Up !
Illner Solutions




1  Übersicht über die Mechanische Intelligenz™


Die Theorie von IS findet in drei großen Bereichen der Wissensverarbeitung statt, die über die Informatik auch Themen der Künstlichen Intelligenz sind. Es geht jeweils um Wissen und dessen Darstellung per Software. In allen drei Bereichen sollen dadurch Fortschritte erzielt werden.
Am Ende sollen theoretische Ergebnisse mit Formalismen stehen, aus denen Computer-Anwendungen für die drei Bereiche entwickelt werden können.





1. 1  Vorbemerkung

1. 2  Die Wissensverarbeitung

1. 3  Sprache: Repräsentation von Wissen

1. 4  Logik: Schließen aus Wissen

1. 5  Mathematik: Anwenden von Wissen






1. 1  Vorbemerkung

Die Theorie von Illner Solutions versucht einige Ergänzungen für drei grundlegende Bereiche der Künstlichen Intelligenz zu liefern. Die Darstellung der Sprache bei Texten, der Logik beim Schlüssen und der Mathematik bei Simulationen wird in der Wissensverarbeitung behandelt und dann als Künstliche Intelligenz als Software realisiert.

Es geht auf dieser Site darum, in der Wissensverarbeitung vier kleine Paradigmenwechsel vorzuschlagen, was die Möglichkeit der maschinellen Darstellung der drei Themen betrifft. Da das Ergebnis davon keine denkenden Maschinen o.ä. sein sollen, sprechen wir bei den neuen Ergebnissen von Mechanischer Intelligenz™. Diese neue Mechanische Intelligenz™ beschreibt gerade das Programm von Illner Solutions.


Sprache              Logik             Mathematik
|                      |                       | 
Text                   Aussagen                Systeme


[Abb.: Drei Anwendungsbereiche der Wissensverarbeitung]


1. 2  Die Wissensverarbeitung

Die Wissensverarbeitung (vgl. [Philosophie / I]) ist die eigentliche Wissenschaftsdisziplin, in der die Themen der KI untersucht werden. KI wird häufig als Teil der Informatik angesehen oder als Mischdisziplin mit dieser. Jedenfalls ist die Informatik eine angewandte Disziplin, bei hr werden Ergebnisse von Logik, Mathematik und Linguistik auf die Turingmaschine angewendet.
KI ist eigentlich eine eigene angewandte Disziplin, hier werden Ergebnisse der Wissensverarbeitung als Software realisiert, also mit Ergebnissen der Informatik. Die KI kann dabei weiterhin problemlos als Teilgebiet der Informatik betrachtet werden.


    Logik                                     Wissensverarbeitung


Mathematik                                Künstliche Intelligenz


Informatik          


[Abb.: Die Wissenschaftsdisziplin Wissensverarbeitung]


Die Wissensverarbeitung ist inhaltlich und methodisch verwandt mit der Logik und der Mathematik. In der Logik werden die Grundlagen für die Formalisierung von Wissen entwickelt. In der Wissensverarbeitung geht es dann darum, wie man damit verschiedene Aspekte von Wissen repräsentieren und verarbeiten kann. Das beginnt bei der Urdifferenz, quasi einem Bit, geht über die Stelligkeit bei Zahlen und behandelt Themen wie Wissen in Form von Aussagen, aber auch Wissen in Form von Systemen.
Aber das sind Meta-Überlegungen aus der IS-Philosophie [Kapitel I], es folgt die IS-Theorie der Mechanischen Intelligenz™ im Rahmen der Wissensverarbeitung.


1. 3  Sprache: Repräsentation von Wissen

Der erste Bereich der Mechanischen Intelligenz™ von IS ist die semantische Sprachverarbeitung (siehe [Kapitel 2]). Es geht um die Bedeutung von Texten.
Sprache wird in der Linguistik untersucht. In der Wissensverarbeitung geht es dann um die Möglichkeit der formalen Darstellung von semantischen Inhalten. Damit wird die maschinelle Repräsentation von Wissen aus Sprache bzw. Texten ermöglicht. Bisher ... Wörter genommen und ... damit gemacht. Klar, ... was sonst ...
Wir interessieren uns hier nun aber für einen semantischen Formalismus, mit dem die inhaltliche Analyse von Text auf dem Rechner implementiert werden können.

Dazu wird in der IS-Theorie ein Paradigmenwechsel vom syntaktischen Paradigma zum semantischen Paradigma befürwortet. Die Ebene der Wörter ist nicht immer der beste Weg, um mit Mehrdeutigkeit oder Abstraktion umzugehen. Dazu schlagen wir zum einen das Begriffsnetz™ vor.

Beispiel zur Motivation:
(1)  Dies ist ein Pferd.
(2)  Ein Pferd ist ein Tier.
(3)  'Pferd' ist eine Tierart.
(4)  "Pferd" hat fünf Buchstaben.


Hinter einem gewöhnlichen Wort wie "Pferd" stecken also verschiedene Ebenen für seinen semantischen Inhalt.
Zum Begriffsnetz wird die sematische Metasprache SeMS™ entwickelt. Mit ihr können ähnlich wie in Prädikatenlogik Aussagen repräsentiert werden, aber jetzt eben auch alle obigen Beispiele gemeinsam.

Weshalb man sich seit Aristoteles, über die traditionelle Begriffslogik bis ins 19. Jh., bis zur Prädikatenlogik seitdem, so sehr auf die vier Elementarsätze (mit "für alle", "für einen") konzentriert, ist unklar. Denn da fehlt offenbar das Konzept der Abstraktion (3) und das der Erwähnung (4).

→  Die semantische Sprachverarbeitung wird in [Kapitel 2] entwickelt.


1. 4  Logik: Schließen aus Wissen

Der zweite Bereich der Mechanischen Intelligenz™ von IS ist das unscharfe Schließen (siehe [Kapitel 3]). Es geht um logische Wissensbasen bzw. Expertensysteme.
Logik ist eine eigene Wissenschaftsdisziplin. In der Wissensverarbeitung geht es dann um die Möglichkeit der formalen Darstellung von logischen Zusammenhängen. Damit wird das maschinelle Schließen aus Fakten-Wissen ermöglicht.
Wir interssieren uns hier für einen logischen Formalismus, mit dem realistische Wissensbasen auf dem Rechner implementiert werden können.

Dazu wird in der IS-Theorie ein Paradigmenwechsel vom Closed World-Paradigma zum Open World-Paradigma befürwortet. Zweiwertige ideale Logik ist nicht immer der beste Weg, um mit Unvollständigkeit und Widersprüchen umzugehen. Dazu schlagen wir eine unscharfe vierwertige Logik L4 vor.

Beispiele zur Motivation:
Widersprüchlichkeit entsteht bereits durch unscharfe Prädikate, wie sie auch die Fuzzylogik (vgl. [3.3.2]) behandelt oder durch unscharfe Regeln, wie im bekannten Pinguine-fliegen-Beispiel. Fehlendes Wissen hat man prinzipiell schon bei Aussagen über die Zukunft oder bei mathematisch unentscheidbaren Sätzen.

Die vierwertige Logik lässt sich als Aussagenlogik und als Prädikatenlogik realisieren. Mit der Ersten lassen sich auch eine vierwertige Schaltalgebra definieren, mit der man zukünftige legendäre QUAD-Chips™ bauen kann < hier so formuliert seit 21.05.2015 ! >, und die Ziffern für die nachfolgend besprochenen qualitativen Zahlen. Mit der Zweiten, der Prädikatenlogik lässt sich schließlich Fakten-Wissen verarbeiten, um realistischere Antworten von Expertensystemen zu erhalten.

→  Das unscharfe Schließen wird in Kapitel [Kapitel 3] entwickelt.


1. 5  Mathematik: Anwenden von Wissen

Der dritte Bereich der Mechanischen Intelligenz™ von IS ist die qualitative Systemmodellierung (siehe [Kapitel 4]). Systeme sind Ausschnitte der Welt.
Mathematik ist eine eigene Wissenschaftsdisziplin. In der Wissensverarbeitung geht es dann um die Möglichkeit der Darstellung von mathematischen Zusammenhängen. Damit wird auch das maschinelle Anwenden von Wissen ermöglicht.
Wir interessieren uns hier für einen mathematischen Formalismus, mit dem Modelle von Weltausschnitten auf dem Rechner implementiert werden können.

Dazu wird in der IS-Theorie ein Paradigmenwechsel vom numerischen Paradigma zum qualitativen Paradigma befürwortet. Differentialgleichungen sind nicht immer der beste Weg, um ein interpretiertes Ergebnis zu erhalten. Dazu schlagen wir qualitative Zahlen QZ vor, sie haben eine Stelligkeit und ihre Ziffern basieren auf obiger vierwertiger Logik L4.

Beispiel zur Motivation: (Ökosystem)
Wenn man die Konzentration eines Stoffes oder Organismus in Wasser angebe möchte, dann tut man dies gewöhnlich in Form einer Kommazahl mit einer physikalischen Einheit wie mg / l, mol / l ? oder ppm. Dieser numerische Wert muss nun vom Experten interpretiert werden, um eine Relevanz zu erhalten. Die Konzentration eines Stoffes kann als niedrig interpretiert werden, während die gleiche numerische Konzentration eines anderen Stoffes als hoch gilt.

Um mit den qualitativen Zahlen zu rechnen, gibt es hier eine semi-qualitative Arithmetik mit einer Addition, einer Subtraktion und einer Negation.

Außerdem wird ein Paradigmenwechsel vom monokausalen Paradigma zum organischen Paradigma befürwortet. Einflüsse zwischen Systemgrößen kommen nie unabhängig vor. Stattdessen sind mehrere Einflüsse gemeinsam Teil eines Prozesses, der in seiner Intensität zunehmen oder abnehmen kann.

Beispiel zur Motivation: (Labor)
Wenn Wasser von einem Behälter in einen anderen abfließt (das ist der Prozess), dann modelliert man einen negativen Einfluss auf die Wassermenge des oberen Behälters und einen proportionalen positiven Einfluss auf die Wassermenge des unteren Behälters. Wenn dabei noch z.B. eine Erwärmung oder Abkühlung auftritt, so haben wir weitere proportionale Einflüsse. Wenn viel fließt, dann nehmen alle diese Einflüsse zu.

Dies lässt sich durch eine Prozessrate modellieren. Sie ist eine Funktion von Systemgrößen, die ihren Wert bestimmen. Die Einflüsse, die von ihr ausgehen, sind wiederum Funktionen von ihr.

→  Die qualitative Modellierung wird in [Kapitel 4] entwickelt.




Erstmals kreiert am – Sonntag, 04. Januar 2015
Letzrmals geändert am – Donnerstag, 20. Februar 2020
Autor: Korgüll

Copyright 2015 – 2020  Illner Solutions