Konnektionismus

Inhaltsverzeichnis

• 1 Von der klassischen AI zum Konnektionismus.
• 1.1 Allgemeines.
• 1.2 Die Annahmen der AI.
• 1.3 Ebenen kognitiver Prozesse.
• 2 Konnektionismus — eine Einführung.
• 2.1 Allgemeines.
• 2.2 Repräsentation — die klassische Unterscheidung.
• 2.3 “Programmieren” von konnektionistischen Netzwerken.
• 2.4 Netzwerkgrundtypen.
• 2.5 Aspekte von konnektionistischen Modellen.
• 3 Neuronale Netzwerke — Eine nähere Betrachtung.
• 3.1 Ein mathematischer Abriß der Aktivierungsausbreitung (Update).
• 3.2 Ein mathematischer Abriß der Lernregeln.
• 3.3 Verteilte Aktivierungsmuster.
• 4 Das Sub-Symbolische Paradigma.
• 4.1 Von Hofstadter zu Smolensky.
• 4.2 Die Gebirgsanalogie.
• 4.3 Die symbolische Annäherung.
• 4.4 Als Beispiel: Buchstabenerkennung.
• 4.5 Die Gegenprobe: identifizierbare Features.
• 4.6 Die konnektionistische Version des Sub-symbolischen Paradigmas.
• 5 Repräsentation und Selbstorganisation.
• 5.1 Allgemeines.
• 5.2 Symbolische Repräsentation.
• 5.3 Sub-symbolische Repräsentation.
• 5.4 Die Notwendigkeit eines Interpreters.
• 5.5 Was aber passiert in Hidden Units?.
• 5.6 Warum wurde Repräsentation als so wichtig eingeschätzt?.
• 5.7 Kognitive Modelle ohne Repräsentation? — Das Tower-Bridge Bild.
• 5.8 Sub-Symbolische Repräsentation — Das ‘Binding Problem’.
• 6 Symbole in sub-symbolischen Modellen.
• 6.1 Allgemeines.
• 6.2 Symbole und Informationstheorie.
• 6.3 Die Rolle symbolischer Muster.
• 6.4 Darstellung von Symbolen in konnektionistischen Netzwerken.
• 6.5 Ein Modellansatz für repräsentationsfreie interne Symbole.
• 6.6 Zusammenfassung.
• 7 Regeln und sub-symbolische AI.
• 7.1 Allgemeines.
• 7.2 Transformationsregeln.
• 7.3 Definitionsregeln: Am Beispiel Sprache.
• 7.4 Zusammenfassung.
• 8 Lernen.
• 8.1 Was ist Lernen?.
• 8.2 Lernen vom Hebb-Typus.
• 8.3 Verlernen.
• 8.4Zusammenfassung.
• 9 Zufälligkeit.
• 9.1 Die Bedeutung stochastischer Komponenten.
• 9.2 Pseudo-Zufälligkeit.
• 10 Feedbacks, Motivation und aktive Systemkomponenten.
• 10.1 Weg vom Stimulus-Response System.
• 10.2 Radikaler Konstruktivismus und sub-symbolische AI.
• 10.3 Offene Fragen.
• 11 Modelle der Perzeption.
• 11.1 Allgemeines.
• 11.2 Merkmale perzeptorischer Vorgänge.
• 11.3 Akustische Spracherkennung (Speech Recognition).
• 11.4 Visuelle Mustererkennung — Vision.
• 11.5 Zusammenfassung.
• 12 Kategorisierung und Konzeptualisierung.
• 12.1 Allgemeines.
• 12.2 Menschliche Kategorisierung und Implikationen daraus.
• 12.3 Kategorien und Bildung von Konzepten im sub-symbolischen Wissen.
• 12.4 Struktur und das Binding Problem.
• 12.5 Modularität, Rekrutierung und Resonanz.
• 12.6 Schemata.
• 13 Sprachverarbeitung.
• 13.1 Klassische Modelle und deren Grenzen.
• 13.2 Eine sub-symbolische Sicht.
• 13.2.4 “Universalgrammatik”.
• 13.3 Andere konnektionistische Systeme zum Thema Sprache.
• 14 Expertensysteme und Logik in der sub-symbolischen AI.
• 14.1 Menschliche Expertise, IP und CRI.
• 14.2 Produktionensysteme und neuronale Netzwerke.
• 14.3 Die Kritiken Dreyfus’.
• 14.4 Die Rolle der Logik.
• 15 Eine kritische Zusammenfassung.
• 15.1 Allgemeines.
• 15.2 Die “Symbol Wars”.
• 15.3 Die Grenzen des sub-symbolischen Ansatzes.
• 15.4 Konklusion (ein Versuch).
• Literatur.