Dr.-Ing. Eberhard Liß  -  www.liss-kompendium.de   » Veröffentlichungen zu KI-Konzepten


Ein Anhang für » Beiträge zu Definitionen und Konzepten einer Kognitiven Logik «


Grundbegriffe zur Kognitiven Logik

1. Einführung

Forschungs- und Entwicklungsarbeiten zur modellmäßigen Erklärung bzw. technischen Nachbildung von natürlichen "kognitiven Systemen" gewinnen zunehmend an Bedeutung (z. B. für innovative KI-Modelle und autonome Agenten der kognitiven Robotik). Erforschbar sind Kognitions- und Gedächtnisleistungen lernfähiger Organismen, aufgefasst als kognitive Akteure mit "rationaler" Autonomie. Erzielt wird eine nutzvolle Unterstützung des Menschen mit "selbstlernenden" Simulationsmodellen und künstlichen kognitiven Systemen. Solche technischen Artefakte sind gekennzeichnet durch situationsabhängig nutzbare Erinnerungen (Voraussagen aus Erfahrung) für ihre individuellen Entscheidungen beim "autonomen" Problemlösen, begründet mit empirischen Urteilen und "subjektiven" Bewertungen. Simuliert werden können erkenntnisgemäße logische Schlussfolgerungen, d. h. 'kognitiv-logische' Inferenzen (vgl. induktiv lernende Inferenzsysteme mit 'Gedächtnis'). [1][9]
Ein kognitives System ist befähigt zum 'selbstbezüglichen' Lernen gemäß seines Erfahrungswissens und eigener Bewertung von Situationen, - zwecks Selbsterhalt durch Anpassung an seine veränderliche Umwelt (Überleben). Es verfügt über "plastische" Funktionskomplexe zur lerntypischen (kognitiv-logischen) Informationsverarbeitung gemäß seiner kenntnisspezifisch ausgebildeten Gedächtnisstruktur. Seine Urteile und Entscheidungen werden beeinflusst von "erinnerten" Informationen (Vorstellungen, Erwartungen, Voraussagen). Diese beruhen auf dem kognitiven Grundprozess des situationsbedingten Kenntniserwerbs (Erfahrung, Erkenntnis), dessen technische Simulation als ein Schlüsselproblem der KI-Forschung und kognitiven Robotik perspektivisch zu lösen ist.
Unzureichende Beschreibungsmittel für selbstlernende kognitive Systeme (mit plastischer Gedächtnisstruktur) sind implementierbare Deduktionsregeln für Implikationen der "starren" formalen Logik, die logisch gültige Schlüsse bestimmen (deduktiv abgeleitet aus Prämissen, vgl. 3. Resümee).

Mein systemtheoretischer Ansatz für eine 'Kognitive Logik' (seit 1978) erzielt eine Modellierung kognitiver Systeme, die als lernfähige Gedächtnissysteme mit kognitiv-logischen Funktionen definierbar sind. Dabei wird ausgegangen von einer 'strukturellen Lerndisposition' (s. u.) für situationsbedingt ausbildbare oder modifizierbare 'bedingte' Logik-Funktionen gemäß einer dynamischen Wissensdarstellung. Erarbeitet wurde ein Systemkonzept 'Intelligenter Automat' und ein 'multihierarchisches' Gehirnmodell (meine Arbeitshypothese), das gekennzeichnet ist durch Entwicklungsstufen für 'verschachtelte' Lernformen, die 'hierarchisch gekapselt' klassifiziert wurden. Damit simulierbar sind höhere Lernformen, besonders zur "intelligenten" Entscheidungsfindung für situationsangepasstes Handeln, z. B. durch Auswahl eines vorteilhaften Verhaltensprogramms für eine bedingte Aktion zwecks Homöostase. [6][7][8]
Markant für höher entwickelte Formen von 'Lernen durch Erfahrung' sind verhaltensändernde Entscheidungen unter dem Einfluss von empirischen Urteilen und subjektiven Bewertungen (Antrieb, Emotion, Motivation), ausgehend von situationsabhängigen Erkennungsergebnissen, die verknüpft (oder verglichen) werden mit "assoziativ erinnerten" Erwartungen (Voraussagen, Vorurteile).
Alle hierarchisch klassifizierbaren "höheren Lernformen" basieren auf subjektiven Bewertungen von individuellen Erwartungen, d. h. von erfahrungsgemäß assoziierten Voraussagen, die situationsbedingt erworbenen Kenntnissen des lernfähigen Gedächtnissystems entsprechen (vgl. These 13 und "Beiträge zu Definitionen und Konzepten einer Kognitiven Logik"). [1][10]
Eine höhere Lernform ist das bedingte Erwägen einer optimalen Entscheidung, z. B. eines erfahrungsgemäß vorteilhaften oder "rationellen" Entschlusses. Dazu erforderlich ist ein antizipatorisches Abwägen der "erwarteteten" Konsequenzen von alternativ möglichen Aktionen (d. h. der vermuteten Tatfolgen) durch ihre "voraussichtliche" Bewertung für selektierte Entscheidungsalternativen (def. Efferenzentwürfe der mentalen Handlungsvorwegname) vor dem Entschluss gemäß mit Efferenzentwürfen assoziierten Voraussagen (zweiter Art, vgl. Definition 20). Die selbstbezüglich bewertbaren Erwartungen für Handlungskonsequenzen (Voraussagen vermutlicher Effekte) basieren auf "unsicherem" Erfahrungswissen entsprechend induktiv angenommenen Regel- oder Gesetzmäßigkeiten der Umwelt. [1][8][12]
Das 'Lernen durch Erfahrung' oder 'Lernen am Erfolg' steht im Einklang mit der allgemeingültigen Lernmethode 'Versuch und Irrtum' (trial and error) für bedarfsabhängiges Problemlösen. Zum Auffinden optimaler Problemlösungen dienen möglichst adäquate Referenz-Modelle (Meta-Wissen, falsifizierbare Theorien), die erzielbar sind durch kognitiv-logische Modellbildung. [11]

2. Definitionen und Thesen zu kognitiv-logischen Gedächtnissystemen

Folgende Kurzbeschreibung von Grundbegriffen zu einer innovativen Kognitiven Logik ist gegliedert in begriffliche Erklärungen, Definitionen und Thesen. Diese betreffen 'kognitiv-logische Gedächtnissysteme' und ihr strukturelles Lernen, gekennzeichnet durch situationsbedingte Struktur- und Funktionsänderungen zur Ausbildung von "erlernten" Logik-Funktionen. Letztere werden bestimmt durch bedingte Relationen als erworbene Kenntnisse einer modifizierten oder erweiterten Gedächtnisstruktur. [1][4][7]
Der aufgezeigte kognitiv-logische Modellansatz für 'lernfähige Gedächtnisstrukturen' erzielt die "selbstorganisierende" Ausbildung von bedingten Logik-Funktionen gemäß einer dynamischen Wissensdarstellung unter der Voraussetzung von nutzbarem Basis-Wissen (A-priori-Wissen für Grundfunktionen) im kognitiv-logischen Gedächtnissystem. Explizite Vorkenntnisse für Grundfunktionen (objektivierbares Basis-Wissen) eines entwickelbaren Gedächtnissystems können konzeptionell vorgegeben werden, z. B. mit formalen Verknüpfungsregeln logischer Implikationen für spezifisch veranlagbare 'Basis-Inferenzen' (vgl. Definition 17). [7]
Als Modell eines 'selbstlernenden' kognitiv-logischen Gedächtnissystems wurde ein 'lernfähiger Zuordnungskomplex' systemtheoretisch definiert. Seine Komponenten sind hierarchisch vernetzte 'Zuordnungseinheiten', definiert als lernfähige Funktionskomplexe, auf gestuften Zuordnungsniveaus mit Inputs und Outputs. Ihre konzipierten strukturellen Lerndispositionen ermöglichen ausbildbare logische Verknüpfungen von Variablenwerten (Invarianten, siehe These 11) mittels 'bedingten Relationen', die als erworbene Kenntnisse situationsbedingt erlernt werden (vgl. Simulationsmodelle und Konzepte seit 1978) [1] - [9].

Definition 0: Die strukturelle Lerndisposition eines kognitiv-logischen Gedächtnissystems ist seine 'potenzielle' Anlage einer Menge (Satz) von situationsabhängig konditionierbaren Assoziationen (z. B. aufbaubaren Wirkverbindungen) für kenntnisspezifisch repräsentierbare bedingte Relationen (erworbene Kenntnisse) in funktionell ausbildbaren Verknüpfungen einer lernfähigen Gedächtnisstruktur. Diese konzeptionelle Veranlagung bestimmt das prädisponierte Ausbildungsvermögen für individuelles Erfahrungswissen durch 'strukturbildende' Erweiterung oder Veränderung des Vorwissens (strukturelles Lernen) gemäß 'angenommenen' bedingten Relationen. [1][8][9][10]
Eine »konditionierbare Assoziation« wird bestimmt als ein 'potenzielles' Gedächtniselement für mindestens eine erlernbare 'bedingte Relation' gemäß der veranlagten »strukturellen Lerndisposition« eines (kognitiv-logischen) Gedächtnissystems. Ihre Konditionierung für eine situationsbedingt erwerbbare Kenntnis geschieht 'induktiv' durch verallgemeinernde Zusammenhangserfassung (unter einer Koinzidenzbedingung, vgl. These 1 zu strukturellem Lernen im plastischen Neuronennetz mit synaptischen Verbindungen). [1] - [9]
Ermöglicht wird ein situationsbedingter Kenntniserwerb aufgrund mindestens eines 'induktiven Lernmechanismus' für jede erfassbare Beziehung (im Rahmen der strukturellen Lerndisposition), wobei eine bedingte Relation bestimmt wird durch kognitive Zusammenhangserfassung nach dem Prinzip der Vereinbarkeit (Konnexanalyse) für detektierte Signal-Koinzidenzen. [1]

»Kenntniserwerb« eines lernfähigen Gedächtnissystems ist ein kognitiver Prozess mit dem Resultat der 'erworbenen Kenntnis', die als erfasste begriffliche Beziehung des 'kognitiv' erweiterten Wissens für (Vor-)Aussagen nutzbar ist. Eine erworbene Kenntnis kann als angenommenes Wissenselement "im Gedächtnis" behalten (temporär gespeichert), gefestigt (empirisch bestätigt, konsolidiert) oder entfernt (vergessen, verlernt) werden.
Beim Kenntniserwerb durch strukturelles Lernen wird mindestens eine situationsbedingt erfasste Beziehung als 'bedingte Relation' zwischen Begriffssymbolen in Form einer konditionierten Assoziation (vgl. These 2) der kognitiv-logischen Gedächtnissstruktur 'strukturell' gespeichert (def. als 'strukturelles Speichern').
Ein situationsbedingter Kenntniserwerb entspricht einer "kognitiven" Erweiterung oder Modifikation der Wissensstruktur (Ausbildung von Erfahrungswissen) durch funktionelle Einbeziehung von mindestens einer "erworbenen" empirischen oder theoretischen Kenntnis (Erkenntnis).

Eine erworbene Kenntnis entspricht einer kognitiv erfassten Beziehung (in plastischer Verknüpfung) gemäß einer begrifflichen Vereinbarung für einen 'induktiv' angenommenen Zusammenhang (verallgemeinernd, modellhaft), - aufgrund mindestens einer detektierten Signalkoinzidenz eines externen Sachverhalts oder einer systeminternen Situation (vgl. induktiver Lernmechanismus, Thesen 1 und 2). [1] - [4]

Das »strukturelle Lernen und Speichern« von erworbenen Kenntnissen ermöglicht kognitive Gedächtnisleistungen aufgrund assoziativer Erinnerungen. Der Grundprozess einer 'logisch-funktionellen' Kenntnisnutzung wird definiert als 'Assoziieren aus Erfahrung', - entsprechend der assoziativen Generierung von erfahrungsgemäßen Vorstellungen oder Voraussagen (Prädiktionen). Unter dem Einfluss von assoziierten Voraussagen (Erwartungen) entstehen empirische Urteile (Vorurteile) für Entscheidungen eines 'kognitiven Systems', z. B. zur Veranlassung von bedingten Aktionen und lerntypischen Verhaltensänderungen (vgl. These 13 und Definitionen 18f, siehe auch Lernender Homöostat und Intelligenter Automat). [1][7][8]
Die situationsabhängig nutzbaren Kenntnisse für Gedächtnisleistungen eines kognitiven Systems, gemäß seinem "ausgebildeten" Erfahrungswissen, ermöglichen hypothetische induktive Inferenzen (empirisch verallgemeinernde Schlüsse) zwecks erfahrungsgemäßer Verhaltensanpassung an veränderte externe und interne Situationen (variable Umwelt- und Systembedingungen). [7]

Kenntnis ist ein funktionell nützliches Wissenselement zur Informationsverarbeitung, das als 'relationale' Kenntnis einer Wissensstruktur fungiert und in dieser strukturell gespeichert ist. »Erworbene Kenntnisse« sind "erlernte" Wissenselemente im Gedächtnissystem (für ausbildbares Wissen) und entsprechen begrifflichen Beziehungen von "erfassten" Zusammenhängen. [12]

Definition 1: Eine strukturell gespeicherte Kenntnis eines assoziativen Gedächtnissystems entspricht mindestens einer zwischenbegrifflichen oder innerbegrifflichen semantischen Relation (vgl. Thesen 1 und 2 sowie Definitionen 2 und 3).
Erworbene Kenntnisse sind bestimmbar als erfahrungsgemäß oder theoretisch erfasste Begriffs- oder Merkmalsbeziehungen (def. als bedingte Relationen), die verallgemeinert nutzbar sind, z. B. zur funktionellen Beinflussung von empirischen Urteilen oder Entscheidungen für "intelligente" Aktionen (Lernverhalten).
Objektivierbare Kenntnisse entsprechen relationalen Wissenselementen, die formalisierbar und interaktiv mitteilbar sind, um damit zu informieren und gewonnene Einsichten in prinzipielle Zusammenhänge vermitteln zu können.
Kenntnisse des deklarativen Wissens können formal-sprachlich ausgedrückt werden als Relationen (Assoziationen, Verknüpfungen) zwischen begrifflichen Invarianten (Symbolen, Variablenwerte, Mustern), denen Zeichen, Wörter oder Sätze für Aussagen entsprechen. [3][5]

Neu erfasste 'begriffliche' Beziehungen können als erworbene Kenntnisse von (durch Verallgemeinerung) angenommenen Regelmäßigkeiten zu gewonnenen Erkenntnissen werden, wenn sie hinreichend begründbar sind. (Er-)Kenntnisse als "gesetzmäßig" erfasste Kausalitätsbeziehungen bestimmen empirische Urteile und "intelligente" Entscheidungen. Assoziativ nutzbare Kenntnisse ermöglichen im empirischen Kontext erinnerbare Voraussagen und Vorstellungen für "entwickelbare" Theorien und "konstruktive" Problemlösungen.

Zusätzlich zu (prädeterminierten) »veranlagten Vorkenntnissen« (A-priori-Wissen) gibt es situationsbedingt erworbene (bedingte oder innovative) Kenntnisse, die als erinnerbare Erfahrungen (bzw. gewonnene Erkenntnisse) in einer 'lernfähigen Gedächtnisstruktur' kurz- oder langzeitig gespeichert werden. [10]
Beim Lernen können empirische Kenntnisse als »erworbene Vorkenntnisse« fungieren zur assoziativen Unterstützung von neuem Kenntniserwerb (gewonnene Einsicht) durch situationsbedingte Ausbildung der modifizierbaren Gedächtnisstruktur des kognitiven Systems, d. h. funktionelle Erweiterung des Erfahrungswissens (Wissenszuwachs).

Prinzipiell unterschieden werden empirische und theoretische Erkenntnisse eines lernfähigen Gedächtnisssystems hinsichtlich ihrer situationsspezifischen Entstehungsart (Verursachung oder Begründung), die gekennzeichnet ist durch eine externe bzw. interne Ursache oder Bedingung.

Für situationsbedingten Kenntniserwerb möglich sind zwei Konditionierungsarten, definiert als 'reale' bzw. 'assoziative' Konditionierung, gemäß einer externen ('kognitiv' wahrgenommenen) bzw. systeminternen ('intuitiv' assoziierten) Situationsbedingung für mindestens eine detektierte Signal-Koinzidenz pro konditinierbarer Assoziation. [1][3][4][7]

Ein empirischer oder theoretischer Kenntniserwerb entspricht mindestens einem kognitiven Grundprozess im lernenden Gedächtnissystem.

These 1: Ein kognitiver Grundprozess des strukturellen Lernens für situationsbedingten Kenntniserwerb ist erklärbar mit mindestens einem 'induktiven' Lernmechanismus (gemäß Koinzidenzbedingung für verallgemeinerte Beziehungsannahme) bei der Ausbildung oder Verstärkung von synaptischen Verbindungen zwischen Neuronen in assoziativen Gedächtnisstrukturen des Gehirns.

Das strukturelle Lernvermögen für eine erfassbare Beziehung befähigt zum situationsbedingten Kenntniserwerb durch Konnexanalyse für mindestens eine detektierte Koinzidenz von solchen Signalereignissen, die durch (disjunktive oder konjunktive) Verallgemeinerung erfahrungsgemäß in Verbindung gebracht werden können (vgl. Defintion 11 zu strukturellem Lernen durch Merkmalseinbeziehung). [1] - [9]
Aufbau und Bekräftigung oder Abbau einer bedingten Relation (in Form einer konditionierten Assoziation) resultieren aus der kognitiven Annahme (Erfahrung) und Bestätigung bzw. Nichtbestätigung einer 'induktiv vermuteten' Regelmäßigkeit des wirklichen Zusammenhangs (entdeckter und untersuchter realer Konnex), für den eine begriffliche Beziehung situationsbedingt erfasst werden konnte (d. h. 'modellhafter' induktiver Kenntniserwerb).

Eine neue Kenntnis wird situationsbedingt erworben und kurz- oder langzeitig behalten. Sie ist nutzbar als 'gespeicherte' Erfahrung (Erfahrungsgewinn) entsprechend einer empirischen Relation, z. B. einer induktiv erfassten hypothetischen Merkmalsbeziehung zwischen dem Besonderen/Einzelnen und dem zugeordneten Allgemeinen/Abstrakten (verallgemeinernde Zusammenhangserfassung, vgl. Thesen 3 bis 5) [1][10]
Praktisch unbestätigte, "neuerworbene" Kenntnisse sind "unbewährte" Wissenselemente. Sie entsprechen erst dann gesetzmäßigen objektiven Zusammenhängen, wenn sie sich durch ihre funktionelle Nutzung bei der Informationsverarbeitung (Erinnerung oder Voraussage durch 'Assoziieren aus Erfahrung') in der Praxis bewähren und wiederholt konditioniert und konsolidiert (d. h. praktisch bestätigt) worden sind.
Das 'Vergessen' (Kenntnisverlust) einer empirisch erworbenen, aber später unbestätigten Kenntnis ist erklärbar durch den Abbau (Verlieren) einer kenntnisspezifischen 'bedingten Relation' (konditionierten Assoziation) in der variablen Gedächtnisstruktur.

These 2: Situationsbedingt erworbene Kenntnisse (einer Gedächtnisstruktur) entsprechen 'semantischen' bedingten Relationen, die formal darstellbar sind als "ausgebildete" (strukturell erlernte) Begriffs- oder Merkmalsbeziehungen in Form konditionierter Assoziationen, die objektiviert als Aussagen (vgl. logisch begründbare Erkenntnisse) mitgeteilt werden können mit sprachlichen Ausdrucksformen für (zwischen- bzw. innerbegriffliche) Relationen oder Prädikate.
Mit symbolischen Relationskennzeichen für "kognitiv erfasste" Beziehungen einer lernfähigen Gedächtnisstruktur lassen sich 'bedingte' logische Zusammenhänge des Erfahrungswissens beschreiben (vgl. These 3 und Defintion 8). [1][3][6]

Eine dynamische Wissensdarstellung durch lerntypische Ausbildung (Erweiterung oder Umgestaltung) von Erfahrungswissen einer "kognitiv" veränderlichen Gedächtnisstruktur kann deklarativ ausgedrückt (beschrieben und erklärt) werden mit definierten Aussagesätzen (z. B. logischen Implikationen) für bedingte Relationen. Dabei sind hypothetisch nutzbare (Er-)Kenntnisse empirisch zu überprüfen, ob sie praktisch bestätigt werden oder ob sie falsifiziert werden müssen (vgl. Korrektur beim Umlernen [7]). [1] - [9]

Definition 2: Bedingte Relationen, die "strukturell erlernt" worden sind in einer kognitiv-logischen Gedächtnisstruktur mit 'plastischen' Verknüpfungen, sind charakteristisch für bedingte Funktionen der Kognitiven Logik, d. h. bedingte Logik-Funktionen zur Bestimmung von simulierbaren Lernformen. [1][4][6][7][8]

Definition 3: Eine erworbene Kenntnis der kognitiv-logischen Gedächtnisstruktur wird bestimmt als "funktionelle" bedingte Relation in Form einer konditionierten Assoziation, die einbezogen ist in mindestens eine bedingte logische Verknüpfung von Begriffssymbolen (bedingte Logik-Funktion) und dadurch funktionell mitwirkt bei der erfahrungsgemäßen Kenntnisnutzung (vgl. empirisches Assoziieren "aus Erfahrung" beim Erinnern, s. These 13). [1][4]

Jede »konditionierte Assoziation« einer lernfähigen Gedächtnisstruktur entspricht einer 'vereinbarungsgemäß aufgebauten' (Wirk-)Verbindung mittels eines funktionell aktivierten 'relationalen Gedächtniselements' (vgl. Synapse) zur Repräsentation einer semantischen bedingten Relation, die aufgefasst wird als situationsbedingt erworbene Kenntnis (Erkenntnis) im Sinne eines 'angenommenen' Wissenselements (für gewonnene Einsicht). [1] - [4]

Die »kognitive Erfassung« mindestens einer begrifflichen Beziehung, aufgefasst als erworbene Kenntnis von einem erfassten Zusammenhang, ist erklärbar als ein "verallgemeinerndes Begreifen" mindestens einer (beobachteten oder vermuteten) Beziehung zwischen Objekt- oder Situationseigenschaften. Induktiv (verallgemeinernd) erfasste Kausalitätsbeziehungen und/oder Zuordnungen (Entsprechungen) werden bestimmt als Begriffs- oder Merkmalsbeziehungen. Diese entsprechen bedingten Relationen in ausgebildeten Begriffsstrukturen, die formal darstellbar sind mit verknüpften Relationen und Begriffssymbolen (Invarianten). [1][4][12]

Wir (wieder-)erkennen Unterschiedliches einer abstrakten Kategorie als einen allgemeinen Begriff durch Vergleich mit besonderen Merkmalskonjunktionen für wesentliches Abstraktes im Allgemeinen.

Merkmal ist ein charakteristisches Detail als begriffsbezogenes Unterscheidungskriterium und entspricht einem merkmalsspezifischen Kennzeichen (verifizierbare Invariante, s. u.), das eine (messbare) Objekt- oder Situationseigenschaft als (typisches) Charakteristikum für mindestens einen Begriff kennzeichnet (siehe Definition 4 und 8).

These 3: Für ein "bekanntes" Merkmal (Ci = Cx), das die Bedeutung eines 'singulären' Begriffs des Einzelnen oder Besonderen hat, wird seine erworbene Kenntnis (bedingte Relation) bestimmt als "kennen gelernte" Merkmalsbeziehung zu einer Bezugsinvariante (Begriffssymbol) als Identifikator (CBa oder Cy) für den abstrahierten bzw. verallgemeinerten Begriff (vgl. kognitiv-logische Grundstruktur wie Bild 1 in [1] und in » Beiträge zu Definitionen und Konzepten einer Kognitiven Logik, - siehe Thesen 9 und 10). [3]

Kognitiv-logische Grundstruktur

Definition 4: Ein besonderes Merkmal (Ci) entspricht dem ausgewählten Wert eines (mehrwertigen) Deskriptors, z. B. einer Variable, Funktion, eines Attributs oder Prädikats. Das merkmalsspezifische Kennzeichen ist eine logisch verifizierbare Invariante und bestimmt als selektierbare Komponente einer typischen Merkmalskonjunktion den damit abstrahierten Begriff des Besonderen (CBa). [1]

These 4: Der situationsbedingte Kenntniserwerb beim "kognitiven" Erfassen einer 'neuen' Merkmalsbeziehung erfolgt durch "induktive" (verallgemeinernde) Einbeziehung eines "begrifflichen" Merkmals als Konkret-Einzelnes in die 'plastische' (ausbildbare) Begriffsstruktur für Abstrakt-Allgemeines, d. h. durch 'strukturelles Lernen' (Aufbauen) einer konditionierten Assoziation für eine bedingte Relation als erworbene Kenntnis (vgl. Definition 11).
Eine "spezialisierende" 'konjunktive' Merkmalseinbeziehung für ein 'zusätzliches' Merkmal (Ci) erweitert die Merkmalskonjunktion (Spezialisierung) des 'analytisch abstrahierten' Begriffs des Besonderen (CBa), dem ein 'genereller' Begriff übergeordnet ist (Oberbegriff, Cy). Außerdem möglich ist eine "generalisierende" 'disjunktive' Merkmalseinbeziehung für einen 'alternativen' Unterbegriff (Cx) durch Erweiterung der disjunktiven Verknüpfung (Generalisierung) eines 'synthetisch verallgemeinerten' Begriffs des Allgemeinen (Ober- oder Allgemeinbegriff, Cy). [1][4]

Definition 5: Ein "bedingtes" Merkmal (Ci = Cx) einer mittels bedingter Relation erweiterten Begriffsstruktur (z. B. des Besonderen CBa) gilt für den durch induktiven Kenntniserwerb verallgemeinerten Begriff, der mit mindestens einem Identifikator (C'B = Cy) als Begriffssymbol für das Allgemeine bezeichnet werden kann.

Definition 6: Ein "wahrscheinliches" Merkmal ist über eine unscharfe Relation (als ungenaue Kenntnis) mit dem Begriffsidentifikator in Beziehung gebracht worden.

Definition 7: Ein "streuendes" Merkmal für einen allgemeineren Oberbegriff charakterisiert einen disjunktiven Unterbegriff, wenn dieser Abbild einer Klasse alternativer Merkmale oder auch einer unscharfen Klasse (fuzzy subset) ist.

These 5: Die Modellierung erweiterbarer logischer Begriffsstrukturen durch kognitive Merkmalseinbeziehung beruht auf mindestens einem induktiven Lernmechanismus zur Konditionierung 'empirischer Assoziationen' (für bedingte Relationen) in kognitiv-logischen Verknüpfungen, wobei besondere Koinzidenzbedingungen für "reale" oder "assoziative" Konditionierungen situationsabhängig erfüllt sein müssen (vgl. Bild1 und Definition 0). [1][3][4]

Invariante ist eine im Beobachtungszeitraum konstante Form oder Formation der objektiven Realität. Eine Invariante erscheint durch ihre Wahrnehmung als Datum (Gegebenes) oder Fakt (Erscheinungsform) oder gilt auf Grund ihrer logischen Verifikation (Wahr- oder Gültigmachung). - Jede Invariante einer logischen Struktur wird als ein aktuell ausgewählter (selektiv verifizierter) Variablenwert aufgefaßt, der einem Funktions- oder Signalwert zur Darstellung (Repräsentation) von Information entsprechen kann (vgl. Definition 10 und 14).

Definition 8: Eine 'objektiv-reale' Invariante kann als erkennbares Merkmal für mindestens einen Begriff dienen, wobei sie charakteristische Information darstellt. Eine 'relational' definierte Invariante als Prädikat oder Relationskennzeichen für die Kenntnis einer erfassten Beziehung (begrifflicher Zusammenhang) repräsentiert eine relationale Information (siehe Definition 10).

Definition 9: Allgemein ist eine Invariante dann ein Symbol zur Informationsdarstellung, wenn ihr mindestens ein semantischer Inhalt (als ihre Information) interpretativ entnehmbar ist. Symbolische Invarianten sind begrifflich bestimmte Daten, Fakten oder sprachliche Ausdrücke (z. B. Nominatoren, Terme oder Prädikatoren) zur Informationsdarstellung, -übertragung, -speicherung oder -verarbeitung.

Sprachlich vereinbarte Ausdrucksformen für Merkmale (Aspekte) und Begriffe (Klassen) sind verstehbar als symbolische Invarianten, die verifizierbar sind als selektierte Formationen, beispielsweise: codierte Signal- oder Bit-Werte, Zeichen, Superzeichen, Worte, Sätze, Sequenzen oder Muster (def. Logos-Relationen [12]).

These 6: Eine formale (syntaktische) Wissensrepräsentation verwendet verknüpfte und/oder zugeordnete Invarianten als Symbole für Begriffe und deren Beziehungen, d. h. für semantische Relationen. Beispiele sind sprachliche Beschreibungsformen für 'semantische Begriffsnetze' und logische Strukturen zum Darstellen von Wissen. [3][4]

Formation ist ein allgemeiner Ausdruck für die aktuelle (ausgewählte) Darstellungsform eines materiellen Fakts. Im Zeitraum ihrer Beständigkeit (Konstanz) gilt sie als Invariante oder Invariantensatz. Beispiel einer aktuellen Formation ist ein gültiges Wertetupel (eines Vektors) als verifizierte Symbolkombination, Sequenz oder Muster für ein Situationsereignis, - definierbar als Invariantensatz einer Variablenkonfiguration (vgl. Definition 16). [4]



Formationen zur Informationsdarstellung zwecks Repräsentation von Wissen sind sprachliche Ausdrücke für logische Regeln, Fakten oder Relationen, aber auch mathematische Sätze (Formeln). Besondere mathematische Formalismen (einer Theorie) beschreiben begriffliche Zusammenhänge (zwischen Variablen eines theoretischen Modells), deren Komplexität die Darstellungsmöglichkeiten einer Sprache übersteigt (vgl. Definition 17).

Die Abstraktion einer erkennbaren Formation, übereinstimmend mit einer realistischen Vorstellung, wird bestimmt als die mentale Zuordnung mindestens einer begrifflichen Invariante als ihre 'gedankliche Bezeichnung', ausdrückbar mit einem symbolischen Identifikator (Zeichen). Das abstrahierte Äquivalent der materiellen Formation (als ihr 'vorgestelltes' Modell) entspricht einem begrifflichen Konstrukt, aufgefasst als Konzept für mindestens einen "ideellen" Begriff.
Begriffe und ihre Beziehungen (Relationen) können jeweils in Form mindestens einer symbolischen Invariante (z. B. Begriffssymbole und Relationskennzeichen) redundanzvermindert ausgedrückt werden (d. h. Informationsreduktion durch Abstraktion).
Mit relativ wenigen formalen Ausdrücken für Aussagen sind "informelle" Begriffsformen 'verständlich objektivierbar', d. h. sprachlich mitteilbar und optimal übertragbar (nützliche Redundanz).

Definition 10: Der semantische Inhalt (Bedeutung) einer Formation (ebenso Invariante) wird als interpretativ 'entnehmbare' Information (d. h. "Eingeformtes", von lat. informare) definiert, die als Nachricht oder Auskunft für einen Interpreten "verstanden" werden kann. Eine vom Subjekt oder Interpreten deutbare Formation ist eine "decodierbare" syntaktische Form der entnehmbaren semantischen Information, - siehe auch » Information - subjektive Nachricht für kognitive Systeme. [1][4]

Formale Darstellungen und sprachliche Ausdrücke (z. B. Zeichen, Worte oder Sätze) für 'verständliche' Aussagen können nur dann richtig gedeutet und verstanden werden, wenn bei ihrer Interpretation erforderliche Kenntnisse (als Vereinbarungen oder Vorwissen) für adäquate Vorstellungen vorhanden und im richtigen Kontext nutzbar sind.

Ein kognitives System erkennt eine Formation 'auf seine Weise' (subjektiv). Dadurch kann es sich "informieren", so dass seine Verarbeitungsoperationen "informell" beeinflusst werden. Mögliche Folgen einer Informierung (Verstehen) sind funktions- oder strukturbestimmende Nachwirkungen im lernfähigen Gedächtnissystem, die lerntypische Verhaltensänderungen bestimmen können. Die 'subjektive' Deutung einer Formation entspricht ihrer individuellen Interpretation im kognitiven System, bestimmt von Erfahrungswissen und selbstbezüglicher Bewertung. Resultat der Interpretation kann eine erworbene Kenntnis oder gewonnene Erfahrung sein, die zur situationsbedingten Wissensveränderung bzw. -festigung beiträgt (Information für Lernen bzw. Konsolidierung von Wissen).

These 7: Bei der Interpretation von begrifflich vereinbarten, (wieder-)erkennbaren symbolischen Invarianten (Formationen) fungiert ein "kognitiv-logisches" Gedächtnissystem als lernfähige 'Einheit von Prozessor und Speicher', - mit der vorteilhaften Befähigung (im Rahmen seiner strukturellen Lerndisposition), dass es bedingte Relationen als erworbene Kenntnisse strukturell speichern kann. Sein 'strukturelles Lernen' ermöglicht die "intelligente" Kenntnisnutzung, besonders das Assoziieren (aus Erfahrung) von Voraussagen oder Erwartungen, die bewertet werden und Entscheidungen beeinflussen können, womit lerntypische Verhaltensanpassungen an veränderte (Umwelt-)Situationen steuerbar sind, - siehe auch » Lernender Homöostat mit kognitiver Logik für rationale Autonomie. [1][6][7][8]

Nach Definition 1 und These 2 entsprechen erworbene Kenntnisse situationsbedingt erfassten Begriffs- oder Merkmalsbeziehungen, die als bedingte Relationen einer lernfähigen Gedächtnisstruktur gespeichert werden (temporär oder bleibend). Ihre verallgemeinerte Nutzung für Interpretationen oder empirische Urteile basiert auf kenntnisspezifisch gebildeten 'kognitiven Schemata' und kognitiv-logischen Modellen (Denkmodelle, Theorien) des ausbildbaren Erfahrungswissens. [11]

Handlungsorientierte Interpretationen aktueller Situationen entsprechen analytischen Deutungen von Formationen (als deutbare Zeichen) in funktioneller Abhängigkeit von aktuellen "subjektiven" Einstellungen, Bewertungen und Zielstellungen (Emotion bzw. Motivation). [6][7]
Individuelles Verstehen von Formationen im jeweiligen Zusammenhang (Kontext) gelingt mit "richtig gedeuteten" Erkennungsergebnissen infolge von analytischen Unterscheidungen zwischen begrifflichen Wertekategorien des situationsbedingt erworbenen Erfahrungswissens, womit empirische Urteile für Aussagen und Entscheidungen bestimmt werden können.

Die mentale Analyse einer Formation bedeutet ihre 'zergliedernde' Untersuchung und ist eine kognitive Grundform des 'analytischen' Denkens zur Bestimmung mindestens eines abstrahierten Begriffs in Zuordnung zur analysierten Formation. Prüfbare Einzelheiten (Teile, Elemente oder Komponenten) der konkreten Formation müssen mit detektierbaren Merkmalen für einen abstrakten Begriff übereinstimmen, damit eine zuordnende Verifikation mindestens einer begrifflichen Invariante als symbolischer Identifikator möglich ist.
Damit bestimmbar ist eine "analytische" Abstraktion der Formation. Durch eine solche kognitive Abstraktion können unterchiedliche Objektformationen, jeweils reduziert auf vergleichbare Merkmalsbeziehungen, als ein "verknüpfender" allgemeiner Begriff "analytisch" erkannt werden (ein Begriff für Gleiches oder Ähnliches, siehe auch » AnalogMemory).

These 8: Bei der Erkennung einer Formation durch analytischen Vergleich mit mindestens einer "bekannten" Merkmalskonjunktion, z. B. mit einem Referenzmuster (als Wertetupel eines Merkmalsvektors) wird ein logisches Vergleichsergebnis geschlussfolgert (Inferenz), wobei Übereinstimmung (Konsistenz), Ähnlichkeit (Analogie) oder Unterscheidung (Differenz) möglich sind.
Beispiel: Eine begrifflich 'deutbare' Formation wird anhand ihrer merkmalsspezifischen Einzelheiten/Komponenten dann (wieder-)erkannt, wenn ihre konjunkten Merkmale (Ci, i = 1, ..., N) bekannt sind und in logischer Konjunktion detektiert wurden (vgl. CAND-Knoten für CBa).
Bei einer logischen Inferenz (Implikation) ausgehend von einer erkannten Formation (C1, ..., CN), infolge ihrer Übereinstimmung mit der entsprechenden Merkmalskonjunktion für einen abstrakten Begriff (CBa), wird ein zugeordnetes 'generelles' Begriffssymbol (Cy) verifiziert, das als 'resultierende' Invariante (Ergebnis- oder Funktionswert) geschlussfolgert gilt (CBa => Cy) und durch Einbeziehung in andere Verknüpfungen funktionell nutzbar ist. [1][3]

Individuelle Deutungen von Sinneswahrnehmungen werden interpretativ bestimmt von der systemeigenen Gedächtnisstruktur entsprechend begrifflichen Beziehungen ihrer kognitiven Schemata, beispielsweise verknüpften Merkmalsbeziehungen zur Objekterkennung. Aufgrund von Kenntnissen des Erfahrungswissens entstehen in Erkennungsprozessen erinnerte funktionelle Vorstellungen. Diese sind symbolisch-abstrakt beschreibbar mit Darstellungsformen für 'kognitiv-logische' Begriffsstrukturen. [7][12]
Die Definition eines allgemeinen Begriffs (als Abstraktes im Allgemeinen) wird ermöglicht durch funktionelle Zuordnung seines Begriffssymbols zu disjunkten Konjunktionen spezifischer Merkmale (Merkmalskonjunktionen) von (wieder-)erkennbaren Objekten oder Situationen.

Die 'analytische' Abstraktion durch Zuordnung eines allgemeinen Begriffssymbols zur analysierten Formation steht in logischem Zusammenhang mit der 'synthetischen' Verallgemeinerung einer begrifflichen Aussage durch Einbeziehung disjunkter Merkmale (Aspekte für Alternativen, vgl. Definition 11). - Analyse und Synthese sind als dialektische Einheit des Denkens untrennbar miteinander verbunden (nach S. L. Rubinstein).

Die Synthese einer begrifflichen Verbindung (Assoziation) ist eine kognitive Grundform des 'synthetischen' Denkens zur logisch-funktionellen Verknüpfung von symbolischen Invarianten, die auf einen allgemeinen Begriff beziehbar sind. Durch "In-Beziehungung-Setzen" erfolgt die klassifizierende Zusammenfassung (Integration) disjunkter Besonderheiten (alternativer Unterbegriffe) zum Allgemeinen, das als ihr Oberbegriff (für das Wesentliche einer Objekt- oder Situationsklasse) mit einem allgemeinen Begriffssymbol ausgedrückt wird. Die gerichtete Verbindung (Assoziation) dieser Zuordnung hebt das Einzelne/Besondere auf die Stufe des Allgemeinen/Abstrakten (d. h. des 'zugeordneten' allgemeinen Begriffs). [1][4]

Beispiel: Durch Verifikation mindestens einer "besonderen" Invariante (Cx), die einbezogen ist in eine disjunktive Verknüpfung (vgl. COR-Knoten für Cy), wird eine verknüpfungsgemäß zugeordnete "allgemeine" Invariante (Cy) verifiziert, die eine assoziierte Information als Verknüpfungsergebnis darstellt, - z. B. ausdrückbar als ein synthetisches Urteil oder Vorurteil durch 'Assoziieren aus Erfahrung' (vgl. These 13 und Definitionen 18f).

These 9: Die objektivierbare 'Konzeptform' für eine begriffliche Klasse/Kategorie von alternativen Invarianten/Formationen entspricht einer logischen Begriffsstruktur für ein allgemeines Urteil und ist definierbar mit einer disjunktiven Verknüpfung von verifizierbaren Invarianten, speziell von 'disjunkten' Merkmalskonjunktionen (vgl. logische Normalform nach George Boole).
Erlernbare Begriffsstrukturen sind kognitiv ausbildbar durch situationsbedingten Kenntniserwerb (strukturelles Lernen im Gedächtnis). - Eine 'erweiterbare Begriffsstruktur', die sich durch Kenntniserwerb ausbilden und somit "verallgemeinern" lässt, wird modelliert mit mindestens einer 'kognitiven' AND-OR-Verknüpfung, definiert als strukturell veränderliche CAND-COR-Verknüpfung, d. h. als kognitiv-logische Grundstruktur (vgl. These 10 und Bild 1). Mehrere solche 'plastische' CAND- und COR-Knoten fungieren als vernetzbare Verknüpfungselemente in einer kognitiv-logischen Gedächtnisstruktur für induktives Lernen. [1][3][4]
"Funktionsbestimmende" Kenntnisse für situationsabhängige Urteile oder aspektorientierte Schlussfolgerungen werden definiert als funktionale Relationen in kognitiv-logischen Grundverknüpfungen für Implikationen (vgl. Definition 1).
Objektivierbare Konzeptformen für begriffliche Grundverknüpfungen sind implementierbar mit elementaren Funktionseinheiten, definiert als 'Konzept-Module' lernfähiger Zuordnungseinheiten (vgl. Zuordnungskomplex), zur 'analytischen Abstraktion' und 'synthetischen Verallgemeinerung' von Begriffssymbolen für logische Aussagen.

Die logische Verallgemeinerung einer begrifflichen Aussage, ausgedrückt in Form einer 'verallgemeinerbaren' Invariante/Formation, entspricht einer Grundform des "induktiven" Denkens (Extension eines Begriffs, vgl. Induktionsproblem). Entwicklungsvoraussetzungen für hypothetische Denkmodelle im Gehirn sind "induktiv" ausbildbare neuronale Grundstrukturen für verallgemeinerbare Begriffe. Einzelnen Begriffen sind abstrakte Informationen zuordenbar, wobei jede mit mindestens einer begrifflichen Invariante darstellbar ist (z. B. Cy). [3][4]

Definition 11: Die empirische "synthetische" Verallgemeinerung eines Begriffs auf der Basis von Bekanntem (Erfahrung) entspricht seiner induktiven Begriffsausbildung, d. h. der 'verallgemeinernden' Erweiterung seiner Begriffsstruktur durch situationsbedingten Kenntniserwerb, wozu konditionierbare Assoziationen (für bedingte Relationen) einer strukturellen Lerndisposition vorausgesetzt werden (vgl. These 4 und 5).
Erfahrungsgemäß kann etwas Besonderes (Cx) als zu etwas Allgemeinem (Cy) gehörig aufgefasst werden, wobei es "induktiv" über eine bedingte Relation bzw. erfasste Merkmalsbeziehung begrifflich einbezogen wird, gemäß einer definierten 'disjunktiven' oder 'konjunktiven' Verallgemeinerung des Begriffs (Cy), modellierbar mit CAND/COR-Knoten. [3]

These 10: Eine kognitiv-logische Grundstruktur mit CAND- und COR-Knoten (nach These 9) dient zur Modellierung eines 'generellen' Begriffs des Abstrakt-Allgemeinen mit einer induktiv ausbildbaren (verallgemeinerbaren) Begriffsstruktur. Damit simulierbar sind kognitive Grundprozesse wie 'strukturelles Lernen', 'strukturelles Speichern' und 'Assoziieren aus Erfahrung' in einem kognitiv-logischen Gedächtnissystem mit dynamischer Lernentwicklung (vgl. Bild 1 und Bild 2 in » Beiträge zu Definitionen und Konzepten einer Kognitiven Logik mit ScanCopy als » Anhang). [1][3][4][8]

Definition 12: Die theoretische "kreative" Verallgemeinerung ist die heuristische Begriffsbildung für "Neues", z. B. eine 'generierte Merkmalsverknüpfung' für einen neuen Begriff (Kenntnisgenese). Die 'theoretische' Begriffsbildung entspricht einem neuen gedanklichen Konstrukt, - entstanden als neue begriffliche Verknüpfung durch hypothetische Verbindung von Gedankengängen (innovative Relation). Eine theoretische Erkenntnis zur Begriffsbildung wird aufgefasst als 'hypothetische bedingte Relation' (definiert als 'innovative' theoretische Kenntnis, erworben durch 'assoziative' Konditionierung). [1][8]

These 11: Eine formal definierbare 'kognitiv-logische Gedächtnisstruktur' ermöglicht eine Simulation von situationsbedingt modifizierbaren begrifflichen Verknüpfungen für logische Schlüsse und empirische Urteile. Dabei werden symbolische Invarianten durch bedingte logische Zuordnungen verifiziert und fungieren als logisch verknüpfbare Funktions- oder Signalwerte eines definierten lernfähigen Zuordnungskomplexes. [3]

Ein lernfähiger Zuordnungskomplex ist gekennzeichnet durch bedingte logische Funktionen mit verknüpften Variablen für Informationsdarstellungen auf hierachischen Zuordnungsniveaus. Er ist zerlegbar in funktional vernetzte Zuordnungseinheiten für Input- und Output-Variable, die software- oder hardwaremäßig implementierbar sind. [3][6][7]

Definition 13: Eine funktionale Variable einer Informationsdarstellung ist eine mehrwertige formale Größe, die in Relation (Beziehung, Zusammenhang) mit anderen Variablen steht. Eine solche Variable fungiert als eine Funktion oder ein Signal. Als (mehrwertige) Stelle einer Informationsdarstellung ist sie ein elementarer Teil einer Variablenkonfiguration (Vektor oder Matrix, siehe Definition 16).

Eine binäre oder mehrwertige Variable kann mit einer Bezeichnung benannt werden, die einen Oberbegriff für alle alternativen Variablenwerte ausdrückt. Beispiele sind Funktions- oder Signalnamen und Adressen für Zellen eines Datenspeichers.

Definition 14: Der gültige aktuelle Wert einer Variable (Variablenwert) ist eine ausgewählte oder verifizierte Invariante, entsprechend einem selektierten Funktions- oder Signalwert, definierbar als ein 'logisch gefolgertes' Verknüpfungsergebnis (Inferenz, Implikation). Jeder Variablenwert kann benannt (codiert) werden mit mindstens einem Zeichen oder Wort als Symbol für Information. [4]

Definition 15: Der Wertevorrat einer Variable ist die Menge (Klasse) von mindestens zwei disjunkten Invarianten, deutbar als alternative Werte der Variable (auch für Begriff) oder als "Entweder... oder..."-Entscheidung für ein Urteil oder ein mehrwertiges Signal (logische Antivalenz).

Definition 16: Die Variablenkonfiguration einer Informationsdarstellung ist gekennzeichnet durch eine Menge (Gruppe) funktionaler Variablen, die als mehrwertige Stellen in einer besonderen Anordnung fungieren. Ihr formaler Ausdruck ist ein Vektor (auch Matrix) für unterschiedliche Wertetupel (d. h. Invariantensätze als Formationen) im mehrdimensionalen Zustandsraum. [4]

Der Input-Vektor und Output-Vektor jedes Zuordnungsniveaus entspricht seiner definierten Eingangs- bzw. Ausgangsdarstellung (im Zuordnungskomplex). Die situationsabhängigen Informationsdarstellungen erscheinen als verifizierte Wertetupel für aktuelle Situationen, d. h. als ausgewählte Formationen mit semantischem Inhalt (Information), - z. B. als codierte Muster, Sätze, Worte, Bit- oder Zeichen-Kombinationen oder mehrstellige Zahlen. [3][4]

Zur naturwissenschaftlichen Modellierung kausaler Zusammenhänge zwischen funktionalen Variablen werden sprachlich definierte Regeln, Formeln oder Funktionsausdrücke mit einbezogenen Variablen genutzt. Dabei gelten vereinbarte Operatoren als Symbole für Prädikate bei logischen Verknüpfungsarten oder für mathematische Operationen.

Definition 17: Formal definierbare Inferenz- oder Verknüpfungsregeln gelten für die logische Verifikation bestimmter Variablenwerte (d. h. ausgewählter Invarianten), - für jeweils eine Output-Variable jedes Zuordnungsniveaus. Die sprachlichen (Funktions-)Ausdrücke beschreiben elementare Funktionen der Zuordnungsniveaus (analytisch für jede Zuordnungseinheit). Diese bestimmen die logische Auswertung von verknüpften Einflussgrößen, d. h. von (prinzipiell allen) funktionell einbezogenen Variablen eines Zuordnungskomplexes. [3]

Beispiele für Funktionsausdrücke zur logischen Verifikation von Output-Invarianten eines Zuordnungsniveaus sind: Wertzuweisungen oder "Wenn... dann..."-Regeln für Zuordnungen (Produktionen, Implikationen), Prädikate für Relationen und auch Berechnungsfunktionen sowie Vergleichsoperationen.

These 12: Die Modellierung kognitiv-logischer Gedächtnisstrukturen in Form konzipierter 'lernfähiger Zuordnungskomplexe' mit hierarchischen Zuordnungsniveaus ermöglicht unterschiedliche Implementationen für 'dynamische' Logik-Funktionen zur Simulation kognitiver Leistungen lernender Systeme (kognitiv-logische Inferenzen). - Technisch entwickelbare Realisierungsformen sind vernetzte Zuordnungseinheiten mit kognitiver Logik zur Simulation von mentalen Prozessen der Wahrnehmung, Erkennung, Beurteilung, Bewertung und Entscheidung, - vgl. innovative KI-Modelle (Lernender Homöostat) und 'Intelligenter Automat'. [1][3][6][7][8]

Definition 18: Empirische Voraussagen (Prädiktionen) entstehen durch assoziatives Erinnern und bestimmen die Antizipation, d. h. die zeitliche Vorwegnahme von "erwarteten" Ereignissen (z. B. vorhergesagte Erscheinungen oder Handlungskonsequenzen) auf Grund früherer Erfahrungen eines Gedächtnissystems. Ausgehend von einer aktuellen (externen und/oder internen) Situation führt die Erinnerung einer Prädiktion (Erwartung) zu einem empirischen "subjektiven" Urteil. Dieses entspricht einer vorgefassten Meinung (Vorurteil) oder ist das Resultat einer kognitiv-logischen Operation (bedingte Erwägung).

These 13: Beim antizipatorischen 'Assoziieren aus Erfahrung' durch situationsbedingte Kenntnisnutzung entstehen mit besonderen Wahrnehmungen (oder Vorstellungen) in Verbindung gebrachte 'assoziierte' Voraussagen für Erwartungen. Diese beziehen sich auf erfahrungsgemäß 'angenommene' Regelmäßigkeiten' (Gesetze) und haben deshalb verhaltensbestimmende Bedeutung. Auf ihnen beruhen unterschiedliche hierarchische Lernformen, z. B. 'bedingte Reaktionen', 'bedingte Aktionen' oder die höhere Lernform des 'bedingten Erwägens' einer optimalen Entscheidung für vorteilhaftes Handeln (intelligentes Verhalten). 'Lernen durch Einsicht' gilt als höchste Lernform aufgrund von gewonnener Einsicht in prinzipielle Sinn-Zusammenhänge und ermöglicht 'vernünftiges' Problemlösen, z. B. durch "vorausschauendes" (Er-)Finden von Mittel-Zweck-Relationen. [1][6][8]

Definition 19: Assoziierte Voraussagen erster Art entsprechen erfahrungsgemäß erinnerten, "objektbezogenen" Erwartungen (Prädiktionen), die mit erkannten Situationsmerkmalen assoziiert sind. Solche Erinnerungen entstehen als empirische Vorstellungen (auch Vorurteile) durch funktionelle Nutzung von erworbenen Kenntnissen beim individuellen Assoziieren "aus Erfahrung". Kognitive Bedeutungen haben (induktiv oder deduktiv) assoziierte Voraussagen bei der 'synthetischen' Ergänzung oder Vervollständigung von sensorischen Signalereignissen (def. als induktive bzw. deduktive Afferenzsynthese). Einzelne hypothetische Prädiktionen können "vorgestellte" Wahrnehmungen vortäuschen, als ob 'erwartete' Objekteigenschaften wirklich beobachtet vorlägen (assoziative Rekognition), d. h. Afferenzsynthese durch disjunktive Einbeziehung assoziierter Informationen (s. o.). [1][8]

Definition 20: Assoziierte Voraussagen zweiter Art entsprechen erfahrungsgemäß erinnerten, "effektorientierten" Erwartungen, die assoziiert sind mit bekannten "efferenzabhängigen" Konsequenzen (je Efferenzentwurf oder Efferenzkopie). Ihre entscheidungsbeeinflussende (deduktive) Nutzung dient zum "vorausschauenden" Abwägen von Entscheidungsvorschlägen, die damit als Alternativen vor einem Entschluss bewertbar sind. [1][8]
Antizipatorisches Probehandeln (Handlungsvorwegnahme) bezieht sich auf alternative Entscheidungsmöglichkeiten (Was wäre wenn?) in besonderen Problemsituationen. Das 'abwägende' Prüfen von Urteilen oder Entscheidungen erfolgt durch ihre "subjektive" Bewertung unter dem Einfluss von empirischen Voraussagen (zweiter Art). [6][7]
Verbunden mit Antizipation gilt das Verstärkungsprinzip des Lernens am Erfolg (Effektgesetz), das für Motivationen und Handlungsintentionen (Absichten) bestimmend ist. Ein "instrumentell" lernendes System vergleicht seinen aktuellen Handlungseffekt mit seinen individuellen Erwartungen (Reafferenzprinzip). [8] Wenn seine neue Handlung erfolgreich war, dann wird seine Entscheidung bestätigt, so dass effektmäßig anerkanntes Verhalten durch Wiederholung perfektioniert werden kann.

Definition 21: Empirische Voraussagen entstehen beim 'Assoziieren aus Erfahrung' durch funktionelle Nutzung von bedingten Relationen als erworbenen Kenntnissen des Erfahrungswissens. [1] Diese sind sprachlich ausdrückbare Wissenselemente für "erlernte" Verknüpfungen von abstrakten Begriffen. Aufgefasst als Modell-Komponenten beziehen sie sich auf die konkrete Realität, mit der sie nicht völlig deckungsgleich gemacht werden können.

Durch kognitiv-logische Modellbildung für wissenschaftliche Theorien können hypothetische Voraussagen logisch gefolgert oder "berechnet" werden. Referenz-Modelle zur zielorientierten Antizipation sind besondere Darstellungsformen für problemspezifisches Erfahrungswissen, nutzbar als prädiktive Modelle (Umweltmodell, auch Selbstmodell). Probeweise Untersuchungen mit Hilfe von empirischen Vorhersagen am Modell (Simulationen) ermöglichen das selektive Auffinden von optimalen Problemlösungen für kritische Situationen.
Eine notwendige Bedingung für die erfolgreiche Nutzung eines Referenz-Modells ist, dass seine formale Wissensstruktur weitgehend mit den wirklichen Sachverhalten der objektiven Realität übereinstimmt. Eine völlige Adäquatheit des Modells ist nicht erreichbar, begründet durch die Ungewissheit von Erfahrungswissen. Dieses muss sich praktisch bewähren, um nicht falsifiziert zu werden. Eine schrittweise Vervollkommnung von Theorien und Modellen erfolgt durch wissenschaftliche Erforschung von wirklichen Zusammenhängen, die aber unbeständig oder variabel sein können, wobei eine Objektivierbarkeit von Naturgesetzen angenommen wird. [11][12]

Albert Einstein schrieb: "Durch bloßes logisches Denken vermögen wir keinerlei Wissen über die Erfahrungswelt zu erlangen; alles Wissen über die Wirklichkeit geht von der Erfahrung aus und mündet in ihr. Rein logisch gewonnene Sätze sind mit Rücksicht auf das Reale völlig leer." [Mein Weltbild, Zur Methodik der theoretischen Physik, 1930]

Die situationsbedingte "kognitive" Erfassung von wirklichen Zusammenhängen, - durch Koinzidenzdetektion und Konnexanalyse nach dem Prinzip der Vereinbarkeit, - führt zu erworbenen Kenntnissen (z. B. empirischen oder theoretischen Erkenntnissen), - aufgefasst als bedingte Relationen, die einbezogen sind in "kognitiv-logische" Funktionen des ausbildbaren Erfahrungswissens. Aufgezeigte Beschreibungsformen für kognitiv-logische Modelle sind symbolische Konstruktionen, d. h. funktionell verknüpfte Begriffssymbole, zur Darstellung modifizierbarer Relationsverknüpfungen für bedingte Logik-Funktionen. Diese modellhafte Objektivierung basiert auf elementaren Darstellungsformen für kognitiv-logische Implikationen, übereinstimmend mit hypothetisch angenommenen oder gewohnheitsmäßigen Regeln. Erfahrungsgemäß modifizierte Funktionsregeln dienen zur Bestimmung von empirischen Urteilen oder Schlussfolgerungen (induktiven Inferenzen) unter dem Einfluss von assoziierten Voraussagen "aus Erfahrung", deren Zutreffen ungewiss ist. [6]
Gemäß dem 'Unschärfeprinzip der relativen Wahrheit' gelten logische (Vor-)Urteile, die in Form von Aussagesätzen mitteilbar und kritisch überprüfbar sind, als 'relativ wahr' aufgrund von bisher bewährten Regeln und bestimmten Ausnahmen für Sonderfälle, aber nur so lange diese Regeln nicht verändert werden.
Ein 'Erkenntnisfortschritt' bei der Lernentwicklung (durch Überprüfung hypothetischer Regeln oder Theorien) erfolgt dann, wenn mit Hilfe von neuen erworbenen Kenntnissen, d. h. neuen bedingten Relationen, vorhandene bedingte Verknüpfungen verbessert (bestätigt, korrigiert oder ersetzt) werden können. Eine adaptive Verhaltensänderung durch Wissensverbesserung entspricht dem induktiven Lernen aus Fehlern oder durch 'kennengelerntes' Neues (Umlernen, - vgl. philosophisches Induktionsproblem). [1][7][8]


3. Kurzcharakteristik der Kognitiven Logik - Resümee

Konstruktive Konzepte der definierten »Kognitiven Logik« dienen dem innovativen Forschungsziel einer symbolisch-abstrakten Modellierung von lernfähigen Gedächtnisstrukturen 'kognitiver' Systeme mit bedingten Logik-Funktionen, die für entwickelbare KI-Artefakte vorteilhaft sind. Erzielt wird eine technische Simulation kognitiver Gedächtnisleistungen für höhere Lernformen und individuelles Problemlösen zwecks Selbsterhalt in einer veränderlichen Umwelt. Konzeptuell definierte 'kognitiv-logische' Gedächtnissysteme sind befähigt zu assoziierten Voraussagen "aus Erfahrung" für empirische Urteile und Entscheidungen aufgrund "subjektiver" Bewertungen, besonders unter Aspekten der Gewährleistung von "rationaler" Autonomie und Homöostase (dynamische Stabilität). [7][9]
Kognitiv-logische Gedächtnissysteme sind gekennzeichnet durch modifizierbare logische Verknüpfungen gemäß ihrer strukturellen Lerndisposition als konzeptionelle Veranlagung zur situationsbedingten Ausbildung von Erfahrungswissen durch 'strukturelles Lernen'. Damit können zusätzlich zu Grundfunktionen (Basis-Wissen) "erlernte" bedingte Relationen ausgebildet werden. Diese entsprechen den erworbenen (empirischen oder theoretischen) Kenntnissen eines kognitiven Systems, dessen lerntypische Funktions- und Verhaltensänderungen auf (erfahrungs-)bedingte Relationen zurückführbar sind (Postulat meiner 'Kenntnistheorie'). [1][3][4]
Charakteristisch für kognitiv-logische Gedächtnisstrukturen sind erlernbare Symbolverknüpfungen mittels ausbildbarer 'bedingter Relationen' zwischen verifizierbaren Invarianten (Variablenwerte, Zeichen, Begriffssymbole), die selektierbaren Funktionswerten begrifflich entsprechen. Eine lerntypische Ausbildung von bedingten Relationen als situationsbedingt erworbenen Kenntnissen wird ermöglicht mit einem Vorgabe-Satz von 'konditionierbaren Assoziationen' (veranlagte Menge relationaler Gedächtniselemente, vgl. Synapsen) einer 'strukturellen Lerndiposition' des lernfähigen Gedächtnissystems. Dabei dienen (nicht klassische) logische Darstellungsformen für ausbildbare Begriffsstrukturen zur dynamischen Wissensdarstellung mit kognitiv-logischen Grundstrukturen. [5]
Aufgezeigte Modelle kognitiv-logischer Gedächtnisstrukturen erzielen prinzipielle Simulationen:
- des situationsabhängigen Kenntniserwerbs durch lerntypische Ausbildung mindestens einer 'bedingten Relation' im assoziativen Gedächtnis unter einer aktuell erfüllten Koinzidenzbedingung (aufeinander beziehbarer Signalereignisse) für mindestens eine konditionierbare Assoziation einer 'strukturellen Lerndisposition', d. h. durch empirische 'reale' oder hypothetische 'assoziative' Konditionierung (auch Konsolidierung) beim simulierten Erwerb empirischer bzw. theoretischer Kenntnisse (Erkenntnisse),
- der kurz- oder langzeitigen Kenntnisspeicherung durch 'strukturelles Speichern' von bedingten Relationen (in Form konditionierter Assoziationen), einbezogen in empirische logische Verknüpfungen einer lernfähigen 'kognitiv-logischen' Gedächtnisstruktur,
- und der erfahrungsabhängigen Kenntnisnutzung beim funktionellen 'Assoziieren aus Erfahrung' (Erinnerung, Voraussage, Erwartung) zur Bestimmung von 'bedingten Logik-Funktionen' im lernfähigen Gedächtnissystem.
Bedingte Relationen sind kennzeichnend für 'kognitiv-logisches' Erfahrungswissen, das genutzt wird, um empirische Aussagen und assoziierte Voraussagen (1. und 2. Art) auszudrücken. Damit ermöglicht werden technische Simulationen von intelligentem Verhalten und höheren (hierarchisch gekapselten) Lernformen. [1][8][10]
Simulierbar sind subjektive Bewertungen von Situationen, - besonders zur 'selbstbezüglichen' Entscheidungsfindung mit Voraussicht (Antizipation), - in lernenden Automaten mit erfahrungsbedingten Erkennungs-, Beurteilungs-, Bewertungs- und Entscheidungsfunktionen (vgl. meine KI-Modelle »Lernender Homöostat« als Computersimulationen seit 1980). [6][7][8]

Resümee: Dynamische Wissensdarstellungen analog situationsbedingt ausbildbaren Begriffsstrukturen dienen zur Beschreibung kognitiv-logischer Gedächtnisstrukturen für entwickelbare KI-Modelle und Intelligente Automaten (mit Basis-Wissen). Durch 'strukturelles Lernen' (induktiver Lernmechanismus) werden bedingte Relationen in Form konditionierter Assoziationen bestimmt, die in kognitiv-logische Verknüpfungen einbezogen sind. [1][9] - Konzepte der Kognitiven Logik ermöglichen eine innovative Modellierung lernfähiger Gedächtnissysteme mit bedingten Logik-Funktionen aufgrund von empirischen Implikationen. Diese nicht klassische Logik unterscheidet sich von der "starren" klassischen (formalen oder mathematischen) Logik, die orientiert ist auf normative (feste) Regeln als theoretische Normen des korrekten Folgerns oder (erkenntnistheoretisch aufgefasst) auf definierte Gesetze für deduktive Ableitungen. Definierte Regeln für logische Implikationen bestimmen Inferenzen, d. h. Schlussfolgerungen (Konklusionen aus Prämissen), ausgehend von bereits gefolgerten, tatsächlichen oder vorgestellten Situationen. Induktiv (verallgemeinernd) 'angenommene' Regeln für empirische Implikationen (induktive Inferenzen) sollten nur so lange unverändert bleiben, wie sie sich praktisch bewähren (Bestätigung, sonst: Falsifizierung, Korrektur oder Umlernen). Mögliche Folgen von induktiven Inferenzen sind empirische Urteile oder 'wahrscheinliche' (Vor-)Aussagen, wobei gemäß dem Unschärfeprinzip der relativen Wahrheit für 'bisher bewährte' Regeln mit möglichen Ausnahmen oder Korrekturen zu rechnen ist (vgl. philosophisches Induktionsproblem). [1][7][12]

Fazit: Aufgezeigte Konzepte der definierten 'Kognitiven Logik' für Denk- und Lernmodelle haben fundamentale Bedeutung hinsichtlich der Entwicklung von nutzvollen Artefakten in Wissenschaft und Technik, die zum interdiziplinären Verstehen von kognitiven Leistungen beitragen werden.

Ausblick: Der Hirnforscher Prof. Wolf Singer prognostizierte in seinem Essay "Für und wider die Natur" (1999): "Wir haben uns daran gewöhnt, dass ein Teil der mentalen Leistungen, die wir für spezifisch menschlich hielten, auch von technischen Systemen erbracht werden können. Noch verdanken diese Maschinen ihre Eigenschaften einem vom Menschen erdachten, durchstrukturierten Bauplan. Denkbar ist aber geworden, künstliche Systeme zu konzipieren, die, ähnlich wie unsere Gehirne, einen Entwicklungs- und Lernprozess durchlaufen, sich vorwiegend selbst organisieren und auf diese Weise einen Komplexitätsgrad erreichen, der weit über das hinausgeht, was wir gegenwärtig planend strukturieren und analytisch durchdringen können. Solche Systeme wären dann in der Lage, ihre eigenen Erfahrungen zu machen und mit Initiativen aufzuwarten, die nicht mehr vom Konstrukteur antizipierbar sind. Schon jetzt sollten wir darüber nachdenken, wie wir mit solchen Systemen umgehen wollen." [s. Seite 195 in: Wolf Singer, 'Der Beobachter im Gehirn', Essays zur Hirnforschung, Suhrkamp Verlag Frankfurt a. M., 2002]


4. Weiterführende Literatur

[1] Liß, E.: Induktives Lernen kognitiv-logischer Gedächtnisstrukturen für intelligente Automaten.
msr, Berlin 29 (1986) H. 9, S. 411 - 416; H. 10, S. 465 - 470 (zwei Teile),
publiziert als ScanCopy: » Induktives Lernen kognitiv-logischer Gedächtnisstrukturen (I und II),
daraus Auszüge und Thesen in: » Beiträge zu Definitionen und Konzepten einer Kognitiven Logik

[2] Liß, E.: Kognitive logische Systeme mit künstlichem Intellekt.
msr, Berlin 26 (1983) H. 9, S. 500 - 504; H. 10, S. 546 - 550

[3] Liß, E.: Lernfähiger Zuordnungskomplex - assoziatives Gedächtnissystem intelligenter Automaten.
Nachrichtentechnik-Elektronik, Berlin 34 (1984) H. 7, S. 269 - 274 (Manuskripteingang: 15.03.1982),
publiz. als ScanCopy: » KI-Konzept 'Lernfähiger Zuordnungskomplex' - ein Ansatz für Kognitive Logik

[4] Liß, E.: Logische Struktur zum Darstellen von Wissen für intelligente Automaten.
Nachrichtentechnik-Elektronik, Berlin 33 (1983) H. 10, S. 403 - 408 (Manuskripteingang: 15.03.1982),
publiz. als ScanCopy: » Dynamische Wissensdarstellung in kognitiv-logischen Gedächtnissystemen

[5] Liß, E.: Logische Systeme zum strukturellen Speichern und lerntypischen Verwerten von Wissen.
msr , Berlin 25 (1982) H. 12, S. 669 - 673

[6] Liß, E.: Lernender Homöostat zur Demonstration adaptiver Steuerungen mit künstlichem Intellekt.
msr, Berlin 25 (1982) H. 9, S. 489 - 493 (Publikation zur Erstimplementation im Jahr 1980),
publiz. als ScanCopy: » LERNENDER HOMÖOSTAT - erstes Simulationsmodell mit kognitiver Logik

[7] Liß, E.: »Lernender Homöostat« - eine interaktive Existenz-Simulation, Kurzbeschreibung des
neuen KI-Modells: » Lernender Homöostat mit kognitiver Logik für rationale Autonomie, -
eine JavaScript-Implementation, im LISS-KOMPENDIUM veröffentlicht seit Mai 2001

[8] Liß, E.: Systemkonzept 'Intelligenter Automat' für kognitive Logik (PDF-Datei - seit 11/2004),
Definitionen, Thesen, Gehirnmodell und System-/Organisationskonzept, - mit Auszügen aus der DDR-
Patentanmeldung WP G 06 F/ 2349 488 vom 18.11.1981, Titel: Programmierbare Logikanordnung für
intelligente Automaten und adaptive Steuerungen mit künstlichem Intellekt

[9] Liß, E.: KI-Konzepte für Kognitive Logik (Veröffentlichungen seit 1978 für Dissertation, mit Links)

[10] Liß, E.: Gehirnstrukturen für Lernen und Gedächtnis (Neuere wiss. Erkenntnisse, publ. seit 2003)

[11] Liß, E.: Kognitiv-logische Modellbildung (Zitate aus Hirnforschung und Wissenschaft, publ. seit 2007)

[12] Liß, E.: Kognitiv-logische Grunderkenntnisse (Gedächtnisprinzipien, Logos-Relationen, publ. seit 2009)


 » TOP      Seite aktualisiert: 6/10   © 2002   Copyright by Eberhard Liß  -  www.liss-kompendium.de