Kurzbeschreibung des KI-Modells:

» Lernender Homöostat «  -  eine interaktive Existenz-Simulation

1. Einführung

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.
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 angstrebt, 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.

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 selektierte Variablenwerte als begriffliche Symbole (verifizierbare Invarianten für Knoten eines semantischen Netzes), - siehe » Grundbegriffe zur Kognitiven Logik.

2. Kurzcharakteristik

Der im Dialog bedienbare Homöostat reagiert mit "subjektiven" Outputs auf die von ihm erkannten Eingabedaten ("wahrgenommene" Inputs), gemäß seines situationsgemäßen Bedarfs und seiner gespeicherten 'Geschmackserfahrung'. Seine kognitiv-logischen Funktionen simulieren günstige Entscheidungen zur "intelligenten" Selbsterhaltung auf bestmöglichem Niveau, d. h. zur Homöostase (zwecks Überleben). Das funktionelle Konzept der Existenz-Simulation bestimmt die Grenzen seiner Handlungsmöglichkeiten und den Grad seiner "rationalen Autonomie". Dieses KI-Modell ist ein einfacher 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 wird demonstriert, dass nur relativ wenige kognitiv-logische Funktionen ausreichen, um eine situationsangepasste (adaptive) Handlungssteuerung zu implementieren, - gekennzeichnet durch lerntypische Entscheidungen für erfahrungsabhängige Aktionen und Reaktionen zwecks Selbsterhaltung. Verwöhntes oder anspruchsvolles Verhalten bei relativ geringem Bedarf, aber auch riskantes Verhalten (Versuch) bei großem Bedarf werden simuliert. Vorgebbare Szenarien für "intelligentes Umlernen" ermöglichen das 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. Erlernt wird eine kognitive Umorientierung des Unterscheidungsvermögens (geänderte Einstellung für die Objekterkennung) und eine verbesserte Umweltanpassung. Bei erkannter Gefahr erfolgt schnelles Sichern und Abwarten, auch wenn eine Nahrung vorliegt und großer Bedarf besteht (Notsituation).
Es wird intelligentes Nahrungsaufnahmeverhalten eines tierähnlich lernenden Wesens simuliert, das mit erfahrungsabhängigen Entscheidungen für bedingte Aktionen erklärbar ist. Konzipiert wurde eine funktionale Beeinflussung von situationsbezogenen Entscheidungen durch empirische Urteile, - bestimmt durch "subjektive" Bewertung von 'aus Erfahrung' assoziierten Voraussagen (Antizipation zu erwartender Konsequenzen).
Das implementierte KI-Konzept des Homöostaten ermöglicht sprachliche Ausdrucksformen für "selbstbezogene" Aussagen (analog 'Selbstreflexionen' über erfahrungsabhängige "Ich"- oder Gefühlszustände). Anzeigbar sind Statusreports (Zustandsberichte) und sprachliche Ausdrücke für assoziierte Voraussagen (empirische Prädiktionen, Erwartungen), "emotionalgesteuerte" Urteile/Vorurteile und "subjektive" Bewertungen für Entscheidungen.

Das KI-Modell 'Lernender Homöostat' wurde in Form eines lernfähigen Zuordnungskomplexes mit 'Kognitiver Logik' implementiert. Seine hierarchischen "Zuordungsniveaus" sind gekennzeichnet durch modifizierbare 'kognitiv-logische' Funktionen zur Implementation von begrifflichen Zuordnungen und "erlernbaren" bedingten Relationen, 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, siehe 5.).
Situationsbedingte 'kognitiv-logische' Funktionen (mit bedingten Relationen) ermöglichen die Simulation des "Lernens aus Erfahrung", besonders der Lernform 'bedingte Aktion' (Versuch und Irrtum, Effektgesetz).

Ausgehend von wenigen Input-Vorgaben für einige modellierte Begriffe der Wahrnehmung werden erfahrungsabhängige Urteile bei der Erkennung gebildet. Die interne Situation (subjektive Lage) des Homöostaten beeinflusst seine geäußerten Zustandsberichte (Statusreports) über das eigene Befinden. Diese sprachlichen Aussagen werden mit Worten, Sätzen und Symbolen für typische Gesichtsausdrücke angezeigt.
Situationsabhängige Bewertungsergebnisse dienen zur Simulation einiger Antriebe, Motivationen und Emotionen für "individuelle" Entscheidungen bei der Nahrungsaufnahme. Simulierte "subjektive" Bewertungen sind bestimmend für bedarfsabhängige Ansprüche und änderbare Einstellungen (gemäß Erfahrung) des Homöostaten.

Das simulierte empirische Lernen des KI-Modells beruht auf 'bedingten logischen Verknüpfungen' zwischen vernetzten Invarianten mehrwertiger Variabler. Für situationsabhängige Erfahrungen werden bedingte Relationen als erworbene Kenntnisse über Objekteigenschaften (Charakter - Geschmack) gespeichert. Diese ermöglichen bedingte logische Verknüpfungen für assoziierte Voraussagen beim Erkennen von Objekten. 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) durch den positiv bewerteten Effekt praktisch bestätigt werden (Verstärkung). Andernfalls sind sie gemäß den neuen Erkennungsergebnissen zu korrigieren (Falsifizierung). Der damit verbundene emotionale Umschwung wird simuliert durch "emotionale" Bewertung der 'unerwarteten' Handlungskonsequenz.
Aus Aufwandsgründen erfolgte keine Simulation des Finden-Lernens von Nahrung im Suchraum gemäß empirischer Suchstrategien für das Kennenlernen von Ort-Objekt-Relationen.

3. Funktionsbeschreibung

Die Existenz-Simulation 'Lernender Homöostat' modelliert Homöostase im Sinne einer Selbsterhaltung auf bestmöglichem Niveau der Bedürfnisbefriedigung (dynamische Stabilität), - im Rahmen des kognitiv-logischen Konzepts. Die implementierte adaptive Verhaltenssteuerung beruht auf einer kognitiv-logischen Gedächtnisstruktur, die durch 'Kenntniserwerb' erweitert und geändert werden kann (def. als 'strukturelles Lernen', siehe » Veröffentlichung 1983). Ihre vordefinierte 'strukturelle Lerndisposition' ist eine konzeptionelle Grundvoraussetzung für "nicht starre", situationsabhängig modifizierbare Logikfunktionen. Damit sind 'erfahrungsbedingte' Urteile und Entscheidungen implementierbar, um situationsangepasstes 'intelligentes' Verhalten mit ihrer Hilfe zu simulieren.
Kognitive Grundprozesse des Kenntniserwerbs werden simuliert durch die situationsabhängige Ausbildung von bedingten Relationen zwischen jeweils aufeinander beziehbaren Symbolen für Begriffe (Stützinformationen). Diesen entsprechen konditionierte Assoziationen (Verbindungen, Beziehungen) zwischen logisch verifizierbaren Invarianten.

Die Lernfähigkeit des Homöostaten ermöglicht seine Verhaltensanpassung an geändert wahrgenommene Objekteigenschaften. Seine kognitiv-logische Gedächtnisstruktur wird bestimmt durch 'fest veranlagte' Logik-Funktionen (Vorwissen) in Verbindung/Integration mit 'konditionierten Assoziationen' für (ausgebildete) bedingte logische Verknüpfungen und einem zukünftig nutzbaren Potential an 'konditionierbaren Assoziationen' für ausbildbare (potentielle) logische Verknüpfungen. Durch 'strukturelles Lernen' sind 'kognitiv-logische' Funktionen situationsabhängig modifizierbar. Diese ermöglichen eine erfahrungsabhängige Verifikation ausgewählter Invarianten, die als funktionale Variablenwerte (für empirische Urteile und Entscheidungen) zur adaptiven Handlungssteuerung beitragen.

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, Urteilen, Bewerten und Entscheiden.

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 synaptischer 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 einer "höheren" Lernform, beispielsweise 'bedingte Aktionen' auf der Basis 'empirischer Urteile'.

Der situationsabhängige 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 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.

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 durch Kenntnisnutzung beim erneuten Untersuchen von Objekten bedeutet die funktionelle Nutzung von bedingten Relationen (als erworbenen Kenntnissen) für die 'assoziative' Entstehung von hypothetischen Voraussagen oder Vorurteilen (als Erwartungen oder Erinnerungen). Das lerntypische Assoziieren beeinflusst bedingte Funktionen für Geschmacksurteile, die ein Gesamturteil über das untersuchte Objekt mitbestimmen. Dazu dienen 'erfahrungsgemäß' konditionierte Assoziationen für bedingte Relationen in modifizierten logischen Verknüpfungen für solche "bedingte" Funktionen, die empirische Erkennungs- und Bewertungsergebnisse verifizieren. Letztere sind Einflussgrößen für "intelligente" Entscheidungen, um adaptives Verhalten zu simulieren (d. h. 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 unbekannten Objekt (zum Neuen) 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 Modell 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 (für seinen Antrieb, bestimmt vom aktuellen Bedarf), von der externen Situation (für seine Motivation) und von subjektiven Urteilen (für seine Emotion).
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 kennengelernten 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 "genießbar?" entsteht aufgrund einer Erfahrung ohne Lustgewinn ('Emotion für unzufrieden') für das assozierte Geschmacksurteil "annehmbar?". Diese führt bei geringem Bedarf zur Entscheidung 'Probieren (Anspruch)'. Wenn nur Appetit 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

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. Fazit: "Subjektiv bewertender Automat" - ein innovatives KI-Konzept

Intelligente Handlungssteuerungen für "rationale Autonomie" werden nach neueren Erkenntnissen aus der Hirnforschung mit dem Konzept einer erfahrungsabhängigen Bewertung (im limbischen System) 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..."
(Textauszug aus dem 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)

Mein Simulationsmodell "Lernender Homöostat" (» Erstimplementation 1980) simuliert vereinfachtes Nahrungsaufnahmeverhalten abhängig von Antrieb, Motivation und Emotion als "subjekteigene" (individuelle) Einflüsse bei der Beurteilung und Bewertung von erkannten Situationen zur Entscheidung für bedarfsgerechte und möglichst vorteilhafte Handlungen. Der lernende Automat simuliert "subjektive" Bewertungen von situationsabhängigen Wahrnehmungs- und Erkennungsergebnissen unter dem Einfluss seiner erfahrungsgemäß assoziierten Voraussagen (Vorurteile oder Erwartungen) und bestimmt damit "empirische" Urteile. Seine erworbenen Kenntnisse entsprechen seinen bisherigen Geschmackserfahrungen von wahrgenommenen Objekten, - die nicht nur 'bekannte', sondern auch versuchsweise 'kennengelernte' Objekte sein können, wodurch "selbsterhaltendes" Umlernen ermöglicht wird (Untersuchung von Neuem bei großem Bedarf). Angezeigt wird jede 'affektgesteuerte' und erfahrungsbedingte Entscheidung für eine situationsangepasste (adaptive) Handlungsauswahl. Sprachliche Ausdrücke (Kommentar-Anzeigen) als erklärende Statusreports betreffen explizite Situationsbeschreibungen (analog Selbstreflexion über 'Ich'-Zustände), empirische Urteile und systemeigene Ansprüche (analog individuellen Einstellungen), - dazu: Gesichtsausdrücke (Symbole) als emotionale Äußerungen.
Das KI-Modell "Lernender Homöostat" entspricht meinem Systemkonzept 'Intelligenter Automat' für kognitive Logik. Es ist ein innovativer Prototyp für ein "subjektiv bewertendes" lernfähiges Gedächtnissystem zum perspektivischen Einsatz in "kognitiven" Robotern oder lernfähigen "autonomen Agenten".

6. Trend zu kognitiven Robotern

Der bekannte Roboter-Experte Hans Moravec macht in seinem neuesten 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. (s. 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. (s. S. 110)

Hans Moravec ist Direktor des Mobile Robot Laboratory der Carnegie Mellon University in Pittsburgh. Weitere Informationen zu seiner Prognose findet man in » http://www.frc.ri.cmu.edu/~hpm/book98/.

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

» TOP        Seite aktualisiert: 03/07  © 2001     Copyright by Eberhard Liß  -  www.liss-kompendium.de