Anzeige
Erschienen in:
2019 | OriginalPaper | Buchkapitel
5. Computer lernen sprechen
verfasst von : Prof. em. Dr. Klaus Mainzer, Emeritus of Excellence
Erschienen in: Künstliche Intelligenz – Wann übernehmen die Maschinen?
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Zusammenfassung
Auf dem Hintergrund wissensbasierter Systeme kann Turings berühmte Frage erneut aufgegriffen werden, die frühe KI‐Forscher bewegt hat: Können diese Systeme „denken“? Sind sie „intelligent“? Die Analyse zeigt, dass wissensbasierte Expertensysteme ebenso wie konventionelle Computerprogramme auf Algorithmen beruhen. Auch die Trennung von Wissensbasis und Problemlösungsstrategie ändert daran nichts, denn beide Komponenten eines Expertensystems müssen in algorithmischen Datenstrukturen repräsentiert werden, um schließlich auf einem Computer programmierbar zu werden.
Das gilt auch für die Realisierung von natürlicher Sprache durch Computer. Als Beispiel sei an J. Weizenbaums Sprachprogramm ELIZA erinnert [1]. ELIZA soll als menschlichen Experten eine Psychiaterin simulieren, die sich mit einem Patienten unterhält. Es handelt sich um Regeln, wie bei bestimmten Satzmustern des Patienten mit bestimmten Satzmustern der „Psychiaterin“ zu reagieren ist. Allgemein geht es um die Erkennung bzw. Klassifizierung von Regeln in Bezug auf ihre Anwendbarkeit in Situationen. Im einfachsten Fall ist die Gleichheit zweier Symbolstrukturen zu bestimmen, wie sie in der Programmiersprache LISP für Symbollisten durch die Funktion EQUAL bestimmt wird (vgl. Abschn. 3.3). Eine Erweiterung liegt dann vor, wenn in den symbolischen Ausdrücken Terme und Variable aufgenommen werden, z. B.
$$ \begin{aligned} &\text{(x B C)}\\ &\text{(A B y)} \end{aligned} $$