×
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.