In den letzten Jahren hat der Konnektionismus, der sich mit neuronalen
Netzwerken befaßt,
einen grandiosen Zuwachs an Popularität erhalten.
Unter anderem wurde dieser Aufschwung durch die Arbeiten
von Rumelhart et al. Rumelhart[RMt86]
stimuliert.
Konnektionistische Systeme basieren auf der Idee, eine Vielzahl von
Verarbeitungseinheiten zu einem System zuammenzufassen.
Diese vielen Verarbeitungseinheiten sollen untereinander stark vernetzt
sein. Dadurch beeinflussen sich die einzelnen Verarbeitungseinheiten
ständig gegenseitig in ihrer Funktion.
Siehe hierzu Abbildung 2.2.
Insofern ist der Konnektionismus weniger als ein Teil der künstlichen
Intelligenz in dem Sinn zu sehen, daß es einen abgegrenzten
Aufgabenbereich dafür gibt.
Vielmehr stellt er einen Ansatz dar, mit dem ein großer Teil
der KI-Teilgebiete erfolgreich behandelt werden soll;
dazu zählen u.a. die Sprachverarbeitung, die Bildverarbeitung und das Lernen.
 |
Die Idee erfreut sich unter anderem wegen der augenscheinlichen Verwandtschaft zur neurobiologischen Organisation des menschlichen Gehirns, daß offensichtlich zu intelligentem Verhalten in der Lage ist, großer Beliebtheit. Erste Arbeiten zu künstlichen neuronalen Netzen wurden bereits in den 40er Jahren von McCulloch & Pitts McCulloch[MP43] und von Hebb Hebb[Heb49] durchgeführt. Auch heute sind die damals von Hebb vorgeschlagenen elementaren Lernregeln noch aktuell und werden bei der Entwicklung neuronaler Systeme eingesetzt. Besonders durch Rosenblatts Perceptron Rosenblatt[Ros59] wurden neuronale Systeme gegen Ende der fünfziger Jahre populär. Dieser ersten Hoffnungswelle wurde durch Minskys und Paperts Buch Perceptron MinskyPapert[MP69] ein fast völliger Abbruch beschert. Minsky und Papert untersuchten mit rein mathematischen Methoden die Möglichkeiten und Grenzen von neuronalen Systemen. Sie kamen dabei zu dem Ergebnis, daß derartige neuronale Systeme bereits an sehr einfachen Aufgaben aus bestimmten strukturinhärenten Gründen scheitern müssen. Sie beschränkten ihre Analyse allerdings auf sogenannte Zweilagennetze. Dies sind Netze, bei denen höchstens zwei Verarbeitungseinheiten hintereinander geschaltet sind. Der Grund, den sie für die Einschränkung ihrer Untersuchungen anführten, bezog sich auf das folgende Problem: Bei Mehrlagennetzen sei es nicht zu sehen, daß lokale Lernregeln2.6 - die zu untersuchen waren, überhaupt jemals zu einem adäquaten Lernergebnis führen können.
Die Proponenten des Konnektionismus führen
in erster Linie
die folgenden Gründe an: