Schlußfolgerungen für die KI

Aus der obigen Diskussion geht hervor, daß die phänomenologische Kritik von Dreyfus zwar nicht zeigt, daß Maschinen nicht Leistungen hervorbringen können, die menschlichen Intelligenzleistungen ebenbürtig sind.

Allerdings zeigt die phänomenologische Kritik einen für die Entwicklung intelligenter Systeme essentiellen Problembereich auf:

Ein großer Teil der algorithmischen Information in künstlichen intelligenten Systemen bezieht sich nicht auf die symbolische Speicherung der Verhältnisse einer materialen äußeren Welt. Aber worauf müssen dann die Symbole eines künstlich intelligenten Systems referieren ? Und welches ist die adäquate Beschreibungsebene für KI-Systeme ?

A. Newell schlägt eine sogenannte `Wissensebene'     (engl. knowledge level) in Newell[New82] vor. Newell unterscheidet verschiedene Beschreibungsebenen von Computersystemen. Beginnend mit der physikalischen Ebene über eine Logik- und Registertransferebene gelangt er zur Symbolebene, welche den üblichen Programmiersprachen entspricht.

Die Wissensebene ordnet er oberhalb der Symbolebene an. Sie beschreibt das Systemverhalten durch Aussagen in einer zunächst nicht näher angegebenen Sprache. Die Aussagen zusammen mit der Annahme, daß das System sich `rational' verhält, sollen gemeinsam das Verhalten bestimmen. Diese Wissensebene soll für den menschlichen Experten die Explikation seiner Vorgehensweise erleichtern. Der Terminus `rational' ist hierbei allerdings nicht ganz unproblematisch - er kann in dieser allgemeinen Formulierung das Systemverhalten keineswegs eindeutig bestimmen.^8.22

Lernverhalten, das induktives oder analoges Schließen beinhaltet, ist ein Beispiel für die Indeterminiertheit des Systemverhaltens durch das Rationalitätspostulat.^8.23 In der Tat ist es erforderlich, daß so etwas wie Präferenzrelationen auf konkurrierenden (Induktions-) Hypothesen spezifiziert werden. In solchen Präferenzrelationen drückt sich das implizite und - von Dreyfus als nicht repräsentierbar behauptete - Wissen aus, welches sich letztlich im faktischen Verhalten des Systems zeigt. Somit müssen also Symbole auf abstrakte Entitäten wie Präferenzrelationen verweisen. Es muß das Verhalten des Systems, wie es sich faktisch zeigen soll, symbolisch gespeichert werden. Dies bedeutet, daß die involvierten Symbole nicht auf ontologische Entitäten einer physischen Welt referieren können, sondern auf abstrakte Entitäten, welche das faktische Verhalten bestimmen. Diese abstrakten Entitäten haben unter anderem die   folgenden Rollen auszufüllen:

• Präferenzerelationen zwischen konkurrierenden Hypothesen für die eindeutige Bestimmung von ansonsten unterbestimmten Schlußfolgerungen. Beispielsweise gibt es beim induktiven Schließen jeweils einander wiedersprechende Induktionshypothesen, die beide gleichermaßen durch die bisher bekannten Daten gestützt werden. Bei der Abduktion, bei der Entdeckung von Ursachen, kommen in der Regel eine Vielzahl von Möglichkeiten in Betracht. Das Vertrauen oder die Plausibilität, mit dem die eine oder andere Möglichkeit für die Ursache gehalten wird, könnte durch solche Präferenzrelationen über mögliche Ursachen ebenfalls ausgedrückt werden.

• Im Fall des Einsatzes von sogenannten   nicht-monotonen Schlußverfahren^8.24 muß aus Daten, die im logischen Sinn kein eindeutigen Schluß zulassen, doch irgendein Schlußergebnis bestimmt werden. Insofern liegt die Verwandtschaft des nicht-monotonen Schließens mit dem induktiven Schließen nahe.
• Bei der Handhabung des in Abschnitt 6.1 erwähnten Zeitkomplexitätsproblems sind Prioritätsregelungen erforderlich, um die Arbarbeitungsreihenfolge logischer Beweisversuche zu bestimmen. Dadurch wird letztlich auch das Verhalten bestimmt, da ein System im praktischen Einsatz irgendwann die Reihe von erfolglosen Beweisversuchen abbrechen muß, um seine Aktionen fortsetzen zu können. Dabei muß im Fall der erfolglosen Beweissuche irgendeine Entscheidung getroffen werden. Dies geschieht in der Regel durch die oben genannten nicht-monotonen logischen Schlußverfahren.

Da die phänomenologische Kritik darauf hindeutet, daß in diesen Bereich ein sehr großer Teil von algorithmischer Information einfliessen muß, wäre es konsequent, Ansätze zu entwickeln, die gerade die Akquisition von `Wissen' dieser Art erleichtern. Diese Schlußfolgerung wurde erstmals in Hoffmann Hoffmann[Hof92] gezogen.^8.25