52.5 Logisches Schließen (Schlussfolgerungen)

In der Kernkompetenz »Lernen & Wissen (Skillsystem)« erörtert sich die Fragestellung der KI mit der automatisierten Erstellung von »Wissensrepräsentationen«. Über diesen Erfahrungsschatz werden so dann »logische Schlüsse« und »subsymbolische Gesetzmäßigkeiten« abgeleitet und formalisiert. Die maschinenlesbare Form der Repräsentation wird dabei über verschiedene »Ontologien« abgebildet. So verwendet zum Beispiel dieses Konzept, seine eigene spezifizierende »Ontologie«. Des Weiteren können über »Induktion« (Induktionsschluss, Induktionslogik), Regeln durch maschinelles Lernen verallgemeinert werden. Die entscheidende Rolle ist die »Mächtigkeit der Wissensrepräsentation«, welche didaktisch über die verschiedensten Auswertungskriterien (Fitnessfunktionen) im System klassifiziert und bewertet werden können.

»Menschen können sich gespeichertes Wissen zunutze machen, indem sie auf ihr Grund und Kontextwissen des jeweiligen Wissensbereichszurückgreifen, Lehrbücher, Regelwerke, Lexika und Schlagwortregister verwenden und mit den gespeicherten Inhalten verbinden. Sollen dagegen Automaten Such, Kommunikation und Entscheidungsaufgaben in Bezug auf das gespeicherte Wissen übernehmen oder Daten austauschen, die selbst Information darüber enthalten, wie sie zu strukturieren und zu interpretieren sind (sog. Metadaten), so benötigen sie dazu eine Repräsentation der zugrunde liegenden Begriffe und derer Zusammenhänge. Dafür hat sich in einigen Zweigen der Informatik in den letzten Jahren der Begriff Ontologie eingebürgert. Der wohl bekannteste Definitionsversuch stammt von T. Gruber. Dieser bezeichnet Ontologie als »explizite formale Spezifikation einer gemeinsamen Konzeptualisierung« (orig. : »shared conceptualization« ). | Hes02 |