Dr.-Ing.  Eberhard Liß  -  wissenschaftliche Veröffentlichungen  -  www.liss-kompendium.de

More than 30 years ago defined 'cognitive logic' was described with my theses and constructional concepts for innovative modelling of adaptive memory systems as Intelligent Automats for technical applications, especially as inductively learning inference systems of the cognitive robotics.

KI-Konzepte für Kognitive Logik intelligenter Automaten

Meine Dissertation, verteidigt am 03.02.88, an der TU Karl-Marx-Stadt (heute Chemnitz), Fakultät für Elektroingenieurswesen, basierte auf eigenen Konzepten und erfinderischen Lösungen für eine 'Kognitive Logik', - definiert als mein Forschungsbeitrag zu 'Künstlicher Intelligenz' (KI). 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.
Seit 2000 wurden inhaltliche Auszüge und Scan-Kopien meiner früheren Veröffentlichungen zusammen mit neueren Essays im LISS-KOMPENDIUM unter www.liss-kompendium.de herausgegeben, - vgl. meine Publikationen:

Obige Links ermöglichen das Lesen einiger ScanCopies meiner Publikationen mit neueren Einführungen, - siehe auch Weblink-Übersicht: » Kognitive Logik für Intelligente Automaten «.
Ein besonderer Link dient zum Start meines KI-Modells "Lernender Homöostat", das seit Mai 2001 als interaktive Existenz-Simulation im Internet zugänglich ist. Ich programmierte es mit JavaScript entsprechend meinem KI-Konzept der ersten Simulation (1980), die für einen Mikroprozessor mit Assembler entwickelt worden war. Im Jahr 1988 entwarf ich für dieses KI-Konzept eine zweite Implementation mit TURBOPROLOG für einen PC.
Meine systemtheoretischen Konzepte und Definitionen für lernfähige 'kognitiv-logische' Gedächtnissysteme ermöglichen eine technische Entwicklung innovativer KI-Modelle aufgrund 'nichtklassischer' Kognitiver Logik. Beispiele realisierbarer KI-Artefakte sind lernfähige Homöostaten, "subjektiv" bewertende Automaten oder 'autonome Agenten' der kognitiven Robotik.
Mein Ansatz für Kognitive Logik bedeutet einen systemtheoretischen Paradigmenwechsel hinsichtlich entwickelbarer "dynamischer" Wissensdarstellungen mit lernfähigen kognitiv-logischen Gedächtnisstrukturen, die gekennzeichnet sind durch veranlagte und bedingte Relationen bezogen auf mehrwertige Variablen - abweichend von der "starren" klassischen (formalen oder mathematischen) Logik, die orientiert ist auf begründbare formale Aussagen gemäß festgesetzten normativen Regeln für deduktive Inferenzen (abgeleitete Schlussfolgerungen).
Im Unterschied zur formalen, klassischen Logik (für "starres" Regelwissen) hat ein kognitiv-logisches Systemkonzept »Intelligenter Automat« den Vorzug einer vorbestimmten 'strukturellen Lerndisposition' als potenzieller Anlage für induktiv erlernbare bedingte Relationen, die erworbenen Kenntnissen entsprechen. Damit ermöglicht werden 'erfahrungsgemäße' Implikationen für bedingte Logik-Funktionen, die in lernfähigen Gedächtnisstrukturen situationsabhängig ausbildbar und modifizierbar sind (vgl. erlerntes Erfahrungswissen, das konsolidiert, korrigiert oder falsifiziert werden kann).
Intelligente Automaten (möglichst mit Selbstkontrolle) sind entwickelbar als KI-Modelle für lernfähige Gedächtnissysteme, die erkannte Situationen selbstbezüglich (subjektiv) bewerten und mit assoziierten Voraussagen "aus Erfahrung" beurteilen können. Ihre empirischen Urteile und assoziativen Erinnerungen (Voraussagen, Vorstellungen) beeinflussen logische Schlüsse, besonders zur adaptiven Handlungssteuerung (Autonomie).
- Zu simulieren sind empirische Urteile zur "intelligenten" Entscheidungsfindung durch systembezügliche 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. - Publizierte Beiträge hierfür sind kognitiv-logische KI-Konzepte und mein schematisches Gehirnmodell zur Erklärung 'hierarchisch gekapselter' Lernformen.
- Formale dynamische Wissensdarstellungen werden analog ausbildbaren Begriffsstrukturen bestimmt durch 'strukturelles Lernen' eines kognitiv-logischen Gedächtnissystems mit Erfahrungswissen, das im Rahmen der Lerndisposition modifizierbar ist. Ein situationsbedingter Kenntniserwerb, aufgefasst als kognitiver Grundprozess, ist simulierbar mit mindestens einem induktiven Lernmechanismus auf der Basis von konzeptionellem Vorwissen für Grundfunktionen (veranlagtes Basis-Wissen, z. B. für Implikationen a priori), - im Unterschied zum Tabula-rasa-Ansatz des Empirismus/Behaviorismus für konnektionistische Neuronale Netze.
- Erworbene Kenntnisse werden aufgefasst als 'bedingte Relationen', dargestellt in Form ausgebildeter konditionierter Assoziationen, die einbezogen sind in 'kognitiv-logische' Verknüpfungen der lernfähigen Gedächtnisstruktur für (erfahrungs-)bedingte Funktionen eines selbstlernenden Informationsverarbeitungssystems.
- Zur Implementation von 'strukturell erlernbaren' bedingten Relationen wurden logisch verknüpfte 'Kognitive Relatoren' vorgeschlagen, die mit einem » 'induktiven Lernmechanismus' ausgestattet sind. Diese fungieren als verteilte Gedächtniselemente in strukturveränderlichen kognitiv-logischen Verknüpfungs- und Speichereinheiten (siehe meine » Patentanmeldungen).
- Kognitiv-logische Gedächtnissysteme erlernen ihre induktiven Inferenzen (Schlüsse) durch erfahrungsgemäße Einbeziehung (empirische Implikation) von kenntnisspezifischen 'bedingten Relationen' in ihre bedingten Logik-Funktionen. Ihre empirischen Urteile entsprechen 'bisher bewährten' Regeln, die als 'induktiv angenommen' nur solange gelten, bis sie geändert oder korrigiert werden (vgl. Umlernen).
- Bedingte Logik-Funktionen eines intelligenten Gedächtnissystems (KI-Artefakt) sollen induktiv erlernt und auch "selbststrukturierend" umgelernt werden können durch situationsbedingten Kenntniserwerb (erfahrungsgemäßes Kennenlernen von Neuem), - möglichst ohne aufwändige Belehrung oder Training. Dieser Anspruch kann bisher nicht von technischen 'Neuronalen Netzen' (NN) erfüllt werden, die erst nach vielen Belehrungen mit Beispielvorgaben eine konditionierte Mustererkennung vollziehen können, - bestimmt mit graduell antrainierten, statistisch berechneten (arithmetischen) Aktivierungsfunktionen für grob modellierte Neurone eines klassifizierenden Reiz-Reaktion-Systems.
- 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 eines 'lernfähigen Zuordnungskomplexes' (vgl. 3.).
- Kognitiv-logisch darstellbar sind ausgebildete Begriffsstrukturen für theoretische Denkmodelle entsprechend konstruktiven Konzepten zur Beschreibung von kognitiv erfassten Zusammenhängen (vgl. Theorien, Axiome, Fiktionen), deren "induktiv erlernte" bedingte Relationen aufgrund verallgemeinert angenommener Regelmäßigkeiten nur hypothetisch gelten können. Deshalb müssen sich erworbene Kenntnisse von neu erfahrenen Regeln bei ihrer Nutzung empirisch bewähren, um weiterhin als 'relativ wahr' zu gelten (sonst Falsifizierung, Korrektur oder Umlernen).
- Elementare Konzeptformen darstellbarer Begriffsstrukturen werden modelliert mit definierten kognitiv-logischen Grundstrukturen. Diese entsprechen "kognitiven" OR- und AND-Knoten als plastischen Grundverknüpfungen einer (nichtklassischen) Kognitiven Logik, die vom Autor systemtheoretisch aufgezeigt worden sind. Jede begrifflich ausbildbare Grundverknüpfung wird bezeichnet als COR- bzw. CAND-Knoten und ist dispositionell vorbestimmt zur 'synthetischen Verallgemeinerung' bzw. 'analytischen Abstraktion' ihres jeweils dargestellten Begriffs. Das Begriffslernen wird ermöglicht mit knotenspezifisch konditionierbaren Assoziationen der strukturellen Lerndisposition.

Literatur-Hinweis: Das Quellenverzeichnis der Seite  » Neuro References (am 23.05.01 im Internet gefunden) enthält bemerkenswerte KI-Literatur (75 Bücher und Veröffentlichungen bis 1994, - auch mit 'vergessenen Ideen'), wobei meine o. g. Publikation 'Lernfähiger Zuordnungskomplex ...' als 40. Literaturstelle genannt ist.

» TOP               www.liss-kompendium.de   © 2000   Copyright by Eberhard Liß