Kognitionswissenschaft

Die Entwicklung der Kognitionswissenschaft wird von manchen mit der Vorstellung einer so genannten „kognitiven Wende“ (ca. 1940–1970) in Zusammenhang gebracht. Bis dahin hatte in der Psychologie und der Philosophie des Geistes der Behaviorismus eine maßgebliche Rolle gespielt. Der Behaviorismus war als eine Reaktion auf die Probleme der Introspektion als einer psychologischen Forschungsmethode entstanden. Introspektive Berichte über das mentale Innenleben waren für die Wissenschaftler nicht von außen überprüfbar. Der Behaviorismus zog daraus die Konsequenz, dass sich die Psychologie auf eine Erforschung des Verhaltens beschränken müsse. In der Philosophie des Geistes ging etwa Gilbert Ryle noch einen Schritt weiter und behauptete, dass mentale Zustände nicht mehr als Verhaltensdispositionen seien.

1956 fand am Massachusetts Institute of Technology das Symposium on Information Theory statt, an dem sich die KI-Pioniere Allen Newell, Herbert A. Simon und Marvin Minsky sowie der Linguist Noam Chomsky beteiligten. Chomsky präsentierte eine scharfe Kritik am Behaviorismus und stellte seine einflussreiche Transformationsgrammatik vor. Newell und Simon stellten den Logical Theorist vor, der erstmals selbständig ein Theorem der Mathematik „beweisen“ konnte. Wichtige Vorläufer dieser Entwicklung waren die Formulierung der Kybernetik durch Norbert Wiener und das Werk Alan Turings, der die Turingmaschine entwarf und den Turing-Test entwickelte.

Die Kognitionswissenschaft, die sich im Kontext der beschriebenen Entwicklungen konstituierte, basierte auf einer zentralen Annahme, die das „Computermodell des Geistes“ genannt wurde. Damit ist die These gemeint, dass das Gehirn ein informationsverarbeitendes System sei und prinzipiell wie ein Computer arbeite. Die Unterscheidung zwischen Geist und Gehirn lasse sich analog zu der Unterscheidung zwischen Software und Hardware verstehen. So wie die Software durch Datenstrukturen und Algorithmen bestimmt sei, sei der Geist durch mentale Repräsentationen und Rechenprozesse bestimmt. So wie die abstrakte Beschreibung der Software möglich sei, ohne direkt die Hardware zu untersuchen, sollte eine abstrakte Beschreibung der geistigen Fähigkeiten möglich sein, ohne direkt das Gehirn zu untersuchen. Und so, wie die Existenz einer Softwareebene problemlos mit dem Materialismus zu vereinbaren sei, sollte auch die mentale Ebene in eine materialistische Interpretation eingebettet sein.

Das Computermodell des Geistes ist in den letzten Jahrzehnten einer scharfen Kritik unterzogen worden. Diese Kritik hat im Wesentlichen zwei Quellen: Zum einen hat sich die Beschreibung des Gehirns durch die Kognitive Neurowissenschaft rasant entwickelt. Dies zeigt sich etwa in der zunehmenden Bedeutung von bildgebenden Verfahren, die es unplausibel machen, das Gehirn bei der Erforschung des Geistes nicht zu beachten. Zum anderen haben sich andere erfolgreiche Ansätze entwickelt, so der Konnektionismus und die Modellierung von neuronalen Netzen. Künstliche neuronale Netze werden unter anderem programmiert, um die Aktivitäten von Neuronenverbänden zu simulieren. Es ist zweifelhaft, inwieweit hier noch eine Unterscheidung von Software- und Hardwareebene möglich ist.

Andere alternative Paradigmen in der Kognitionswissenschaft sind z. B. der Dynamismus (Lehre, nach der sich alle Erscheinungsformen oder die Wirklichkeit durch die Wirkung von Kräften erklären lässt),[2] Künstliches Leben (Artificial Life) und die verkörperlichte und situierte Kognitionswissenschaft. Nach Ansicht des Dynamizismus stellt die Theorie der dynamischen Systeme ein geeignetes Modell des kognitiven Verhaltens bereit, da kognitives Verhalten immer in einem zeitlichen Zusammenhang stattfindet und zeitliche Koordination erfordert. Es wird postuliert, dass dieser zeitliche Aspekt der Kognition, der im Computermodell des Geistes vernachlässigt wird, essentiell ist. Andererseits stellt dieser Ansatz die Zentralität der internen Repräsentation und der Symbolmanipulation (vgl. Symbolismus) in Frage, da diese Konzepte nicht Teil einer dynamischen Erklärung sind.

„Künstliches Leben“ ist ein Terminus, der der Künstlichen Intelligenz gegenübersteht: anstatt abstrakte Aufgaben zu lösen (wie Schachstellungen analysieren), was uns Menschen oft schon wegen der bloßen Anzahl der Lösungsmöglichkeiten schwierig erscheint, Computern jedoch leicht fällt, solle man erst die Bewältigung der vermeintlich profanen Alltagsprobleme verstehen. Viele Aufgaben, die uns einfach erscheinen (wie Laufen, Freunde und Feinde erkennen, einen Ball fangen) sind von Computern oder Robotern derzeit noch gar nicht oder nur sehr eingeschränkt zu bewältigen.

Die verkörperlichte und situierte Kognitionswissenschaft wiederum geht davon aus, dass Kognition nicht ohne Bezug auf einen spezifischen Körper (Verkörperlichung, Embodiment) und eine spezifische Umgebung (Situiertheit) erklärt werden kann. Diese Forderungen resultieren aus dem Zweifel daran, dass Kognition ein Prozess ist, der sich in einer Welt der abstrakten symbolischen Repräsentationen vollzieht, verhältnismäßig unabhängig von der genauen Sensorik, Motorik und dem zeitlichen Geschehen in der Außenwelt. Bekannte Vertreter dieser Auffassung sind Alva Noë, Susan Hurley, Evan Thompson, Francisco Varela und Kevin O’Regan. Im Rahmen der verkörperlichten und situierten Kognitionswissenschaft wird häufig eine Verknüpfung vom Gedankengut der Phänomenologie Maurice Merleau-Pontys und Edmund Husserls mit der klassischen analytischen Philosophie des Geistes angestrebt.

Diese verschiedenen Strömungen (Konnektionismus, Dynamizismus, Künstliches Leben, Situiertheit und Verkörperlichung) werden gerne unter dem Schlagwort Neue KI (New AI) zusammengefasst, da sie sich z. T. in ihren Forderungen und Annahmen überlappen. Allerdings können sie nicht als deckungsgleich betrachtet werden, da sie sich in vielerlei Weise in Prämissen, Konsequenzen und Anwendungen unterscheiden oder sogar widersprechen.

Die Kritik am Computermodell des Geistes führte zeitweise zur generellen Infragestellung der Kognitionswissenschaft. Mittlerweile haben sich die Wogen jedoch weitgehend geglättet. Kognitionswissenschaftler verwenden nun selbst auch neuronale Netze und stehen in einem engen Kontakt mit der Kognitiven Neurowissenschaft.

„Problemlösen“ nennt man Handlungen, die darauf ausgerichtet sind, einen Zielzustand zu erreichen. Problemlöseprozesse sind daher etwas Alltägliches, sie sind etwa für die Tagesplanung, das Rechnen, das Schach­spielen oder die Routenplanung einer Reise notwendig. Schon früh war es das Ziel der künstlichen Intelligenz, Maschinen die Fähigkeit zum Problemlösen zu geben.

Dabei wird in der künstlichen Intelligenz ein Start- und ein Zielzustand spezifiziert. Die Aufgabe ist, den (oder einen) Weg zum Ziel zu finden. Hierbei gibt es prinzipiell zwei Ansätze: Zum einen kann das Programm versuchen, blind den Weg zum Ziel zu finden, indem es alle verschiedenen Wege ausprobiert (Brute-Force-Methode), wie es bei der Tiefensuche oder der Breitensuche geschieht. Dieser Ansatz kommt jedoch schnell an seine Grenzen, da die Anzahl der möglichen Wege in NP-vollständigen Problemen so hoch ist, dass ein Ausprobieren die Rechenkapazität der Maschine übersteigen würde. In einem solchen Fall sind Suchalgorithmen, welche Heuristiken verwenden, notwendig, wie der A*-Algorithmus. Heuristiken beschreiben Auswahlmechanismen, welche die erfolgversprechendsten Verfahren bereits vor der Ausführung zu bestimmen versuchen.

Das erste Programm, das intensiv mit Heuristiken arbeitete, war der General Problem Solver (GPS) von Allen Newell und Herbert A. Simon. Der GPS war zum Auffinden von Lösungswegen wie etwa beim Türme-von-Hanoi-Spiel fähig. Das Spiel besteht aus einer Reihe verschieden großer Scheiben und drei Spielfeldern. Beim Spielbeginn liegen alle Scheiben auf dem linken Feld. Das Ziel ist erreicht, wenn sich alle Scheiben auf dem rechten Feld befinden. Dabei darf jede Scheibe jedoch nur auf einer größeren Scheibe liegen und jeweils nur eine Scheibe entweder auf den linken, den mittleren oder den rechten Platz bewegt werden. Obwohl das Problem mit einem Algorithmus lösbar ist, lösen Menschen dieses Problem häufig mit Heuristiken, da die Anzahl möglicher Wege rasant wächst.

Die Türme von Hanoi

Die Lösung von Spielen wie den Türmen von Hanoi war in der Frühzeit der künstlichen Intelligenz eine beliebte Aufgabe. Das liegt darin begründet, dass hier nur eine recht begrenzte Anzahl von Aktionen möglich ist und es keine unvorhersagbaren Ereignisse gibt. Die experimentelle Überprüfbarkeit von kognitiven Strategien wurde dadurch erleichtert. Dagegen widmet man sich nun auch komplizierten Alltagsaufgaben, wie etwa der erfolgreichen „Ausführung“ eines Restaurantbesuchs.

Das Ziel einer kognitiven Architektur ist es, die verschiedenen Ergebnisse der kognitiven Psychologie in einem umfassenden Computermodell zusammenzufassen. Dabei müssen die Ergebnisse jedoch in einer so weit formalisierten Form vorliegen, dass sie Grundlage eines Computerprogramms sein können. Mit dem Zusammenfassen der einzelnen Ergebnisse sollen so zum einen eine umfassende Theorie der Kognition und zum anderen ein auch kommerziell nutzbares Modell entstehen. Die drei derzeit erfolgreichsten kognitiven Architekturen sind ACT-R (Adaptive Control of Thought, ACT), SOAR und EPIC. Mit dem PSI-Modell ist in den letzten Jahren ein weiterer Ansatz vorgestellt worden, der verglichen mit den anderen Architekturen weitgehend auf dem aktuellen Stand der Allgemeinen Psychologie basiert.

ACT-R ist ein Produktionssystem mit einer Reihe von Modulen. Es besteht aus Input- und Outputmodulen, einem Produktionengedächtnis und einem deklarativen Gedächtnis. Das Zielmodul legt fest, welches Ziel im Produktionssystem verfolgt werden soll. Im Produktionengedächtnis sind Regeln gegeben, die bestimmen, welche Aktion ausgeführt wird, wenn ein ausgewähltes Ziel erreicht werden soll, und welche Inhalte im Arbeitsgedächtnis (bzw. in unterschiedlichen Partitionen des Arbeitsgedächtnisses) vorliegen müssen, damit die Aktion erfolgreich durchgeführt werden kann. Dieses „Patternmatching“ führt ggf. zur Auswahl einer Produktionsregel und bestimmt die Aktion des Outputmoduls.

Kognitive Architekturen zeichnen sich durch die Erfüllung bestimmter Kriterien, den Core Cognitive Criteria (CCC), aus. Diese sind:[3]

• geeignete repräsentationale Datenstruktur(en)
• Unterstützung von Klassifikation
• Unterstützung des Frege-Prinzips
• Lösen des Bindungsproblems
• Produktivität
• Performance
• syntaktische Verallgemeinerung
• Robustheit
• Anpassungsfähigkeit
• Speicherverbrauch
• Skalierbarkeit
• selbstständiger Erkenntnisgewinn (logisches Schließen, Erkennung von Korrelation)
• Triangulation (Zusammenführen von Daten aus verschiedenen Quellen)
• Kompaktheit (möglichst einfache Grundstruktur)

Ein Computersystem, das diese Eigenschaften erfüllt, ist IBMs DeepQA.

Wie kommt es, dass Menschen in aller Regel dazu fähig sind, Sprachen zu lernen? Bis ins zwanzigste Jahrhundert herrschte die Meinung, dass der Spracherwerb durch das Herausfiltern der Sprachregeln im Dialog mit anderen Menschen zu erklären sei. Eine solche, „Kognitivismus“ genannte, Position wurde etwa von Jean Piaget vertreten. Ihr zufolge ist die Sprachfähigkeit von der allgemeinen Denkfähigkeit abgeleitet. Dieser Theorie trat erstmals Noam Chomsky mit seiner „nativistisch“ genannten Position entgegen. Chomsky behauptet, dass Menschen genetisch mit einem Sprachorgan ausgestattet sind, das den Spracherwerb erst möglich macht. Das Sprachorgan wird dabei im Gehirn angesiedelt, allerdings nicht als eine fest umschriebene neuronale Region.

Noam Chomsky beim Weltsozialforum 2003

Chomsky argumentiert, dass der Spracherwerb durch einen kognitivistischen Ansatz nicht zu erklären sei. Der sprachliche Input der Mitmenschen reiche nicht aus, um die Regeln des korrekten Sprechens festzulegen. Zum einen sei die gesprochene Sprache nämlich sehr oft ungrammatisch, der Input somit defizitär. Zum anderen lasse der Input grammatische Fehler bei lernenden Kindern zu, die sie de facto jedoch nicht machen. Chomsky schließt daraus, dass es angeborenes Sprachwissen geben muss, auf das beim Spracherwerb zurückgegriffen werden kann. Dieses angeborene Wissen sei insbesondere grammatisches Wissen, allen Menschen sei eine Universalgrammatik bereits von Geburt an gegeben. Siehe auch: Angeborene bzw. Eingeborene Ideen.

Chomskys Hypothesen wurden in der als Linguistics Wars bezeichneten wissenschaftlichen Debatte der 1960er und 1970er Jahre heftig kritisiert: seine syntaxorientierte interpretative Semantik von George Lakoff und seine Universalgrammatik von der sogenannten linguistischen Relativitätstheorie Benjamin Whorfs.

Seit den 1980er Jahren wendet sich die Forschung zunehmend wieder Konzepten zu, welche – ähnlich Piaget – die Sozialisation beim Spracherwerb in den Mittelpunkt stellen. Chomskys Denkansatz wird – wie die gesamte traditionelle „Kopf-Philosophie“ – in konstruktivistischen Konzepten[4] und durch neurobiologische Modelle infrage gestellt:

Nach Humberto Maturana und Francisco Varela[5] – siehe auch: Der Baum der Erkenntnis (El árbol del conocimiento 1984) – ist das Gehirn nicht wie ein Input/Output-Modell aufgebaut, sondern hat – durch ein Netz von einhundertmilliarden Inter-Neuronen, die Millionen von motorischen und sensorischen Nervenzellen miteinander verbinden – die Fähigkeit zur intensiven Parallelverarbeitung. Eine repräsentative Vorstellung mit einer Abbildung eines Begriffs im Gehirn ist für Maturana und Varela kaum haltbar, da an den Schaltstellen Hunderte von Neuronen aus anderen Teilen des Nervensystems mit vielfältigen Effekten konvergieren und zu Überlagerungen führen. Das Nervensystem arbeite nicht mit Repräsentationen einer unabhängigen Außen-Welt. Wörter als Bezeichnungen von Objekten oder Situationen in der Welt würden nicht der Tatsache der Strukturkoppelung gerecht, vielmehr seien sie ontologisch festgelegte Koordinationen von Verhalten. Sprache entsteht nach Maturana und Varela nicht in einem einheitlichen Entwurf (ist kein Bestandteil des Gehirns), sondern ist das durch Koordination von Handlungen erlernte variable kommunikative Verhalten (Sprache ist Teil des Milieus, das als „Reich der Sprache“ bezeichnet wird:[6] Unser gemeinsames „In-der-Sprache-Sein[-] ist das, was wir als Bewusstsein oder als ‚unseren Geist‘ und ‚unser Ich‘ erfahren“.[7])

Der Versuch, Maschinen mit Sprachfähigkeit auszustatten, schlägt sich oft in Dialogsystemen nieder. Ein Dialogsystem ist meist ein Computerprogramm, mit dem man sich per Tastatur unterhalten kann. Eins der ersten erfolgreichen Dialogsysteme war ELIZA von Joseph Weizenbaum aus dem Jahre 1966. ELIZA simuliert einen Psychotherapeuten. Durch den geschickten Einsatz von Phrasen, wie „Erzählen sie mir mehr von X“ oder „Denken sie oft an X“ konnte ELIZA Testpersonen lange über ihre nichtmenschliche Existenz täuschen. Einige Testpersonen fühlten sich sogar so gut verstanden, dass sie sich jenseits der Testsituation privat mit ELIZA über ihre Probleme unterhalten wollten. Stellt man ELIZA jedoch Fragen, die nicht in den Kontext der Therapiesituation passen, so ist ELIZA zu keinen vernünftigen Antworten in der Lage.

Joseph Weizenbaum (1923–2008), der Erfinder von ELIZA

Verwandt mit Dialogsystemen sind Expertensysteme, die mittlerweile auch zahlreiche kommerzielle Anwendungen haben. Expertensysteme versuchen das Wissen von menschlichen Experten zu speichern und dem Nutzer zur Verfügung zu stellen. Anwendungen sind etwa automatische Medizin- oder Technikexperten. Diese Experten setzen eine funktionierende Wissensrepräsentation voraus, durch die das Programm über das Wissen verfügt. In einer umfassenden Wissensrepräsentation muss das Material in günstiger Weise strukturiert sein, so dass immer auf das nötige Wissen zurückgegriffen werden kann, dass die Relationen zwischen den Wissenselementen klar sind und dass die Inhalte von dem Entwickler überblickt und gegebenenfalls erweitert werden können.

Die Faszination von Dialogsystemen hängt eng mit einem Gedankenexperiment zusammen, das von dem Computerpionier Alan Turing 1950 formuliert wurde. Turing suchte ein klares Kriterium zur Entscheidung der Frage, wann Computer als intelligent gelten können. Seine Antwort war der berühmte Turing-Test: Ein Mensch tritt in den Dialog mit einem Computer – per Bildschirm und Tastatur. Der Computer kann genau dann als intelligent angesehen werden, wenn es dem Menschen schwerfällt zu entscheiden, ob es sich um einen Dialog mit einem Menschen oder mit einem Computerprogramm handelt.

Die heutigen Dialogsysteme sind noch sehr weit davon entfernt, den Turing-Test zu bestehen. Dies ist nicht verwunderlich, wenn man bedenkt, was ein Programm alles können müsste, um diesen zu bestehen. Es müsste etwa Witze erklären können, Anspielungen und Ironie verstehen und dem Kontext angepasste Fragen und Antworten formulieren. Es existiert mittlerweile der auf 100.000 Dollar dotierte Loebner-Preis für den Entwickler des ersten Programms, das den Turing-Test besteht.

Am Turing-Test ist viel Kritik geübt worden. Am bekanntesten ist wohl John Searles Chinesisches-Zimmer-Argument, das zeigen soll, dass das Bestehen des Turing-Tests nicht hinreichend für Verstehen von Sprache ist. Man stelle sich vor, man befände sich in einer riesigen Bibliothek. Von außen werden einem Blätter mit chinesischen Schriftzeichen hereingereicht, die man nicht versteht. Da in den Büchern der Bibliothek nur Folgen von chinesischen Schriftzeichen verzeichnet sind, kann man nun die Zeichenfolgen auf den Blättern heraussuchen. Jeder Zeichenfolge ist im Buch eine andere Zeichenfolge zugeordnet, die man schließlich auf das Blatt schreibt und wieder nach außen gibt. Durch diese Prozedur erscheint es einem außen stehenden Chinesen so, als würde er sich mit einem anderen chinesisch verstehenden Menschen unterhalten. Dabei versteht man selbst kein Chinesisch und die Bibliothek versteht auch kein Chinesisch. Also könnte ein System den Turing-Test bestehen, ohne dass es auch nur einen Funken von dem Gesagten versteht.