Daten und Wissen

Intelligentes Verhalten beruht in erster Linie auf der richtigen Verwendung von Wissen. Sei es beim Menschen oder bei einem Computer. Dabei muß man auch daran denken, dass die Verarbeitung von Wissen keine Erfindung der künstlichen Intelligenz ist. Wir Menschen sind ebenfalls in der Lage Daten aus unserer Umwelt in Form von Reizen (sehen, hören, fühlen.....) aufzunehmen und sie im Gehirn zu verarbeiten und zu speichern. Wir sind dann in der Lage diese Informationen anzuwenden oder sie auch weiterzugeben. Es ist also auch ein Ziel der künstlichen Intelligenz Systeme zu entwickeln, die Wissen verwenden und erwerben können. Doch die Problematik, dass Wissen sich grundlegend von Daten unterscheidet, macht dieses Thema zu einem der wichtigsten Forschungsgebiete der künstlichen Intelligenz. D aten sind nämlich ohne Wissen nicht interpretierbar. Nehmen wir als Beispiel die Anzahl alternativer Lottozahlen: 49. Doch verwenden wir diese Daten (49) in einem a nderen Zusammenhang, so führt dies zu einer ganz anderen Interpretation. So schließen wir bei Schuhgröße 49 direkt auf „Riesenfüße“, und beim Alter 49 auf vielleicht „reifes Alter“. So läßt sich das beliebig fortführen. Also kann man Wissen als die Fähigkeit ansehen, Daten richtig zu interpretieren.

Eines der Kerngebiete der künstlichen Intelligenz ist der Entwurf Wissen so darzustellen, dass es einfach verwendet, aktualisiert und überprüft werden kann. Grundsätzlich unterscheidet man zwischen deklarativem, diskriptivem und operationalem Wissen:

Das deklarative Wissen beschreibt die Attribute von Objekten einer Domäne, z.B. die Daten eines Autos.

Das deskriptive Wissen ist die Menge von Fakten, Beobachtungen und Tatsachen. Diese lassen sich durch die Verwendung von Regeln (operationalesWissen) per Schlußfolgerung zu neuen Fakten, Beobachtungen oder Tatsachen ableiten.

Dazu ein Beispiel:

Fritz hat eine Tochter. Sie heißt Monika.

Aus diesem Text lassen sich eine Reihe von Fakten definieren, die das Wissen der einzelnen Satzaussagen formalisiert wiedergeben. Unsere Wissensbasis könnte demnach wie folgt aussehen:

fritz HAT_TOCHTER 1. monika IST_TOCHTER_VON fritz.

Wenn wir nun das künstliche Intelligenz „Auskunftssystem“ zur Verfügung haben, lassen sich nun Fragen stellen.

Hat Fritz eine Tochter?

Wie heißt der Vater von Monika?

Um die Frage an das System zu stellen muß man wieder die selbe Programmiersprache benutzen wie bei den Satzaussagen.

wer IST_TOCHTER_VON fritz?

wer IST_VATER_VON monika?

Wer ist nun eine Variabel, und nach durchsuchen des Speichers würde das System auf das Ergebnis monika kommen. Der Schlußfolgerungsmechanismus, welcher wissensbasierten Systemen zugrunde liegt, wird allgemein als Inferenzmechanismus bezeichnet. Er durchsucht die bestehende Wissensbasis nach den entsprechenden Fakten und ermöglicht so das Beantworten der Frage mitmonika.Um aber die zweite Frage beantworten zu können, reicht dem System das deskriptive Wissen nicht mehr aus. Das System müßte als operationales Wissen die Regel kennen: