haben über elektro-chemisch wirkende Synapsen. Diese fungieren als 'veranlagte' oder 'ausgebildete' synaptische Verbindungen, wobei letztere bestimmt werden als kenntnisspezifisch 'konditionierte Assoziationen' zur formalen Darstellung von "erlernten" bedingten Relationen analog kennen gelernten Beziehungen zwischen Begriffssymbolen.
   Die 'erfahrungsbedingt effektivierten' (konditionierten) synaptischen Verbindungen zwischen Neuronen entsprechen den kenntnisspezifisch 'konditionierten' Assoziationen (für 'erlernte' bedingte Relationen), die 'kognitive Gedächtnisleistungen' ermöglichen (vgl. empirische Urteile gemäß assoziierten Voraussagen).
   Neurophysiologisch und -biologisch nachgewiesen ist, dass beim Lernen im "plastischen" Nervensystem bedingte neuronale Verknüpfungen ausgebildet werden, die auf funktionalen synaptischen Verbindungen beruhen. Mit diesen können erfahrungsbedingte Erinnerungen (z. B. für Erwartungen oder Vorurteile) im Gehirn erklärt werden, die auf dem kognitiven Grundprozess des Kenntniserwerbs durch "strukturelles Lernen" beruhen.

Aus Forschungen zu "künstlicher Intelligenz" (KI) und zu maschinellem Lernen resultierten konnektionistische 'Neuronale Netze' mit antrainierbaren Erkennungsleistungen, die seit etwa 1985 progressiv weiterentwickelt wurden, - meist als Computersimulationen mittels "arithmetischen" Neuronenmodellen in variabel ausbildbarer Verkopplung. Diese fungieren als elementare Verknüpfungseinheiten (hierarchisch angeordnet, meist nur 2 oder 3 Zuordnungsniveaus) für erlernbare Symbolzuordnungen zur Mustererkennung, insbesondere zwecks Identifikation oder Klassifikation von kennen gelernten Objekten. Das aufwändige Training eins solchen 'lernenden' Zuordners geschieht mit Serien von Lehrbeispielen und bewirkt ein 'Anlernen von Grund auf', d. h. ohne vorgegebenes A-priori-Wissen (Tabula-rasa-Ansatz für Bottom-Up-Lernen - nicht wie im Gehirn!). -
   Für jede "lernfähige" Verknüpfungseinheit mit numerischer Gewichtung ihrer Inputs erfolgt die situationsbedingte Neuberechnung einzelner Input-Gewichte ereignisgesteuert und abhängig davon, ob jeweils für eine "graduell konditionierbare Assoziation" die zeitliche und räumliche Kontiguität von Ereignissen detektiert worden ist, d. h. unter der vorausgesetzten Koinzidenzbedingung (vgl. Hebb´sche Regel für synaptische Aktivierungen). - Die variablen Inputgewichte einer elementaren Verknüpfungseinheit als funktioneller Knoten (analog Neuron) sind vergleichbar mit 'Verbindungsstärken' für Synapsen, die fungieren als "plastische" Verbindungen zwischen Neuronen.
   Jede 'arithmetische' Verknüpfungseinheit hat einen binären Output für ein situationsabhängiges Aktionssignal, dessen Erzeugung gemäß einer schwellenwertabhängigen Aktivierungsfunktion erfolgt. Jeweils errechnet wird die aktuelle Einfluss-Summe aller gewichteten Inputs eines Knotens, damit durch ihren Vergleich mit dem zugeordneten Schwellenwert das aktuelle Aktivierungsniveau des Knotens bestimmt werden kann.
   Die Relevanz der Input-Einflüsse eines Knotens ist abhängig von der vorgegeben Größe des Schwellenwerts. - Der kritische Fall eines maximalen Schwellenwerts (gleich Maximalsumme) entspricht einer logischen Konjunktion aller Inputs des Knotens, d. h. ihrer konjunktiven Relevanz für dessen Output-Funktion. Dagegen im Fall eines minimalen Schwellenwerts sind alle Inputs 'alternativ relevant' analog einer logischen Disjunktion der Inputs.

Ein großer Nachteil von 'Einfluss summierenden' Neuronenmodellen ist, dass der jeweilige Wirkanteil jedes "relevanten" Inputs, d. h. sein effektiver Anteil an der maximalen Einfluss-Summe, bei steigender Anzahl der wirksamen Inputs im reziproken Verhältnis sinkt. Der Wirkanteil jedes addierten Inputs wird umso kleiner, je größer die Anzahl der verknüpften Inputs wird. - Folglich müssen pro Knoten mit sehr vielen Inputs (im Gehirn: ca. 10 Tausend Synapsen pro Neuron) eine sehr große Maximalsumme gemäß (variabler) Input-Anzahl und ein entsprechend großer Schwellenwert vorbestimmt werden.

Konnektionistische 'Neuronale Netze' haben folgende Nachteile:
- extrem schwieriges Auffinden der optimalen Netzstruktur für eine Erkennungsaufgabe (mit ausreichender Anzahl Knoten und Verbindungen).
- zeitaufwendiges Anlernen mittels vieler Trainingsvorgaben (Beispiele und Wiederholungen) aufgrund der statistischen Ermittlung von knotenspezifischen Inputgewichtungen für 'erlernte' Merkmalskonfigurationen,
- fehlender Lernmechanismus für schnelles Selbstlernen unterstützt von Bewertungsfunktionen gemäß Vorwssen (weil: kein A-priori-Wissen für systemimmanente Grundfunktionen),
- Black-Box-Charakter des 'unkontrollierten' Netzwerks, d. h. keine sicher vorhersagbaren Knoten-Outputs, - deshalb schwierige Systemanalyse bezüglich des "angelernten Wissens" im komplexen Netzwerk (keine Erklärungskomponente),
- fehlende Statusreports für Argumente gemäß aktuellen Systemzuständen (keine Selbstkontrolle).

Die durch Belehrung lernenden Neuronalen Netze simulieren "niedere" Lernformen für 'bedingte Reaktionen' und sind Modelle einfacher Reiz-Reaktions-Systeme ohne eigene Bewertungsfunktionen. Solche konditionierbaren Zuordner zwecks angelernter Mustererkennung vollziehen keine logischen Urteile und keine erfahrungsbedingten Schlüsse (induktive Inferenzen) für optimale Entscheidungen gemäß subjektiven Bewertungen (Motivationen und Emotionen) von assoziierten Voraussagen "aus Erfahrung" (erinnerten Erwartungen) als Entscheidungshilfen zwecks adaptiver oder intelligenter Verhaltenssteuerung, wozu selbst lernende kognitive Systeme mit assoziativem Gedächtnis befähigt sind.
   Ein Neuronales Netz, konzipiert als konnektionistisches Erkennungsmodell, verfügt über kein veranlagtes Basis-Wissen für logische Grundfunktionen und kann keine empirischen Urteile äußern. Im fehlt eine superponierte Erklärungskomponente (möglichst "selbstreflexives" Metawissen) mit sprachlichen Ausdrucksmöglichkeiten für deklarative Aussagen über aktuelle Systemzustände und Einstellungen (vgl. fehlende Statusreports, - keine Selbstkontrolle mit Selbstmodell analog Bewusstsein).

Andersartige Konzepte betreffen 'Bayes'sche Netze' als mathematische Wissensdarstellungen mittels Graphen zur expliziten Modellierung von Domänen für unsicheres Wissen, wobei vorgegebene oder angelernte Wahrscheinlichkeiten für Kanten zwischen Knoten eines Graphen (vgl. Relationen eines semantischen Netzes) digital gespeichert bzw. statistisch errechnet werden. Damit implementierbar sind wahrscheinliche Inferenzen (Schlüsse) gemäß statistischem Erfahrungswissen, - gestützt auf veranlagtes A-priori-Wissen.
   Ermöglicht werden auch deklarative Aussagen über Systemzustände des jeweiligen Modells und seiner Inferenzprozesse mit Hilfe entwickelbarer Erklärungskomponenten (d. h. keine 'Black Box'-Charakter wie bei Neuronalen Netzen).

Auf neuronalen Gedächtnisstrukturen basierende Denkprozesse sind beschreibbar mit sprachlich formulierbaren Logik-Regeln zwecks argumentativ begründbaren Aussagen für Urteile oder Schlüsse, die funktionell bestimmt werden durch elementare Verknüpfungsformen der logischen Konnektive: Konjunktion, Disjunktion und Negation (vgl. Aussagenlogik mittels "und", "oder" und "nicht"; auch: "wenn-dann"-, "entweder-oder"- sowie "weder-noch"-Aussagen).

Meine These: Vermutlich gibt es in lernfähigen Gedächtnisstrukturen des Gehirns "logische" Verknüpfungen für begriffliche Repräsentationen (Konzepte), Vorstellungen und Urteile, die sprachlich ausdrückbar sind (vgl. Aussagesätze über Begriffsstrukturen). Demnach fungieren Neuronen in 'zuordnenden' Funktionskomplexen für viele disjunktive Verknüpfungen von 'konjunktiv synchronisierten' neuralen Aktionsmustern (def. Formationen), die speziellen Merkmalskonjunktionen (def. Invariantensätzen) entsprechen und somit unterscheidbar und (wieder-)erkennbar sind. -
   Eine einzelne begriffliche Formation gilt als selektiertes Besonderes, das typisch ist für 'Abstraktes im Allgemeinen', d. h. für einen (analysierten) Begriff in Zuordnung zu mindestens einem (synthetisch) verallgemeinerbaren Begriff einer Kategorie oder Objektklasse, die aufgefasst wird als 'integrativer' Oberbegriff von disjunktiv einbezogenen (Unter-)Begriffen.

Logische Verknüpfungen synaptischer Inputs von einzelnen Neuronen wurden durch experimentelle Reizung neurowissenschaftlich nachgewiesen, beispielsweise im Rückenmark der Katze.
   Für unterschiedlich ausbildbare "logische Grundfunktionen" im neuronalen Netzwerk notwendig sind mindestens zwei neuronale Verknüpfungsarten, jeweils für die logische Konjunktion oder Disjunktion der Inputsigale über synaptische Verbindungen. -
   Für ausschließende Verknüpfungen erforderlich ist die logische Negation, die gesteuert vollzogen wird mittels inhibitorischen Synapsen an Neuronen (vgl. laterale Inhibition im assoziativen Cortex).

Das postulierte "logische Neuronenmodell" ist gekennzeichnet durch seine 'konjunktiv verknüpften' (dendritischen) Synapsen und außerdem wirksame 'disjunktiv verknüpfte' (axonale) Synapsen, - außerdem auch inhibitorische (axonale) Synapsen.
   Für logische Verknüpfungen vieler Inputs gelten folgende Vorteile gegenüber den "arithmetischen" Neuronenmodellen (mit "nicht logischen" Aktivierungsfunktionen, s. o.):
   Bei der Verknüpfung gemäß einer logischen Konjunktion ist der Wirkanteil jedes Inputs auf den Output unabhängig von der Anzahl aller konjunktiv verknüpften Inputs, d. h. immer "relevant" und (mit-)entscheidend für die Verifikation des Outputs (z. B. CAND zur 'analytischen Abstraktion' einer Formation gemäß begrifflicher Merkmalskonjunktion).
   Bei der Verknüpfung gemäß einer logischen Disjunktion hat jeder der alternativen Inputs eine anzahlunabhängige direkte Wirkung auf den Output (z. B. COR zur 'synthetischen Verallgemeinerung' eines allgemeinen Oberbegriffs).

Von mir definierte »kognitiv-logische Grundstrukturen« sind gekennzeichnet durch ihre 'erlernten' bedingten Relationsverknüpfungen (mittels konditionierten Assoziationen) entsprechend bedingten Logik-Funktionen zur modellmäßigen Darstellung von ausgebildeten Begriffsstrukturen, die durch analytische Abstraktion oder synthetische Verallgemeinerung modifizierbar sind. [4]
    Kognitiv-logische Grundstrukturen für elementare Konzeptformen 'ausbildbarer' Begriffsstrukturen sind definierbar mit "kognitiven" OR- und AND-Knoten (def. COR- bzw. CAND) als plastischen Grundverknüpfungen einer (nichtklassischen) »Kognitiven Logik«, die vom Autor systemtheoretisch aufgezeigt worden ist. [1] - [5]
   Für begrifflich ausbildbare Grundverknüpfungen ist jeder COR- oder CAND-Knoten dispositionell vorbestimmt zur 'synthetischen Verallgemeinerung' bzw. 'analytischen Abstraktion' des jeweils dargestellten Begriffs, was knotenspezifisch ermöglicht wird mit "erlernbaren" (konditionierbaren) Assoziationen gemäß der 'strukturellen Lerndisposition'.

Obiges Bild (aus [1a]) veranschaulicht einen modifizierbaren Zusammenhangsgraph mit prinzipiell möglichen 'konditionierbaren Assoziationen' (gestrichelt) einer strukturellen Lerndisposition der 'kognitiv-logischen Grundstruktur' für einen verallgemeinerbaren Oberbegriff Cy, - dargestellt als erweiterbarer COR-Knoten nach CAND-Knoten, wobei disjunktiv bzw. konjunktiv verknüpfte bedingte Relationen ausgehend von begrifflich einbeziehbaren Merkmalen Cx 'induktiv erlernbar' sind (gemäß definierten Koinzidenzbedingungen). [4]
   Eine definierte "kognitiv-logische Grundstruktur" (mit CAND- und COR-Knoten) dient zur modellmäßigen Darstellung von ausbildbaren Begriffsstrukturen mit aufgezeigten 'Konzeptmoduln' als lernfähige Verknüpfungs-/Zuordnungseinheiten für situationsbedingt modifizierbare Logikfunktionen (durch Kenntniserwerb, vgl. 'kognitiv erfasste' bedingte Relationen der Kognitiven Logik). Diese ähneln neuralen Verknüpfungseinheiten mit postulierten "logischen" Funktionen, die elementar bestimmt werden von "logisch fungierenden" Neuronen (Nervenzellen) mit disjunkten, konjunkten und auch inhibitorischen Einflüssen ihrer Synapsen.

Der situationsbedingte Kenntniserwerb wird (von mir) bestimmt durch die Konditionierung von Assoziationen (für bedingte Relationen) entsprechend den modifizierten synaptischen Verbindungen zwischen Neuronen, die jeweils ausgebildet werden gemäß der 'kognitiven' Zusammen-hangserfassung nach dem Koinzidenzprinzip des 'strukturellen Lernens' im Gedächtnissystem. [1] - [4]
   Die beim Lernen 'effektivierten' (konditionierten) synaptischen Verbindungen zwischen vernetzten Neuronen (als Verknüpfungseinheiten) sind analog zu situationsabhängig 'konditionierten' Assoziationen (für bedingte Relationen), die notwendig sind für erfahrungsbedingte 'kognitive Gedächtnisleistungen'.

Meine These: Kognitiver Sachverstand basiert auf bewährten Kenntnissen (definiert als 'Erkenntisse') des Erfahrungswissens, die "kognitiv erfassten" begrifflichen Beziehungen entsprechen und in "erlernte" logische Verknüpfungen erfahrungsgemäß einbezogen werden, z. B. für bedingte Logik-Funktionen aufgrund von 'induktiven' Implikationen (vgl. "wenn-dann"-Schlüsse).
   Aus der Deutung und Beurteilung von tatsächlichen bzw. vorgestellten Situationen resultieren logische Schlüsse als induktive oder deduktive Inferenzen (vgl. Konklusionen aus Prämissen), wobei grundsätzliche Urteile kenntnisspezifisch bestimmt werden durch die funktionelle Einbeziehung (Implikation) von veranlagten und/oder bedingten (Begriffs-)Relationen des Basis- bzw. Erfahrungswissens (vgl. Grundfunktionen bzw. erlernte Regeln).
   Logische Verknüpfungen von Begriffen und ihren Beziehungen sind formal darstellbar mit Relationen (Assoziationen) und verknüpften Aussagevariablen für Urteile, Schlüsse oder Logik-Funktionen zur Wissensdarstellung (vgl. semantische 'kausale' Begriffsnetze).

Logische Funktionen für deduktive und induktive Schlüsse (Inferenzen) können außerhalb von Gehirnen in "logisch gesteuerten" Maschinen technisch implementiert werden (vgl. logische Grundoperationen und programmierte Funktionen in Computern).
   Alle logisch funktionierenden Computer vollziehen ihre Berechnungen und Problemlösungen gemäß programmierten Algorithmen nach vereinbarten Regeln für logisch-funktionelle Zuordnungen von Symbolen (vgl. Instruktionen von Programmiersprachen). Fallspezifisch objektivierte Logik-Funktionen, meist logische Verknüpfungen binärer Variablen (vgl. Boole´sche Algebra), werden implementiert in vielfältigen Nutzungsformen der Informatik und Robotertechnik, insbesondere als schnelle Logik-Hardware (vgl. Computer-Schaltkreise) und durch Logische Programmierung (vgl. logische Steuerungen und Wissensdarstellungen in Expertensystemen).

Das (von mir seit 1978) aufgezeigte neue Paradigma der 'Kognitiven Logik' ermöglicht die Simulation von kognitiven Gedächtnisleistungen für logische Schlüsse (Inferenzen) gemäß ausgebildetem Erfahrungswissen zusätzlich zu veranlagtem Basis-Wissen, - im Unterschied zur klassischen (formalen, mathematischen) Logik mittels "starrem" Regelwissen (normativen Regeln) für deduktive Inferenzen. - Vorzugsweise können induktive Inferenzen (erfahrungsbedingte Schlüsse) implementiert werden gemäß 'selbst erlernten' bedingten Logik-Funktionen eines 'kognitiv-logischen Gedächtnissystems'. Damit unterscheidet sich letzteres von den 'nicht logischen' konnektionistischen KI-Modellen (sog. Neuronale Netze), die ohne nutzbares A-priori-Wissen schrittweise 'angelernt' werden können durch Training mit vielen Beispielvorgaben zur interpretativen Mustererkennung (vgl. Tabula-rasa-Ansatz des Empirismus). [1] - [5]

Typisch für 'strukturelles Lernen' (meine Definition) eines kognitiven Systems ist seine (verhaltensändernde) Funktionsänderung aufgrund seiner situationsbedingt veränderten Gedächtnisstruktur. Dafür erforderlich ist eine 'strukturelle Lerndisposition' des Gedächtnissystems, d. h. sein (genetisch) veranlagtes Lernvermögen für ausbildbare Funktions- und Verhaltensänderungen bei der Individualentwicklung durch situationsbedingte Lernprozesse. - Ich definierte für 'strukturelles Lernen' im Gedächtnissystem folgenden kenntnistheoretischen Erklärungsansatz:
   Beim 'induktiven Lernen' wird die individuelle Gedächtnisstruktur für Vorwissen erfahrungsgemäß modifiziert durch den situationsbedingten Erwerb mindestens einer neuen Kenntnis von einem kognitiv erfassten Zusammenhang (zwischen Dingen oder Ereignissen) des untersuchten Sachverhalts, - insbesondere nach begrifflich verallgemeinerten Beobachtungen (vgl. Einzelfälle einer erfüllten Koinzidenzbedingung) für induktiv angenommene Regel- oder Gesetzmäßigkeit. [1] - [3] -
   Der situationsbedingte Kenntniserwerb durch kognitive Zusammenhangserfassung (aufgrund von Basis- oder Vorwissen) verhilft zu ausgebildetem Erfahrungswissen. Dieses resultiert aus 'kenntnisspezifischen' Struktur- und Funktionsänderungen des Gedächtnissystems gemäß (induktiv erlernten) 'bedingten Relationen' (vgl. änderbare neuronale Verknüpfungen mittels 'plastischen' synaptischen Verbindungen).

Erworbene Kenntnisse werden (von mir) definiert als 'relationale Wissenselemente', die begrifflichen Beziehungen entsprechen. Diese werden als 'bedingte Relationen' in Form von konditionierten Assoziationen der (beim 'strukturellen Lernen' modifizierten) Gedächtnisstruktur kurz- oder langzeitig 'strukturell gespeichert', wobei ihre empirische Konsolidierung dem möglichen Vergessen oder Umlernen entgegen wirkt (bewährt als 'Erkenntnis'. [1] - [4]
   Eine neue Kenntnis von einer kognitiv erfassten (begriffenen) Beziehung wird erworben als ausgebildete bedingte Relation der lernfähigen Gedächtnisstruktur (gemäß vorgegebener struktureller Lerndisposition). Dabei vorausgesetzt wird geeignetes Vorwissen (Kontext- oder Hintergrundwissen), das einer wissensbasierten Lernkompetenz entspricht, gemäß bisherigen Erfahrungen (vgl. Kenntnisse, Modelle und Metawissen) und veranlagtem 'Basis-Wissen' (vgl. Denkkatagorien a priori, nach I. Kant). -
   Situationsbedingt erworbene Kenntnisse entsprechen begrifflichen Beziehungen und werden funktionell genutzt als bedingte Relationen des Erfahrungswissens im Gedächtnissystem, beispielsweise für empirische Urteile aufgrund von induktiv angenommenen Gesetzmäßigkeiten.
   Erfahrungsgemäße (Er-)Kenntnisse verhelfen zu individuellen (Modell-)Vorstellungen und assoziierten Voraussagen, die situationsabhängig einbezogen werden in empirische Urteile, subjektive Bewertungen und erwogene Entscheidungen.
   Erworbene Kenntnisse müssen sich bei ihrer Nutzung bewähren (Konsolidierung), damit sie "im Gedächtnis behalten" bleiben. Anderenfalls werden sie durch erfahrungsgemäße Kritik korrigiert oder vergessen (Falsifizierung).
   Solange erworbene Kenntnisse praktisch unbestätigt bleiben, gelten sie nur als unbewährte oder hypothetische Kenntnisse (gemäß dem Prinzip der Bewährung für Erkenntnisse).
   Neuerworbene (Er-)Kenntnisse ermöglichen konstruktives Denken und (Um-)Lernen zur Verbesserung des Erfahrungs- oder Orientierungswissens, insbesondere durch Gewinnung von "rationaler" Einsicht in prinzipielle Zusammenhänge.
   Beim Umlernen durch Kennenlernen eines neuen Zusammenhangs (antivalente Relationen) wird mit der neu erworbenen Kenntnis (als neue Alternative) eine bisher genutzte Kenntnis falsifiziert und durch die neue Kenntnis ersetzt (d. h. antivalente Nutzung der 'neu erlernten' bedingten Relation).

Praktisch bestätigte Kenntnisse gelten als 'bisher bewährt' durch empirische Überprüfung (Konsolidierung) und sind nutzbar als Erkenntnisse entsprechend den als gesetzmäßig angenommenen Erfahrungen, die bisher hinreichend adäquat sind zu wirklichen Zusammenhängen, aber nur solange die entsprechenden Umweltbedingungen real weiter bestehen können.
   Erkenntnisse sind vorteilhaft nutzbar bei der 'kognitiven' Informationsverarbeitung, insbesondere für Erwartungen und assoziierte Voraussagen "aus Erfahrung" zur lerntypischen Steuerung von situationsangepasstem Verhalten.

Eine 'Erkenntnis' wird bestimmt als eine 'bisher bewährte' erworbene Kenntnis des Erfahrungswissens und entspricht der gewonnenen Einsicht in einen Sinn-Zusammenhang in Folge der kognitiven Erfassung (Begreifen) einer begrifflichen Beziehung, die als 'bedingte Relation' formal objektivierbar ist (resultierend aus der situationsbedingten Zusammenhangserfassung durch konstruktive Konnexanalyse).
   Erkenntnisse gelten für kognitiv erfasste (begriffene) Beziehungen von 'erkannten' Zusammenhängen in semantischer Zuordnung zu lerntypisch ausgebildeten Begriffsstrukturen des situationsbedingt modifizierbaren Erfahrungswissens.
   Sprachliche Darstellungsformen für objektivierbare (Er-)Kenntnisse entsprechend begrifflichen Beziehungen sind 'relationale Aussagen' (Sätze oder Relationen), die kommunikativ mitteilbar sind als empirische Urteile oder logische Inferenzen (vgl. Begriffsrelationen bzw. Schlussfolgerungen).

Grunderkenntnisse werden bestimmt als bisher bewährte 'prinzipielle Erkenntnisse' von 'grundsätzlichen' natürlichen Beziehungen. Diese können explizit dargestellt werden in Form von prinzipiellen Aussagen (def. Logos-Relationen).
   Prägnante Ausdrucksformen für axiomatisch darstellbare Grunderkenntnisse als 'wesentliche Beziehungen' in Form von relationalen Aussagen für begriffliche Assoziationen entsprechen prinzipiellen Vorstellungen des symbolisch-abstrakten Denkens eines sprachbegabten Gehirns.

Definierte »Logos-Relationen« für Grunderkenntnisse des Erfahrungswissens sind prinzipielle Aussagen, die mit möglichst wenigen Worten prägnant formuliert werden.
   Logos-Relationen dienen zur prägnant formulierten Beschreibung von "fundamentalen" begriff-lichen Beziehungen als Grunderkenntnissen des gewonnenen Erfahrungswissens. [9].

Prinzipiell unterschieden werden empirische und theoretische Erkenntnisse eines lernfähigen Gedächtnissystems hinsichtlich ihrer situationsspezifischen Entstehungsart (Verursachung oder Begründung), die gekennzeichnet ist durch eine externe bzw. interne Ursache oder Bedingung.
   Für situationsbedingten Kenntniserwerb möglich sind zwei Konditionierungsarten, definiert als 'reale' bzw. 'assoziative' Konditionierung, gemäß einer externen ('kognitiv' wahrgenommenen) bzw. systeminternen ('intuitiv' assoziierten) Situationsbedingung für mindestens eine detektierte Signal-Koinzidenz pro konditionierbarer Assoziation der strukturellen Lerndisposition (vgl. definierte Koinzidenzbedingung der Konnexanalyse eines induktiven Lernmechanismus).

Individuell gewonnene empirische oder theoretische Erkenntnisse entsprechen erworbenen Kenntnissen (Wissenszuwachs) für kognitive Leistungen (z. B. Voraussagen), die zunächst nur hypothetisch als "adäquat" gelten, bezogen auf natürliche Beziehungen einer objektiven Realität. Ihr angenommener Wahrheitsgehalt (vermutete Validität) muss ständig bezweifelt und empirisch überprüft werden, z. B. durch praktische Tests oder wissenschaftliche Experimente (vgl. Theorie ohne Gewissheit). [7]
   Intuitiv oder versuchsweise neu gebildet werden begriffliche (Ver-)Bindungen oder Verknüpfungen als neue Assoziationen von (Modell-)Vorstellungen für konzeptionelle Entwurfe (vgl. Hypothesen, Designs, Kompositionen oder Erfindungen), die innovativ genutzt werden können als Gestal-tungsideen oder Lösungsansätze für Probleme.
   Theoretische Erkenntnisse beim 'Lernen durch Einsicht in prinzipielle Sinn-Zusammenhänge' verhelfen zu zielorientierten Problemlösungen mittels neu konzipierten (Modell-)Vorstellungen und assoziierten Erwartungen, die beim antizipativen Erwägen von Entscheidungen zu bewerten sind.

'Konstruktive Konzepte' für Modelle (vorgegebene und ausgebildete Begriffsstrukturen) eines lernfähigen Gedächtnissystems entsprechen seinen individuellen Vorstellungen (subjektiven Anschauungen oder angenommenen Hypothesen), die als erinnerte Ansichten situationsabhängig nutzbar sind (z. B. versuchsweise), um das individuelle Verhalten "intelligent" steuern zu können.
   Konstruktive Konzepte für neuartige Denkmodelle entsprechen empirisch ausgebildeten Begriffsstrukturen, die formal objektivierbar sind mit 'relationalen Aussagen'.
   Auf systematisch erworbenen (Er-)Kenntnissen basieren prädiktive Modelle und wissenschaftliche Theorien, die kritisiert und praktisch überprüft werden können (vgl. kognitiv-logische Modellbildung).
   Theoretische Aussagen von konzeptionellen Modellvorstellungen gemäß den systematisch erworbenen (Er-)Kenntnissen sind glaubwürdig für wissenschaftliche Theorien, solange sie als logisch-empirisch überprüft gelten und nach dem Bewährungsprinzip bestätigt werden. [9]

Meine systemtheoretischen Konzepte und Definitionen für lernfähige 'kognitiv-logische' Gedächtnissysteme ermöglichen eine technische Entwicklung von innovativen KI-Modellen mit perspektivischen Vorzügen der 'nicht klassischen' Kognitiven Logik. Realisierbar sind lernfähige KI-Artefakte als 'subjektiv bewertende' Automaten (vgl. lernfähige Homöostaten) oder 'autonome Agenten' der kognitiven Robotik. [1] - [5]

2. Erkenntnisse für kognitiv-logische Gedächtnissysteme als intelligente Automaten

Lernende Organismen sind beschreibbar als kognitive Systeme, die ihr bisheriges Verhalten in Folge von kennen gelernten (Umwelt-)Bedingungen aufgrund eigener Erfahrungen verändern können, insbesondere durch erworbene Kenntnisse von kognitiv erfassten (begriffenen) Beziehungen der natürlichen Zusammenhänge und untersuchten Sachverhalte (vgl. gegenständliche Dinge oder beobachtbare Ereignisse).
   Ein kognitives System kann sein Verhalten situationsangepasst ändern (d. h. lernen) aufgrund seiner Lerndisposition als konzeptionelle Anlage für seinen situationsbedingten Kenntniserwerb, insbesondere durch Gewinnung von empirischen oder theoretischen Erkenntnissen für seine Kognitionsleistungen.

Induktives Lernen eines kognitiven Systems wird bestimmt als "Lernen durch Erfahrung" gemäß den situationsbedingt erworbenen Kenntnissen, die dem individuell ausgebildeten Erfahrungswissen entsprechen und funktionell genutzt werden können für erinnerbare Vorstellungen oder Erwartungen (assoziierte Voraussagen für empirische Urteile). - Systemimmanente Voraussetzungen für induktive Lernprozesse sind veranlagtes Basis-Wissen (A-priori-Wissen) für fundamentale Steuer- und Kontrollfunktionen und außerdem nutzbares Vorwissen (erworbene Vorkenntnisse des Erfahrungswissens), - was eine Abkehr vom "tabula rasa"-Postulat des Empirismus bedeutet.

Hypothetisch 'erlernbar' sind Regeln beim induktiven Lernen durch Verallgemeinerung detektierter Koinzidenzereignisse für erfassbare Zusammenhänge, wobei (nach dem Prinzip der Vereinbarkeit) als 'regelmäßig' erkannte Prinzipien oder Gesetzmäßigkeiten induktiv angenommen werden. - Diese Regeln gelten nur hypothetisch und müssen sich praktisch bewähren (vgl. Bestätigung, Konsolidierung), um nicht verworfen oder geändert zu werden (Falsifizierung bzw. Korrektur oder Umlernen).
   Induktiv angenommene Regeln für empirische Urteile gelten als 'bisher bewährt' nur solange, bis sie erfahrungsgemäß geändert oder korrigiert werden müssen (vgl. Umlernen). [1]

Meine These: Durch kognitive Zusammenhangserfassung werden neue Kenntnisse erworben als 'bedingte Relationen' der jeweils lerntypisch modifizierten Gedächtnisstruktur (d. h. strukturell erlernt) und dadurch funktionell nutzbar gemacht (d. h. strukturell gespeichert) für kognitive Leistungen (vgl. Erinnerungen) entsprechend kenntnispezifischen Beziehungen ausgebildeter Begriffstrukturen.
   Gestützt auf neuro- und kognitionswissenschaftliche sowie verhaltensphysiologische Erkenntnisse kann angenommen werden, dass nicht nur bedingte Reaktionen, sondern auch höhere Lernformen auf ausgebildete bedingte Relationen in lernfähigen Gedächtnisstrukturen zurückführbar sind, die 'synaptischen Verbindungen' entsprechen und funktionalen Einfluss auf empirische Urteile und "subjektive" Entscheidungen des Gehirns haben können.

»Hierarchische Lernformen« wurden von mir 'verschachtelt klassifiziert' bestimmt - als Bedingter Reflex, Bedingte Reaktion (Konditionierung), Bedingte Aktion (durch Bewertung, mit Voraussagen 1. Art), Bedingtes Erwägen optimaler Entscheidungen (mit Voraussagen 2. Art), Lernen durch Einsicht in prinzipielle Zusammenhänge und Intentionales Lernen (vgl. folgendes Bild meines schematischen Gehirnmodells, publiziert 1986 in [1a]). [1b] [3] [6]

Die höheren Lernformen 'bedingte Aktion' und 'bedingtes Erwägen optimaler Entscheidungen' beruhen auf einer "subjektiven" Beurteilung und Bewertung von assoziierten Voraussagen (Erwartungen). Empirische Urteile (Vorurteile) und Bewertungsergebnisse (Motivationen und Emotionen) beeinflussen die situationsabhängige Entscheidungsfindung.

»Bedingtes Erwägen« erfolgt durch bewertendes Abwägen von bedingt möglichen Entscheidungen antizipativ (vorweggenommen) vor dem Entschluss. Probeweise bewertet werden "voraussichtliche" Handlungskonsequenzen (assoziierte Voraussagen zweiter Art) im Rahmen der effektbezogenen Handlungskontrolle.
   Eine antizipatorische Entscheidungsoptimierung (Erwägung) kann dann erfolgreich sein, wenn für mögliche Konsequenzen von Alternativen realistische Voraussagen bewertbar sind, die von problemspezifischem Erfahrungswissen bestimmt werden, das einen 'ausreichenden' Wahrheitsgehalt hat (Adäquatheit, keine Gewissheit). Dieses modellhafte Wissen entspricht dem jeweiligen Wissensstand (relative Wahrheit) über prinzipielle Zusammenhänge in einer veränderlichen Umwelt.

Die hoch entwickelte Lernform »Lernen durch Einsicht in prinzipielle Sinn-Zusammenhänge« basiert auf der erfolgreichen Nutzung mindestens einer zweckdienlich erworbenen Kenntnis als einer neu erfassten begrifflichen Beziehung, die hypothetisch bestimmt wird als neue theoretische Erkenntnis für ein "konstruktives Konzept" des kognitiv erfassten Zusammenhangs von analytisch abstrahierten Fakten (Sinnesdaten), die erfinderisch in Beziehung gesetzt worden sind (vgl. Idee, z. B. neue Mittel-Zweck-Relation). [1b] [3]

Die Bildung eines "konstruktiven Konzepts" (als neuer Entwurf) gelingt durch 'kreative' Einsicht im Sinne eines 'innovativen' Verstehens von Zusammenhängen der abstrakt gedeuteten Darstellungsformen analysierbarer Strukturen oder Sachverhalte des untersuchten Gegenstandsbereichs.
   Ein konstruktives Konzept (abstrahierbar als gebildeter Begriff) entspricht einer erkenntnisgemäß ausgebildeten Begriffsstruktur, d. h. einer 'kognitiv neu geordneten' Verknüpfung begrifflicher Beziehungen. Diese wird gebildet durch logisch-funktionelle Nutzung mindestens einer neuen (Er-)Kenntnis beim "kognitiven Erfassen (Begreifen)" durch analytische Abstraktion und synthetische Verallgemeinerung von Begriffssymbolen (vgl. definierte Konditionierungsarten). [1a] [3] [4]

Konstruktive Konzepte können objektiviert werden als entwurfsgemäße Darstellungsformen für assoziativ in Beziehung gebrachte Begriffe, wobei die neu verknüpften begrifflichen Beziehungen darstellbar sind mit 'kognitiv-logischen Symbolverknüpfungen' (vgl. bedingte Logik-Funktionen).
    Ein neues 'konstruktives Konzept' ist darstellbar mit relationalen Aussage entsprechend einer "theore-tischen" Begriffsstruktur als These mit ungewisser Gültigkeit oder hypothetischer Wahrscheinlichkeit, d. h. mit "relativer Wahrheit" aufgrund der Möglichkeit ihrer Nichtbewährung oder Widerlegung (Falsifizierung). - Ein 'noch unbewährtes' Konzept ist versuchsweise nutzbar wie eine hypothetische Modellvorstellung im Kontext von deklarativem Erfahrungswissen.

Die verbesserte Einsicht durch gewonnene Erkenntnis entspricht dem 'erlernten' Verstehen durch Kenntniserwerb, d. h. kognitive Erfassung (Begreifen) mindestens einer begrifflichen Beziehung, die semantisch bestimmbar ist als neu erworbene Kenntnis von einem wahrgenommenen oder vorgestellten Zusammenhang (vgl. empirische oder theoretische Erkenntnis), - unter der Voraussetzung von nutzbaren Kenntnissen (d. h. geeignetes Vorwissen, Erfahrungswissen) zur kognitiven Ausbildung neuartiger Begriffsstrukturen im lernfähigen Gedächtnissystem. [9]

Gewonnene empirische oder theoretische Erkenntnisse entsprechen begrifflichen Beziehungen des individuellen Wissens über natürliche Zusammenhänge mit vermuteter Validität ohne Gewissheit. Deshalb muss der jeweilige Wahrheitsgehalt von darstellbaren Aussageformen relationaler Denkmodelle durch empirische Überprüfungen festgestellt werden (vgl. wissenschaftliche Experimente).
   Theoretische Aussagen von konzeptionellen Modellvorstellungen gemäß den systematisch erworbenen (Er-)Kenntnissen sind glaubwürdig für wissenschaftliche Theorien, solange sie als logisch-empirisch überprüft gelten und nach dem Bewährungsprinzip bestätigt werden.
   Fundamentale Modellvorstellungen gemäß Grunderkenntnissen sind explizit formulierbar mit Logos-Relationen (def. Basissätze) als prinzipielle Aussagen, mit denen konzeptionelle Deutungen beschrieben werden und auch konstruktive Konzepte (neue Entwürfe) für Thesen begründbar sind.

Definierte »Logos-Relationen« für Grunderkenntnisse des Erfahrungswissens sind prinzipielle Aussagen, die mit möglichst wenigen Worten prägnant formuliert werden. [9]
   Eine Logos-Relation entspricht der kurz gefassten Darstellung einer "prägnant objektivierten" Assoziation (Relation, Zuordnung) für mindestens eine begriffliche Beziehung, die ausgedrückt wird mit möglichst wenigen Begriffssymbolen (vgl. Zeichen, Wörter, Sätze oder Muster).
   Explizite Logos-Relationen sind wesentliche Aussagen in konzentrierter Form (Relevanz mit geringer Redundanz) in Form sprachlicher Ausdrücke. Diese basieren auf logischen Urteilen für 'relationale Begriffsdeutungen', die benötigt werden für prägnante Beschreibungen, Erklärungen oder informative Mitteilungen (z. B. Aussagesätze, Grundsätze oder Lehrsätze).

Mein konzeptioneller Modellansatz für 'Kognitive Logik' dient als neues Paradigma zur Erklärung und Modellierung von kognitiven Systemen als 'lernfähige Gedächtnissysteme' mit kognitiv-logischen Funktionen zur interpretativen Informationsverarbeitung. Mittels neuartiger Begriffsbestimmungen aufgrund von eigenen Erkenntnissen publizierte ich (seit 1978) meine Thesen und Konzepte zu 'kognitiv-logischen Gedächtnissystemen'. Von mir entwickelt und erprobt wurden drei Computersimulationen (def. 'Lernender Homöostat', seit 1980) als erste Beispiele für kognitiv-logische KI-Modelle und entwickelbare intelligente Automaten (vgl. » Publikationen im LISS-KOMPENDIUM). [1] - [5]
   Mit aufgezeigten Konzepten für Kognitive Logik erreichbar ist eine technische Implementation der situationsabhängigen Ausbildung von bedingten Logik-Funktionen eines kognitiv-logischen Gedächt-nissystems mit struktureller Lerndisposition und A-priori-Wissen. [1] - [4]
   Der kognitiv-logische Modellansatz ermöglicht die technische Entwicklung von "lernfähigen Inferenzsystemen" mit 'assoziativem Gedächtnis', die gekennzeichnet sind durch dynamische Wissensdarstellungen (vgl. meine Computersimulationen seit 1980). [2] [2a]

"Kognitive Logik" ist eine deklarative Methodik zur systematischen Modellierung von lernfähigen Gedächtnissystemen und ihren dynamischen Wissensdarstellungen, - begründet durch kenntnisspezifische bedingte Relationen in modifizierbaren logischen Verknüpfungen analog 'ausbildbaren' kognitiv-logischen Begriffsstrukturen.
   Kognitive Logik bedeutet einen systemtheoretischen Paradigmenwechsel zu "dynamischen" Wissensdarstellungen mittels lernfähigen kognitiv-logischen Gedächtnisstrukturen, - im Unterschied zur klassischen (formalen oder mathematischen) Logik mittels "starrem" Regelwissen, die orientiert ist auf begründbare formale Aussagen gemäß festgesetzten normativen Regeln für deduktive Inferenzen (logische Schlussfolgerungen ausgehend von Prämissen). -
   Aufbauend auf Basis-Wissen für Grundfunktionen ermöglicht die Kognitive Logik den Kenntniserwerb zum Erlernen (auch Umlernen) von induktiven Inferenzen durch 'empirische Implikationen' (Einbeziehungen bedingter Relationen) gemäß 'bisher bewährten' Kenntnissen für Regeln, die als 'erfahrungsgemäß angenommen' nur solange gelten, bis sie geändert oder korrigiert werden müssen.
   Situationsabhängige und aspektorientierte Inferenzen (Schlussfolgerungen, Urteile) werden kognitiv-logisch bestimmt mit empirischen Implikationen bedingter Relationen in kognitiv-logischen Grundverknüpfungen einer lernfähigen Gedächtnisstruktur. Für Inferenzen funktional nutzbare (veranlagte oder bedingte) Relationen sind äquivalent zu verfügbaren 'funktionsbestimmenden' Kenntnissen von begrifflichen Beziehungen.

Ein »lernfähiges Gedächtnissystem« - als kognitives System analog dem Gehirn - wird bestimmt mit strukturveränderlichen, nicht linear fungierenden Systemkomponenten in Form von plastisch verknüpften (variabel vernetzten) Funktionskomplexen, die in multihierarchischer Organisation relativ autonom interagieren können (vgl. mein schematisches Gehirnmodell für 'hierarchisch gekapselt' klassifizierte Lernformen, siehe Bild oben). [1b] [3] [6]
   Ein lernfähiges Gedächtnissystem, das befähigt ist zur optimalen Entscheidungsfindung für "intelligentes" Handeln, ist erklärbar mit einer (technisch modellierbaren) 'kognitiv-logischen' Gedächtnisstruktur, die eine dynamische Wissensdarstellung ermöglicht durch ihre Erweiterung oder Veränderung entsprechend mindestens einer "erlernten" bedingten Relation als erworbene Kenntnis.
   Seine strukturelle Lerndisposition (konditionierbare Assoziationen) und veranlagtes Wissen für Grundfunktionen (Basis-Wissen) dienen zur situationsabhängigen Ausbildung von Erfahrungswissen (modifizierte Verknüpfungen) für bedingte Logik-Funktionen, die bestimmt werden mit "erlernten" bedingten Relationen zwischen Systemvariablen für formale Darstellungen.
   Eine "bedingte Relation" wird als situationsbedingt erworbene Kenntnis in Form einer aufgebauten "konditionierten Assoziation" der lernfähigen Gedächtnisstruktur 'strukturell gespeichert' (behalten). [1] - [6]

Gemäß meinem kognitiv-logischen Erklärungsmodell ist das in der Gehirnstruktur verteilte 'assoziative' Gedächtnis für (erfahruns-)bedingte Logik-Funktionen systemtheoretisch beschreibbar als Phänomen "denkendes" Gedächtnis(system) im Sinne eines informationsverarbeitenden, lernfähigen Gedächtnissystems (vgl. Funktionseinheit von Speicher und Prozessor). Dieses vollzieht einerseits die kurz- oder langzeitige "struktureklle" Speicherung der situationsbedingt erworbenen Kenntnisse (als erinnerbare Erfahrungen) und anderseits die "kognitiv-logische" Informationsverarbeitung durch assoziative Nutzung von erworbenen (relationalen) Kenntnissen, - analog einem 'operativen Funktionsspeicher' mit lernfähiger Gedächtnisstruktur. [1a] [9]
   Das lernfähige Gedächtnissystem erkennt und deutet die aktuellen (externen und internen) Situationen gemäß seinen individuellen 'kognitiven' Interpretationen für empirische Urteile, wobei seine (kognitiv-logischen) Operationen der Informationsverarbeitung bestimmt werden von 'veranlagten' Grundfunktionen und auch von 'erlernten' Funktionen (vgl. bedingte Logik-Funktionen).

Die assoziative Kenntnisnutzung bei der interpretativen Informationsverarbeitung im lernfähigen Gedächtnissystem ermöglicht seine bedingten (Re-)Aktionen, antrainierte Fertigkeiten oder vorteilhafte Entscheidungen zwecks seiner 'intelligenten' Verhaltensanpassung an veränderliche Umweltbedingungen (vgl. Homöostase). [2] [3]
   Die (meist unbewusst assoziierten) Voraussagen beeinflussen situationsgemäße Deutungen für empirische Urteile und bestimmen möglicherweise erwartete Konsequenzen (Erinnerungen von Tat-Folgen), die "abwägend" zu bewerten sind beim Erwägen optimaler Entscheidungen (vgl. Reafferenzprinzip [3]).
   Erfahrungsgemäße (Er-)Kenntnisse können für individuelle (Modell-)Vorstellungen hinsichtlich selbstbezüglichen Aspekten (vgl. Interessen und Intentionen) genutzt werden, insbesondere für "aus Erfahrung" assoziierte Voraussagen zur Beeinflussung von empirischen Urteilen gemäß subjektiven Bewertungen zwecks vorteilhaften Entscheidungen für situationsangepasste Aktionen.

Eine "Kognitiv-logische Modellbildung" wird vollzogen durch Erlernen von logisch verknüpften Begriffsrelationen (aufgefasst als kognitiv-logische Begriffsstrukturen) des ausbildbaren Erfahrungswissens, das bestimmt wird mit situationsbedingt erworbenen Kenntnissen von 'kognitiv erfassten' Beziehungen der untersuchten Zusammenhänge oder Sachverhalte (einer 'objektiven Realität'). [7] [9]
   Kennzeichnend für die 'kognitiv-logische' Modellbildung in einem lernfähigen Gedächtnissystem sind konzeptionelle symbolische Konstruktionen als entworfene Modelle für zu überprüfende Theorien, die durch 'konstruktive Konzepte' begründet werden. Solche formal beschreibbaren Abstraktionen basieren auf 'empirischen' Beobachtungen oder 'rationaler' Einsicht in Sinnzusammenhänge, besonders begründet durch kognitive Erfassung von möglichst wirklichen Beziehungen ('objektive Realität').

Im 'kognitiv-logischen' Interpretationsprozess eines lernfähigen Gedächtnissystems kann mindestens eine neue Kenntnis aufgrund situationsbedingter Zusammenhangserfassung von untersuchten Sachverhalten gewonnen werden, - im Rahmen einer 'strukturellen Lerndisposition' und unter der Voraussetzung von geeignetem Vorwissen (Kontext- oder Hintergrundwissen) im Sinne einer wissensbasierten Lernkompetenz (als Ausgangsbasis für möglichen Kenntniserwerb).
   Situationsbedingt erworbene Kenntnisse des ausgebildeten Erfahrungswissens werden aufgefasst als "erlernte" Wissenselemente und entsprechen begrifflichen Beziehungen für "kognitiv-erfasste" Zusammenhänge, die darstellbar sind als bedingte Relationen in 'kognitiv-logischen' Verknüpfungen für bedingte Logik-Funktionen. [1] - [5]

Der situationsbedingte Kenntniserwerb, aufgefasst als kognitiver Grundprozess des 'strukturellen Lernens', ist simulierbar mit mindestens einem induktiven Lernmechanismus auf der Basis von konzeptionellem Vorwissen für systemimmanente Grundfunktionen, - definiert als veranlagtes Basis-Wissen (a priori), - im Unterschied zum Tabula-rasa-Ansatz des Empirismus/Behaviorismus für konnektionistische Neuronale Netze.
   Aufbauend auf veranlagtem "Basis-Wissen" (d. h. A-priori-Wissen für Grundfunktionen) des Gedächtnissystems erfolgt durch situationsbedingten Kenntniserwerb (im Rahmen der strukturellen Lerndisposition) eine strukturelle Ausbildung von Erfahrungswissen, d. h. eine kognitive Erweiterung oder Veränderung der lernfähigen Gedächtnisstruktur entsprechend einer dynamischen Wissensdarstellung. [3] [4] [9]

Erworbene Kenntnisse werden bestimmt als "erlernte" relationale Wissenselemente im Gedächtnissystem (als Teile seines Erfahrungswissens), die 'ausgebildeten' begrifflichen Beziehungen entsprechen infolge von kognitiver Zusammenhangserfassung (Kenntniserwerb durch Konnexanalyse beim 'strukturellen Lernen'). [1] [3] [4]
   Die erworbenen Kenntnisse fungieren als begriffliche Beziehungen im 'denkenden' Gedächtnissystem für erinnerbare (Modell-)Vorstellungen und assoziierte Voraussagen "aus Erfahrung", die vorteilhaft nutzbar sind beim situationsangepassten Denken (und Fühlen) für kluges Handeln.
   Sprachliche Darstellungsformen für objektivierbare (Er-)Kenntnisse entsprechend begrifflichen Beziehungen sind relationaln Aussagen (Sätze oder Relationen), die kommunikativ mitteilbar sind als empirische Urteile oder logische Inferenzen (vgl. Begriffsrelationen bzw. Schlussfolgerungen).

"Assoziieren aus Erfahrung" wird definiert als kognitiver Grundprozess der 'logisch-funktionellen' "Kenntnisnutzung" zur 'assoziativen' Generierung einer erfahrungsgemäßen Vorstellung (Erinnerung) oder Voraussage (Erwartung), - aufgrund mindestens einer funktionell einbezogenen (verknüpften) bedingten Relation als 'genutzte erworbene Kenntnis' (in Form einer konditionierten Assoziation) der lernfähigen Gedächtnisstruktur. [1] - [5]
   Erfahrungsbedingte und hypothetische Voraussagen werden (subjektiv, emotional) bewertet und in Erkennungs-, Beurteilungs- und Entscheidungsprozesse einbezogen, besonders für Problemlösungen und höhere Lernformen. [1] - [4]
   Intelligente Verhaltensänderungen entsprechen höheren Lernformen, die hierarchisch klassifizierbar sind. Diese basieren auf ausgebildetem Erfahrungswissen für kognitive Gedächtnisleistungen zur Ermöglichung von empirischen Urteilen und vorteilhaften Entscheidungen, insbesondere beim Problemlösen.

Eine "Kognitiv-logische Gedächtnisstruktur" - dient als Modell einer lernfähigen Gedächtnisstruktur (eines 'lernenden Gedächtnissystems' mit ausbildbarem Erfahrungswissen) für kognitiv-logische Funktionen (def. bedingte Logik-Funktionen) aufgrund von "erlernten" bedingten Relationen (d. h. erworbenen Kenntnissen), die 'strukturell' gespeichert und 'assoziativ' genutzt werden.
   Die definierte 'kognitiv-logische Gedächtnisstruktur' wird beim Lernen verändert und ist funktionell spezifiziert durch ihre veranlagten und ausgebildeten (bedingt verknüpften) semantischen Relationen, die strukturell gespeichert und assoziativ genutzt werden als (prädeterminierte bzw. situationsbedingt erworbene) Kenntnisse beim 'mentalen' Operieren mit begrifflichen Symbolen, - insbesondere erfahrungsgemäß assoziierten Begriffssymbolen für 'bedingte Zuordnungen' als "erlernte" Funktionen gemäß bedingten Logik-Verknüpfungen der Informationsverarbeitung (vgl. mein "Lernender Homöostat" als autonomer Agent). [2] [2a] [3]

Meine These: Entwickelbar sind relationale Modelle für 'dynamische' Wissensdarstellungen in kognitiv-logischen Gedächtnissystemen, die systemanalytisch konzipiert und beschrieben werden mit relationalen Aussagen für empirische Implikationen (vgl. erfahrungsgemäße Wenn-dann-Sätze) zur induktiven Bestimmung von bedingten Logik-Funktionen, die dann als relativ wahr gelten, wenn sie sich praktisch bewähren (vgl. 4.). [1] - [5]
   Konstruktive (Denk-)Modelle eines kognitiven Systems entsprechen seinen individuellen Vorstellungen als systeminternen Repräsentationen von verknüpften begrifflichen Beziehungen gemäß vorgegebenen und ausgebildeten Begriffsstrukturen seines Erfahrungswissens.
   Innovative Konzepte und Definitionen einer 'Kognitiven Logik' ermöglichen die technische Modellierung von lernfähigen Gedächtnissystemen mit bedingten Logik-Funktionen zur Simulation der situationsbedingten Ausbildung von 'kognitiv-logischen' Begriffsstrukturen.

Aufgezeigte Beschreibungsformen für kognitiv-logische Modelle sind symbolische Konstruktionen, d. h. funktionell verknüpfte Begriffssymbole, zur Darstellung modifizierbarer Relationsverknüpfungen für bedingte Logik-Funktionen. Diese modellhafte Objektivierung basiert auf elementaren Darstellungsformen für kognitiv-logische Implikationen, übereinstimmend mit hypothetisch angenommenen oder gewohnheitsmäßigen Regeln. Die erfahrungsgemäß modifizierten Funktionsregeln dienen zur Bestimmung von empirischen Urteilen oder Schlussfolgerungen (induktiven Inferenzen) unter dem Einfluss von assoziierten Voraussagen "aus Erfahrung", deren Zutreffen ungewiss ist.
   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 (def. Lernfähiger Zuordnungskomplex für KI-Konzepte und Simulationsmodelle). [1d] - [4]

Kenntnistheoretisch fundierte Konzepte für KI-Modelle mit 'Kognitiver Logik' ermöglichen die Implementation von dynamischen Wissensdarstellungen in lernenden Inferenzsystemen mit 'assoziativem Gedächtnis'. Diese sind gekennzeichnet durch kenntnisspezifische bedingte Relationen in kognitiv-logischen Verknüpfungen, die induktive erlernt werden durch verallgemeinernde Zusammenhangserfassung von korrelierten Signalereignissen beim erfahrungsbedingten Selbst-lernen (vgl. kognitiv erfasste Beziehungen als 'gemerkte' Begriffsrelationen). [1] - [4]
   Kognitiv-logisch konzipierbar sind dynamische Wissensdarstellungen mit sprachlich ausdrückbaren Relationen (Assoziationen) für bedingte Zuordnungen funktioneller Formationen (repräsentierter Invariantensätze), die dargestellt werden mit (erfahrungs-)bedingt verknüpften (konditioniert assoziierten) Begriffssymbolen als logisch verifizierbaren Invarianten (Variablenwerte).

Dynamische Wissensdarstellungen eines kognitiv-logischen Gedächtnissystems mit 'struktureller Lerndisposition' für ausbildbares und modifizierbares Erfahrungswissen werden. konzeptionell bestimmt entsprechend der empirischen Ausbildung von Begriffsstrukturen. -
   Formal darstellbar sind ausgebildete Begriffsstrukturen entsprechend kognitiv erfassten (begriffenen) Zusammenhängen für konstruktive Konzepte und theoretische Denkmodelle (vgl. Theorien, Thesen, Fiktionen) durch 'Kognitiv-logische Beschreibung' mit Begriffssymbolen und ihren (bedingten) Relationen, wobei deklarative Aussagen von "induktiv erlernten" bedingten Relationen aufgrund von verallgemeinert angenommenen Regelmäßigkeiten nur hypothetisch gelten können.
   Erworbene Kenntnisse für erlernte Regeln müssen sich bei ihrer Nutzung empirisch bewähren, um weiterhin als 'relativ wahr' zu gelten (sonst Falsifizierung oder Umlernen).
   Bei der 'dynamischen' Wissensdarstellung mit modifizierbaren Logos-Relationen erfolgt eine Wissensverbesserung im Sinne des 'kognitiven Umlernens' durch die erfahrungsgemäße Korrektur oder Ersetzung der 'unbewährten' Aussagen von 'unbestätigten' Kenntnissen einer lernfähigen Gedächtnisstruktur.

Ein "kognitiv-logisches Gedächtnissystem" ist beschreibbar als ein "offenes System" mit mindestens einem induktiven Lernmechanismus gemäß seiner vorgegebenen strukturellen Lerndisposition (d. h. Veranlagung von konditionierbaren Assoziationen) für ausbildbares Erfahrungswissen aufgrund von konzeptionell vorausgesetztem Basis-Wissen für systemimmanente Grundfunktionen (d. h. A-priori-Wissen).
   Im selbststrukturierenden 'kognitiv-logischen Gedächtnissystem' erfolgt die Simulation des strukturellen Lernens durch "strukturelles Speichern" von situationsabhängig erfassten bedingten Relationen, - definiert als erworbene Kenntnisse (in Form konditionierter Assoziationen). Damit wird das "Assoziieren aus Erfahrung" (Erinnern) ermöglicht, - definiert als 'logisch-funktionelle' Kenntnisnutzung, - vor allem zur Generierung von "assoziativ erinnerten" Voraussagen (Prädiktionen,Erwartungen oder Vorurteile). - Diese assoziierten Voraussagen (1. und 2. Art) beeinflussen antizipatorische Prozesse (Erwägungen, Reflexionen) verbunden mit 'subjektiven' Bewertungen und führen zu empirischen Urteilen für "intelligente" Entscheidungen im kognitiven System, z. B. zur Veranlassung von bedingten Aktionen als Problemlösungen (vgl. "Lernender Homöostat" als autonomer Agent). [2] - [3]

Entwickelbare kognitiv-logische Gedächtnissysteme verfügen über ausbildbares Erfahrungswissen für bedingte Logik-Funktionen mit empirischen Implikationen (Einbeziehungen) der bedingten Relationen, die situationsbedingt erworbenen Kenntnissen entsprechen und empirische Urteile beeinflussen können. Ihre situationsabhängigen Aussagen werden formal dargestellt mit 'kognitiv-logischen' Symbolverknüpfungen für bedingt zugeordnete funktionelle Formationen (Darstellungs-formen) auf definierten hierarchischen Zuordnungsniveaus (eines lernfähigen Zuordnungskomplexes). [1d] [2]
   Die lerntypische Funktionserweiterung eines kognitiv-logischen Gedächtnissystems ist gekennzeichnet durch 'erlernte' bedingte Relationen, die einbezogen sind in 'ausgebildete' bedingte Logik-Funktionen, entsprechend einer kognitiv-logischen Änderung (bzw. Erweiterung) der Gedächtnisstruktur durch Einbeziehung von neuen Erfahrungen oder Erkenntnissen (vgl. empirische oder theoretische Einsicht). Bedingte Logik-Funktionen sind formal beschreibbar mit sprachlichen Ausdrücken für empirische Implikationen als "erlernte" Symbolverknüpfungen.

Eine "bedingte Logik-Funktion" (als erlernte Relationsverknüpfung) mit einbezogenen bedingten Relationen, - entspricht einer 'induktiv modifizierten' »kognitiv-logischen Verknüpfung« von bedingten Relationen (als erworbenen Kenntnissen und auch Informationen), die bezogen sind auf ein verallgemeinertes Begriffssymbol, das formal ausdrückbar ist als verifizierbare Invariante mit semantischem Inhalt.
   Mit bedingten Relationen bestimmte bedingte Logik-Funktionen sind konzeptionell definierbar mit elementaren Darstellungsformen für empirische Implikationen, beispielsweise mit logischen 'Wenn-dann'-Aussagen als Regeln für induktive Inferenzen (verallgemeinernde Schlüsse).

Mit 'strukturell gelernten' bedingten Logik-Funktionen wird eine kognitiv-logische Informationsverarbeitung im lernenden Gedächtnissystem implementiert. Systemimmanente Grundfunktionen hierfür entsprechen dem veranlagten Basis-Wissen (A-priori-Wissen), das mit konzipierten Logik-Funktionen für situationsabhängige Prozesse der Erkennung, Beurteilung, Bewertung und Entscheidung formal modellierbar ist.
   Zu simulieren sind empirische Urteile zur "intelligenten" Entscheidungsfindung durch 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.

Als Arbeitshypothese für die Simulation von rationaler Autonomie und Homöostase (dynamische Stabilität) eines selbstlernenden Systems definierte ich ein schematisches, multihierarchisches Gehirnmodell (vgl. Bild aus [1a]). Seine veranschaulichte Funktionshierarchie (in anatomischer Analogie zu Hirnabschnitten) macht eine hoch entwickelte Hierarchie von psycho-physiologisch klassifizierten Lernformen erklärbar (siehe » Beiträge zu Definitionen und Konzepten einer Kognitiven Logik [1b]). Die höheren Lernformen 'bedingte Aktion', 'bedingtes Erwägen optimaler Entscheidungen' und 'Lernen durch Einsicht in prinzipielle Sinn-Zusammenhänge' sind charakteristisch für intelligentes Verhalten auf hierarchischen Entwicklungsniveaus (vgl. Bild oben). [3]

Meine These: Höhere (rationale) Bewusstseinsformen, die als 'funktionelle Erscheinungen' des Gehirns aufgefasst werden, sind 'symbolisch-konstruktiv' (modellmäßig) erklärbar mit "wissentlichen" Kontroll-Funktionen eines 'superponierten' Meta-Automaten, dessen Inputs und Outputs wechselwirkend verbunden sind mit mindestens einem relativ autonom fungierenden "Basis-Automaten" als Grundsystem (analog 'Grund-Bewusstsein' und 'Unterbewusstsein', - vgl. mein schematisches Gehirnmodell in [1a]). [3] [6] [9]
   Der Meta-Automat kann ausgewählte Erkennungs-, Beurteilungs-, Bewertungs- und Entschei-dungsergebnisse des Basis-Automaten (seines "Unterbewusstseins") 'selbstbeobachtet' erkennen, beurteilen, bewerten und zu internen "Selbsterfahrungen" integrieren.
   Ein sprachbegabt-lernfähiger Meta-Automat fungiert als eine "übergeordnete" Kontroll- oder Führungskomponente des hochentwickelten Gesamtsystems und steuert "wissentlich" dessen Selbstkontrolle gemäß seinem ausbildbaren 'selbstreflexiven' Metawissen (vgl. Selbstmodell), - auch für 'intentionales' Lernen (vgl. mein Systemkonzept 'Intelligenter Automat' als multihierarchisches offenes System, - ohne einen imaginären "Homunkulus"). [3]

Kognitiv-logisch konzipierbar sind Intelligente Automaten (möglichst mit Selbstkontrolle) als entwickelbare KI-Modelle analog lernfähigen Gedächtnissystemen. Diese können (individuell) erkannte Situationen (selbstbezüglich) deuten und (subjektiv) bewerten, - auch mit Hilfe von assoziierten Voraussagen "aus Erfahrung" beurteilen. Ihre empirischen Urteile unter dem Einfluss von erinnerten Erfahrungen (vgl. Vorstellungen oder Erwartungen) bestimmen erfahrungsbedingte (empirische) Schlüsse. Auf solchen induktiven Inferenzen basieren ihre motivierten (ziel- oder zweckorientierten) Entscheidungen, die 'rational' erwogen werden können durch. antizipatorisches Abwägen vermuteter Konsequenzen (erwarteter Effekte) von verfügbaren Alternativen zwecks situationsangepasster Handlungssteuerung (vgl. 'selbsterhaltende' Adaption und 'intelligentes' Problemlösen).

Mein kognitiv-logisches Systemkonzept "Intelligenter Automat" bestimmt mindestens eine systemimmanente 'strukturelle Lerndisposition' als potenzielle Anlage für induktiv erlernbare bedingte Relationen (def. als erworbene Kenntnisse). Damit ermöglicht werden 'empirische Implikationen' für (erfahrungs-) bedingte Logik-Funktionen, die in lernfähigen Gedächtnisstrukturen situationsabhängig ausbildbar und modifizierbar sind (vgl. erlerntes Regel-Wissen, das konsolidiert oder korrigiert werden kann), - im Unterschied zu "starrem" Regel-Wissen der klassischen (formalen, mathematischen) Logik für argumentativ begründbare Schlüsse (deduktive Inferenzen) zur routinemäßigen Symbolverarbeitung und zum Problemlösen nach festgelegten Algorithmen (vgl. logische Programmierung von Computern). [3]

Seit 1980 wurden drei "Lernende Homöostaten" als neuartige KI-Modelle von mir softwaremäßig implementiert und praktisch erprobt (siehe » Veröffentlichung zur ersten Simulation [2]). [2a] Ihre kognitiv-logischen Gedächtnisstrukturen beruhen auf der Definition eines lernfähigen Zuordnungskomplexes. [1d] Dieser besteht aus funktionell vernetzten Zuordnungseinheiten für bedingte logische Funktionen (Verknüpfungen) auf hierarchischen Zuordnungsniveaus. Sein "strukturelles Lernen" wird implementiert durch situationsabhängige Ausbildung von bedingten Relationen zwischen verifizierbaren Invarianten (z. B. Signalwerten oder Symbolen) zur Darstellung von vernetzten logischen Begriffsformen. Dabei werden abstrakte Begriffe symbolisch dargestellt mit Variablenkonfigurationen und ihren aktuellen Werten (Formationen/Invarianten auf Zuordnungsniveaus), die in hierarchisch vernetzte Logik-Verknüpfungen funktionell einbeziehbar sind (siehe » Grundbegriffe zur Kognitiven Logik [4]).
   Vorzüge der Simulation sind: "schnelles" Selbstlernen, z. B. für bedingte Aktionen (durch Assoziieren aus Erfahrung), auch Umlernen (durch Kennenlernen des Neuen) und selbstreflexive Aussagen (Statusreports) über "subjektive" Antriebe, Emotionen und Motivationen (vgl. Beschreibung der dritten Simulation des KI-Modells » "Lernender Homöostat", siehe [2a]).

Die Konzeption und Entwicklung eines selbstlernenden Gedächtnissystems (möglichst mit 'rationaler' Selbstkontrolle) werden erschwert durch die große Komplexität des zu kontrollierenden Logikentwurfs, wozu eine analytische Erklärung von kognitiv-logischen Funktionskomplexen notwendig ist. Dabei kann die Frage nach der Konsistenz von induktiven Inferenzen (vgl. Gewissheit nach dem Bewährungsprinzip) "unentscheidbar" werden. Die relative Wahrheit von empirischen Urteilen muss kritisch überprüft werden hinsichtlich ihrer Konsolidierung, Falsifizierung oder dem möglichem Umlernen.
   Softwaremäßige Implementationen kognitiver Logik machen umfassende Programmtests erforderlich, wobei die jeweilige Vorgeschichte für den aktuellen Kenntnisstand des lernenden Systems hinreichend bekannt sein muss (vgl. subjektive Einstellung des KI-Modells). - Siehe Weiteres in [9].

Kognitiv-logische Gedächtnissysteme mit eigenem Basis- und Erfahrungswissen für dynamische Wissensdarstellungen (analog ausbildbaren Begriffsstrukturen) sind technisch entwickelbar als lernende KI-Syteme oder intelligente Automaten (sogar mit "rationaler" Autonomie), die sich (gemäß jeweiligem Verhaltenskodex) so verhalten müssen, dass sie als sozialverträgliche Partner von Menschen akzeptierbar sind (vgl. sozialer Trend zu riskanter Technisierung durch Digitalisierung und KI).
   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. [9] [10]



Literaturverzeichnis  -  mit publizierten Websites von Dr.-Ing. Eberhard Liß

[1] Liß, E.: Kognitive Logik für lernfähige Inferenzsysteme mit 'Gedächtnis'

Diese Dissertationsschrift vom 27.01.87 wurde verteidigt am 03.02.88 (magna cum laude) an der TU Karl-Marx-Stadt (heute Chemnitz), Fakultät für Elektroingenieurswesen. Sie konstatiert meine Publikationen zu eigenen Konzepten und erfinderischen Lösungen für eine (von mir) aufgezeigte 'Kognitive Logik', - als mein kenntnistheoretischer Forschungsbeitrag zu 'Künstlicher Intelligenz' (KI). Damit dokumentiert sind sechs Veröffentlichungen in Fachzeitschriften (s. u.) und 20 Patentanmeldungen (seit 1978 in ehem. DDR und in BRD), die aus Finanzgründen nach 1990 nicht weiter aufrechterhalten werden konnten.

[1a] Liß, E.: Induktives Lernen kognitiv-logischer Gedächtnisstrukturen für intelligente Automaten.
                 msr, Berlin 29 (1986) H. 9, S. 411 - 416; H. 10, S. 465 - 470 (zwei Teile),
       publiziert als ScanCopy: Induktives Lernen kognitiv-logischer Gedächtnisstrukturen (I und II) -
                  » www.liss-kompendium.de/ki/lm-liss/lm0-liss.htm - Teil 1
                  » www.liss-kompendium.de/ki/lm-liss/lm-liss.htm - Teil 2
       daraus Auszüge und Thesen in:
[1b] Liß, E.: Beiträge zu Definitionen und Konzepten einer Kognitiven Logik (Exzerpt, publ. seit 2002):
                  » www.liss-kompendium.de/ki/ki-modelle.htm

[1c] Liß, E.: (Kognitiv-)Logische Struktur zum Darstellen von Wissen für intelligente Automaten,
       Nachrichtentechnik-Elektronik, Berlin 33 (1983) H. 10, S. 403 - 408 (Manuskripteingang: 15.03.1982),
       publiziert als ScanCopy: Dynamische Wissensdarstellung in kognitiv-logischen Gedächtnissystemen -
                  » www.liss-kompendium.de/ki/ls-liss/ls-liss.htm

[1d] Liß, E.: Lernfähiger Zuordnungskomplex - assoziatives Gedächtnissystem intelligenter Automaten,
       Nachrichtentechnik-Elektronik, Berlin 34 (1984) H. 7, S. 269-274 (Manuskripteingang: 15.03.1982),
       publiz. als ScanCopy: KI-Konzept 'Lernfähiger Zuordnungskomplex' - ein Ansatz für Kognitive Logik -
                  » www.liss-kompendium.de/ki/zk-liss/zk-liss.htm

[2] Liß, E.: Lernender Homöostat zur Demonstration adaptiver Steuerungen mit künstl. Intellekt,
       'messen-steuern-regeln' - msr 25 (1982), Heft 9, S. 489-493 - aus 1980 (2. Implementation: 1988) -
       publiz. als ScanCopy: LERNENDER HOMÖOSTAT - erstes Simulationsmodell mit kognitiver Logik -
                  » www.liss-kompendium.de/ki/konz1/konzept1.htm
[2a] Liß, E.: "Lernender Homöostat" - eine interaktive Existenz-Simulation - » interaktiv im Internet, -
                 dazu Beschreibung dieser JavaScript-Implementation (seit Mai 2001):
                  » www.liss-kompendium.de/ki/hom-beschr.htm

[3] Liß, E.: Systemkonzept 'Intelligenter Automat' für kognitive Logik (Exzerpt, publ. seit 2004):
                  » www.liss-kompendium.de/ki/ia-liss/automat-konzept.pdf -
       Definitionen, Thesen, Gehirnmodell und System-/Organisationskonzept - mit Auszügen aus
       der DDR-Patentanmeldung WP G 06 F/ 2349 488 vom 18.11.1981, Titel: Programmierbare
       Logikanordnung für intelligente Automaten und adaptive Steuerungen mit künstlichem Intellekt

[4] Liß, E.: Grundbegriffe zur Kognitiven Logik (Definitionen und Thesen, Exzerpt, publ. seit 2002):
                  » www.liss-kompendium.de/ki/grundbegriffe.htm

[5] Liß, E.: KI-Konzepte für Kognitive Logik Intelligenter Automaten (Weblinks zu Publikationen seit 1978):
                  » www.liss-kompendium.de/ki/konzepte.htm

[6] Liß, E.: Gehirnstrukturen für Lernen und Gedächtnis (Neuere Erkenntnisse, publ. seit 2003):
                  » www.liss-kompendium.de/erkenntnis+thesen/hirnanalogien.htm

[7] Liß, E.: Kognitiv-logische Modellbildung (Zitate-Auswahl / Erkenntnisse der Hirnforschung):
                  » www.liss-kompendium.de/erfindung+technik/modellbildung.htm

[8] Liß, E.: Information - subjektive Nachricht für kognitive Systeme (Bregriffsdeutung, - seit 2002):
                  » www.liss-kompendium.de/erfindung+technik/information.htm

[9] Liß, E.: Kognitiv-logische Grunderkenntnisse (Logos-Relationen für Denkmodelle, publ. seit 2009):
                  » www.liss-kompendium.de/ki/denkprodukte.htm

[10] Liß, E.: Paradigma Kognitive Logik für intelligente Automaten (Ein Exzerpt, publ. seit 2015):
                  » www.liss-kompendium.de/ki/Paradigma Kognitive Logik.pdf

[11] Liß, E.: Kognitiv-logische Gedächtnissysteme als intelligente Automaten - Eine Kurzfassung
                 publizierter Erkenntnisse und Konzepte für Kognitive Logik (publ. seit 2016):
                  » www.liss-kompendium.de/ki/koglog-intro.htm


     » TOP                     www.liss-kompendium.de  © 2001  Copyright by Eberhard Liß