Advertisement

Einleitung

Chapter
  • 67 Downloads
Part of the Leitfäden der angewandten Informatik book series (XLAI)

Zusammenfassung

In ihren Anfängen (Ende der 50er bis Ende der 60er Jahre) beschäftigte sich die Künstliche Intelligenz (KI) überwiegend mit domänenunabhängigen Verfahren zur Lösung von Problemen (unter den Begriff Problemlösungsverfahren fassen wir im folgenden auch Erkennungs- und Verstehensprozesse). Mit Domänenunabhängigkeit (oder Diskursbereichsunabhängigkeit) meinen wir dabei, daß ein Verfahren nicht für einen spezifischen Anwendungsfall zugeschnitten ist. Somit werden über die Vorgabe der für eine zu lösende Aufgabe relevanten Objekte und Operatoren hinaus keine Annahmen über eine spezielle Anwendungsdomäne gemacht. Trotz beachtlicher Anfangserfolge1 kam es bald zu einer gewissen Stagnation: Komplexere Aufgabenstellungen waren mit den bis dahin entwickelten Ansätzen nicht zu lösen. Man erkannte schließlich, daß es unrealistisch ist, die Domänenunabhängigkeit für Systeme zur Lösung komplexerer Probleme aufrechtzuerhalten, da die zu betrachtenden Suchräume viel zu groß sind, um mit allgemeinen und wenig zielgerichteten Verfahren in akzeptabler Zeit (oder überhaupt) abarbeitbar zu sein. So umfaßt der Suchraum des Damespiels, das eine noch vergleichsweise einfache Problemklasse darstellt, schon etwa 1040 Zustände (nach (Samuel 63)). Die Größe eines Suchraums läßt sich nur durch Bereitstellung domänenspezifischen, also für eine spezielle Anwendung relevanten Wissens verkleinern. Dadurch können bestimmte Pfade im ursprünglichen Suchraum als irrelevant erkannt und ausgeschlossen werden.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. [81]
    Barr, A. / Feigenbaum, E.A. (eds): The Handbook of Artificial Intelligence, Vol.1. Los Altos/Cal.: William Kaufmann, 1981.Google Scholar
  2. [79]
    Brachman, R.J.: On the Epistemological Status of Semantic Networks. In: N.V. Findler (ed): Associative Networks. New York: Academic Press, 1979, pp.3–50.Google Scholar
  3. [85]
    Brachman, R.J. / Levesque, H.J.: Introduction. In: R.J. Brachman, H.J. Levesque (eds): Readings in Knowledge Representation. Los Altos/Cal.: Morgan Kaufmann, 1985, pp.xiii–xix.Google Scholar
  4. [84]
    Brodie, M.L.: On the Development of Data Models. In: M.L. Brodie, J. Mylopoulos, J.W. Schmidt (eds): On Conceptual Modelling. New York: Springer-Verlag, 1984, pp.19–47.CrossRefGoogle Scholar
  5. [86]
    Brodie, M.L. / Mylopoulos, J. (eds): On Knowledge Base Management Systems. Integrating Artificial Intelligence and Database Technologies. New York: Springer-Verlag, 1986.zbMATHGoogle Scholar
  6. [84]
    Brodie, M.L. / Mylopoulos, J. / Schmidt, J.W. (eds): On Conceptual Modelling. Perspectives from Artificial Intelligence, Databases, and Programming Languages. New York: Springer-Verlag, 1984.zbMATHGoogle Scholar
  7. [88]
    Chaffin, R. / Herrmann, D.J.: The Nature of Semantic Relations: A Comparison of Two Approaches. In: M.W. Evens (ed): Relational Models of the Lexicon. Cambridge: Cambridge University Press, 1988, pp.289–334.Google Scholar
  8. [77]
    Chisholm, R.M.: Theory of Knowledge. Englewood Cliffs/NJ: Prentice-Hall, 1977.Google Scholar
  9. [89]
    Cohen, G.: Memory in the Real World. Hove: Lawrence Erlbaum, 1989.Google Scholar
  10. [82]
    Cohen, P.R. / Feigenbaum, E.A. (eds): The Handbook of Artificial Intelligence. Vol.3. Los Altos/Cal.: William Kaufmann, 1982.Google Scholar
  11. [90]
    Davis, E.: Representations of Commonsense Knowledge. San Mateo/Cal.: Morgan Kaufmann, 1990.Google Scholar
  12. [86]
    Dietterich, T.G.: Learning at the Knowledge Level. In: Machine Learning, Vol.1, 1986, pp.287–315.Google Scholar
  13. [80]
    Erman, L.D. / Hayes-Roth, F. / Lesser, V.R. / Reddy, D.R.: The Hearsay-H Speech-Understanding System: Integrating Knowledge to Resolve Uncertainty. In: ACM Computing Surveys, Vol.12, No.2, 1980, pp.213–253.CrossRefGoogle Scholar
  14. [90]
    Fetzer, J.H.: Artificial Intelligence: Its Scope and Limits. Dordrecht: Kluwer Academic, 1990.CrossRefGoogle Scholar
  15. [77]
    Goldstein, I. / Papert, S.: Artificial Intelligence, Language, and the Study of Knowledge. In: Cognitive Science, Vol.1, 1977, pp.84–123.CrossRefGoogle Scholar
  16. [86]
    Hart, A.: Knowledge Acquisition for Expert Systems. London: Kogan Page, 1986.Google Scholar
  17. [88]
    Iris, M.A. / Litowitz, B.E. / Evens, M.W.: Problems of the Part-Whole Relation. In: M.W. Evens (ed): Relational Models of the Lexicon. Cambridge: Cambridge University Press, 1988, pp.261–288.Google Scholar
  18. [79]
    Keil, F.C.: Semantic and Conceptual Development. An Ontological Perspective. Cambridge/Mass.: Harvard University Press, 1979.Google Scholar
  19. [86]
    Kerschberg, L. (ed): Expert Database Systems. Proceedings from the First International Workshop. Menlo Park/CA: Benjamin/Cummings, 1986.zbMATHGoogle Scholar
  20. [85]
    Korf, R.E.: Macro-Operators: A Weak Method for Learning. In: Artificial Intelligence, Vol.26, 1985, pp.35–77.MathSciNetzbMATHCrossRefGoogle Scholar
  21. [88]
    Kyburg, Jr., H.E.: Cognition and Causality. In: S. Schiffer, S. Steele (eds): Cognition and Representation. Boulder/Colorado: Westview Press, 1988, pp.21–33.Google Scholar
  22. [87]
    Laird, J.E. / Newell, A. / Rosenbloom, P.S.: SOAR: An Architecture for General Intelligence. In: Artificial Intelligence, Vol.33, No.1, 1987, pp.1–64.MathSciNetCrossRefGoogle Scholar
  23. [87]
    Lakoff, G.: Women, Fire, and Dangerous Things. Chicago: The University of Chicago Press, 1987.Google Scholar
  24. [86]
    Levesque, H.J.: Making Believers out of Computers. In: Artificial Intelligence, Vol.30, No.1, 1986, pp.81–108.CrossRefGoogle Scholar
  25. [86]
    Levesque, H.J. / Brachman, R.J.: Knowledge Level Interfaces to Information Systems. In: M.L. Brodie, J. Mylopoulos (eds): On Knowledge Base Management Systems. New York: Springer-Verlag, 1986, pp.13–34.CrossRefGoogle Scholar
  26. [87]
    Lonning, J.T.: Mass Terms and Quantification. In: Linguistics and Philosophy, Vol.10, 1987, pp.1–52.CrossRefGoogle Scholar
  27. [90]
    Meersman, R.A. / Shi, Z. / Kung, C.-H. (eds): Artificial Intelligence in Databases and Information Systems. Amsterdam: North-Holland, 1990.Google Scholar
  28. [76]
    Miller, G.A. / Johnson-Laird, P.N.: Language and Perception. Cambridge/Mass.: The Belknap Press, 1976.Google Scholar
  29. [77]
    Morton, A.: A Guide Through the Theory of Knowledge. Encino/Cal.: Dickenson, 1977.Google Scholar
  30. [85]
    Murphy, G.L. / Medin, D.L.: The Role of Theories in Conceptual Coherence. In: Psychological Review, Vol.92, No.3, 1985, pp.289–316.CrossRefGoogle Scholar
  31. [89]
    Musen, M.A.: Conceptual Models of Interactive Knowledge Acquisition Tools. In: Knowledge Acquisition, Vol.1, 1989, pp.73–88.CrossRefGoogle Scholar
  32. [82]
    Newell, A.: The Knowledge Level. In: Artificial Intelligence, Vol.18, 1982, pp.87–127.CrossRefGoogle Scholar
  33. [63]
    Newell, A. / Simon, H.A.: GPS, a Program that Simulates Human Thought. In: E.A. Feigenbaum, J. Feldman (eds): Computers and Thought. New York: McGrawHill, 1963, pp.279–293.Google Scholar
  34. [80]
    Nilsson, N.J.: Principles of Artificial Intelligence. Palo Alto/Cal.: Tioga, 1980.zbMATHGoogle Scholar
  35. [78]
    Palmer, S.E.: Fundamental Aspects of Cognitive Representation. In: E. Rosch, B.B. Lloyd (eds): Cognition and Categorization. Hillsdale/NJ: Lawrence Erlbaum, 1978, pp.259–303.Google Scholar
  36. [86]
    Pollock, J.L.: Contemporary Theories of Knowledge. Totowa/NJ: Rowman and Littlefield, 1986.Google Scholar
  37. [83]
    Pulman, S.G.: Word Meaning and Belief. London: Croom Helm, 1983.Google Scholar
  38. [75]
    Putnam, H.: Mind, Language and Reality. Philosophical Papers, Volume 2. Cambridge: Cambridge University Press, 1975.CrossRefGoogle Scholar
  39. [86]
    Pylyshyn, Z.W. / Demopoulos, W. (eds): Meaning and Cognitive Structure: Issues in the Computational Theory of Mind. Norwood/NJ: Ablex, 1986.Google Scholar
  40. [78]
    Rosch, E.: Principles of Categorization. In: E. Rosch, B.B. Lloyd (eds): Cognition and Categorization. Hillsdale/NJ: Lawrence Erlbaum, 1978, pp.27–48.Google Scholar
  41. [63]
    Samuel, A.L.: Some Studies in Machine Learning Using the Game of Checkers. In: E.A. Feigenbaum, J. Feldman (eds): Computers and Thought. New York: McGrawHill, 1963, pp.71–105.Google Scholar
  42. [90]
    Shoham, Y.: Nonmonotonic Reasoning and Causation. In: Cognitive Science, Vol.14, No.2, 1990, pp.213–252.CrossRefGoogle Scholar
  43. [82]
    Smith, B.C.: Reflection and Semantics in a Procedural Language. Ph.D. Thesis und Technical Report MIT/LCS/TR-272, M.I.T., Cambridge, Mass., 1982.Google Scholar
  44. [81]
    Smith, E.E. / Medin, D.L.: Categories and Concepts. Cambridge/Mass.: Harvard University Press, 1981.Google Scholar
  45. [88a]
    Stoyan, H.: Programmiermethoden der Künstlichen Intelligenz. Band 1. Berlin: Springer-Verlag, 1988.CrossRefGoogle Scholar
  46. [88b]
    Stoyan, H.: Wissen wissensbasierte Programme etwas? Ein Versuch über den Terminus “Wissensrepräsentation”. In: G. Heyer, J. Krems, G. Görz (eds): Wissensarten und ihre Darstellung. Berlin: Springer-Verlag, 1988, pp.250–261.CrossRefGoogle Scholar
  47. [89]
    Taylor, J.R.: Linguistic Categorization. Prototypes in Linguistic Theory. Oxford: Claredon Press, 1989.Google Scholar
  48. [82]
    Tsichritzis, D.C. / Lochovsky, F.H.: Data Models. Englewood Cliffs/NJ: PrenticeHall. 1982.Google Scholar
  49. [82]
    White, A.R.: The Nature of Knowledge. Totowa/NJ: Rowman and Littlefield, 1982.Google Scholar
  50. [87]
    Winston, M. / Chaffin, R. / Herrmann, D.: A Taxonomy of Part-Whole Relations. In: Cognitive Science, Vol.11, 1987, pp.417–444.CrossRefGoogle Scholar
  51. [74]
    Wright, G.H. von: Erklären und Verstehen. Frankfurt: Athenäum Verlag, 1974.Google Scholar
  52. [81]
    Wunderlich, D.: Grundlagen der Linguistik. Opladen: Westdeutscher Verlag, 1981.CrossRefGoogle Scholar

Copyright information

© B. G. Teubner Stuttgart 1991

Authors and Affiliations

  1. 1.Universität KonstanzDeutschland

Personalised recommendations