Zusammenfassung
Aus der pragmatischen Perspektive des Nutzers ergeben sich mehrere komplexe Anforderungen an Assistenzsysteme:
-
Assistenz ist zielorientiert. Ohne Zielorientierung kann das Assistenzsystem nicht prüfen, ob eine einzelne Handlung Konsequenzen hat, die später verhindern, dass der Benutzer sein Ziel erreichen kann.
-
Assistenz ist interaktiv. Autonome Assistenz erfordert sichere Entscheidungen bezüglich des Ziels, welche in Szenarien mit subjektiven Parametern nicht getroffen werden können.
-
Assistenz erfolgt über mehrere Schritte hinweg. Um das Ziel zu erreichen, müssen mehrere Teilziele, die sich gegenseitig beeinflussen, koordiniert werden.
-
Assistenz kann auch bei partieller Beobachtbarkeit von Situation und Nutzer geleistet werden. Ohne diese Forderung könnte Assistenz nur in vollständig kontrollierten Umgebungen geleistet werden.
-
Assistenz muss nichtdeterministische Aktionen behandeln können. Die tatsächlichen Effekte von Handlungen und das Verhalten der Umwelt sind nicht kontrollierbar.
-
Assistenz soll in der Lage sein, existierende Problemlösekomponenten zu integrieren. Dafür sprechen methodologische Gründe wie die einfachere Erweiterbarkeit und Anpassbarkeit des Assistenzsystems. Mitunter sind die einzelnen Schritte der Assistenz so komplex (z. B. Navigation), dass ohnehin spezielle Repräsentationen und Algorithmen verwendet werden müssen.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Notes
- 1.
Details zu den Assistenten stehen auf der Webseite http://office.microsoft.com/de-de zu Microsoft Office (Letzter Aufruf der Seite: 15.06.2015)
- 2.
- 3.
- 4.
Das am Lehrstuhl für Künstliche Intelligenz entwickelte System ist u. a. in [13] beschrieben.
- 5.
Alle Bayes-Netze in diesem Kapitel wurden mit Hilfe des unter http://aispace.org/bayes/help/ verfügbaren Tools erstellt, das in [14] beschrieben ist (Letzter Aufruf der genannten Webseite am 03.01.2015).
- 6.
- 7.
- 8.
Siehe [20] für eine detaillierte Einführung in und Diskussion von MAP.
- 9.
Der A\(\ast\)-Algorithmus wird in [23] vorgestellt.
- 10.
Eine bei der Routenplanung oft verwendete Variante ist D\(\ast\); bei diesem Verfahren (siehe [22], Abschn. H.3) wird der Neuplanungsaufwand minimiert, wenn der ursprünglich vorgesehene Pfad nicht eingehalten werden konnte.
- 11.
- 12.
Dieses Lernverfahren wird in [27] eingeführt.
- 13.
Dies geschieht beispielsweise, weil GPS-Empfänger aus technischen Gründen eine hohe Messungenauigkeit aufweisen. Je nach (nicht vorhersagbarem, da zufälligem) Messfehler, wird bei einer genau bestimmten Bewegung von einer festgelegten Position aus eine vom Messfehler verzerrte Annahme über die erreichte Position ermittelt. Zwar wird vom Messfehler erwartet, dass er nicht vorhanden ist, aber in der Praxis werden bei wiederholter Durchführung der eben beschriebenen Bewegung verschiedene Zielpositionen erreicht, jede mit einer bestimmten Wahrscheinlichkeit.
- 14.
Ähnliche Metriken werden im Fallbasierten Schließen (case bases reasoning) untersucht und angewandt. Einen Überblick über diese Thema gibt [30].
Literatur
H. Wandke, Theor. Issues in Ergonomics Sci. 6(2), 129 (2005)
M. Benmimoun, A. Pütz, A. Zlocki, L. Eckstein, in Proceedings of the FISITA 2012 World Automotive Congress, Lecture Notes in Electrical Engineering, vol. 197 (Springer Berlin Heidelberg, 2013), S. 537–547. 10.1007/978-3-642-33805-2_43. http://dx.doi.org/10.1007/978-3-642-33805-2_43
J.C. Giarratano, G.D. Riley, Expert Systems: Principles and Programming, 4th edn. (Course Technology, 2004)
K. Darlington, The Essence of Expert Systems (Prentice Hall, 1999)
J. Liebowitz (ed.), The Handbook of Applied Expert Systems (CRC Press, 1998)
E. Horvitz, J. Breese, D. Heckerman, D. Hovel, K. Rommelse, in Proceedings of the Fourteeth Conference on Uncertainty in Artifical Intelligence (Morgan Kaufmann, Madison, 1998), S. 256–265
J.F. Kelley, in CHI ’83: Proceedings of the SIGCHI conference on Human Factors in Computing Systems (ACM, New York, 1983), S. 193–196. http://doi.acm.org/10.1145/800045.801609
A. Dix, J. Finlay, G.D. Abowd, R. Beale, Human Computer Interaction, 3rd edn. (Pearson Eduction, 2004)
R.C. Houghton, Jr., Commun. ACM 27(2), 126 (1984). http://doi.acm.org/10.1145/69610.357985
S. Card, T.P. Moran, A. Newell, The Psychology of Human-Computer Interaction (Lawrence Erlbaum, 1983)
C.D. Wickens, J. Lee, Y.D. Liu, S. Gordon-Becker, Introduction to Human Factors Engineering, 2nd edn. (Prentice-Hall, Upper Saddle River, 2003)
J. Nitschke, Assistenz bei auswahlprozessen. Ph. D. thesis, Humboldt-Universität zu Berlin (2004)
B. Ludwig, B. Zenker, in IMC 2009, CCIS, vol. 53, ed. by D. Tavangarian, T. Kirste, D. Timmermann (Springer, Rostock, 2009), CCIS, vol. 53, S. 97–107
D. Poole, A. Mackworth, R. Goebel, Computational Intelligence (Oxford University Press, 1998)
J. Pearl, Causality (Cambridge University Press, 2009)
A. Darwiche, Modeling and Reasoning with Bayesian Networks (Cambridge, 2009)
D. Koller, N. Friedman, Probabilistic Graphical Models – Principles and Techniques (MIT Press, 2009)
I.J. Myung, J. Math. Psychol. 47(1), 90 (2003). http://dx.doi.org/10.1016/S0022-2496(02)00028-7
L. Fahrmeir, R. Künstler, I. Pigeot, G. Tutz, Statistik – Der Weg zur Datenanalyse, 7th edn. (Springer, 2010)
H.W. Sorenson, Parameter Estimation: Principles and Problems (Marcel Dekker, 1980)
R. Reiter, Knowledge in Action: Logical Foundations for Specifying and Implementing Dynamical Systems (MIT Press, 2001)
H. Choset, K.M. Lnych, S. Hutchinson, G. Kantor, W. Burgard, L.E. Kavraki, S. Thrun, Principles of Robot Motion – Theory, Algorithms, and Implementations (MIT Press, 2005)
N. Nilsson, Principles of Artificial Intelligence (Morgan Kaufmann, San Francisco, 1980)
M.L. Puterman, Markov Decision Processes: Discrete Stochastic Dynamic Programming (Wiley-Interscience, 1994)
S. Thrun, W. Burgard, D. Fox, Probabilistic Robotics (MIT Press, 2005)
J. Williams, S. Young, IEEE Audio, Speech and Lang. Process. 15(7), 2116 (2007)
R.S. Sutton, A.G. Barto, Reinforcement Learning: An Introduction (MIT Press, 1998)
B. Thomson, J. Schatzmann, K. Weilhammer, H. Ye, S. Young, in NAACL-HLT ’07: Proceedings of the Workshop on Bridging the Gap (Association for Computational Linguistics, Morristown, 2007), S. 9–16
G. Zlotkin, J.S. Rosenschein, Negotiation and Goal Relaxation (Elsevier, 1991)
M.M. Richter, Handbuch der Künstlichen Intelligenz (Oldenbourg, 2000), chap. Fallbasiertes Schließen
M.T. Gervasio, M.D. Moffitt, M.E. Pollack, J.M. Taylor, T.E. Uribe, in IUI ’05: Proceedings of the 10th international conference on Intelligent user interfaces (ACM, New York, 2005), S. 90–97. http://doi.acm.org/10.1145/1040830.1040857
I. Schwab, W. Pohl. Learning user profiles from positive examples (1999). citeseer.ist.psu.edu/schwab99learning.html
S.Y. Jung, J.H. Hong, T.S. Kim, IEEE Trans. on Knowl. and Data Eng. 17(6), 834 (2005). 10.1109/TKDE.2005.86. http://dx.doi.org/10.1109/TKDE.2005.86
W. Kießling, in VLDB ’02: Proceedings of the 28th international conference on Very Large Data Bases (VLDB Endowment, 2002), S. 311–322
G. Brewka, T. Eiter, Artif. Intell. 109, 297 (1999)
G. Brewka, in Fuzzy Sets, Logics and Reasoning About Knowledge, ed. by H.P.D. Dubois, E.P. Klement (Kluwer, 1999), S. 381–394
G. Brewka, T. Eiter, in Proc. 6th Intl. Conference on Knowledge Representation and Reasoning, KR-98 (Trento, Italy, 1998)
G. Brewka, J. Artif. Intell. Res. 4 (1996)
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Ludwig, B. (2015). Interaktive Assistenzsysteme. In: Planbasierte Mensch-Maschine-Interaktion in multimodalen Assistenzsystemen. Xpert.press. Springer Vieweg, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-44819-9_2
Download citation
DOI: https://doi.org/10.1007/978-3-662-44819-9_2
Published:
Publisher Name: Springer Vieweg, Berlin, Heidelberg
Print ISBN: 978-3-662-44818-2
Online ISBN: 978-3-662-44819-9
eBook Packages: Computer Science and Engineering (German Language)