Maschinelles Lernen

Eine der anspruchsvollsten Aufgaben in der Bildverarbeitung ist die Erkennung dreidimensionaler Objekte. Was für uns Menschen eine nahezu selbstverständliche Fähigkeit ist, entzieht sich auch heute noch einem ausreichend genauem Verständnis seiner zugrundeliegenden Mechanismen, um eine vergleichbar leistungsfähige Nachbildung in künstlichen Systemen zu ermöglichen.

Dieser Beitrag beschreibt einen Ansatz zur Modellierung hilfegeleiteter Wissenserwerbsprozesse beim Problemlösen. Ausgangspunkt ist eine theoretische Konzeption, die motivationale und volitionale Aspekte der Handlungssteuerung mit Aspekten des Lernens verbindet. Wissenserwerb wird dabei als Wechselspiel des Erwerbs neuen Wissens mit Hilfen nach Stocksituationen sowie der Wissensoptimierung durch Komposition aufgefaßt. Für diese theoretische Konzeption werden für die Domäne des Programmierens in der graphischen funktionalen Sprache ABSYNT zwei unterschiedlich abstrakte lauffähige Realisationen vorgestellt: ein internes Modell der sukzessiven Wissensstadien eines Lernenden und ein externes Modell der Wissenserwerbsprozesse, die die Übergänge zwischen den Stadien ermöglichen. Das interne Modell ist integrierter Teil eines Hilfesystems zum Erwerb von Programmierwissen für ABSYNT. Es ist in der Lage, unter Nutzung zeitprotokollierter Problemlösedaten online Lösungsentwürfe zu untersuchen und möglichst wissensstandsangepaßte Hilfen zu generieren. Es beschreibt die Wissensentwicklung als Fortschreiten auf von Mikroregeln über Lösungsschemata bis hin zu spezifischen Lösungsbeispielen für Programmieraufgaben und für Teilprobleme aus diesen. Mikroregeln, Schemata und Lösungsbeispiele bilden dabei eine partielle Ordnung hinsichtlich einer Spezialisierungsrelation. Das externe Prozeßmodell enthält darüber hinaus hypothetische Gründe (in Form von Wissenserwerbs-und Problemlöseprozessen) für das Fortschreiten über die Wissensstadien. Es ist als kognitives Wissenserwerbsmodell zur Modellierung kontinuierlicher Wissenserwerbsprozesse und der dabei ablaufenden Handlungs- und Verbalisationssequenzen konzipiert. Internes Modell, externes Modell und die zugrundeliegende theoretische Konzeption beschränken sich gegenseitig, und es wird maximale Konsistenz zwischen ihnen angestrebt.

Das Ziel der im Rahmen der Entwicklung des HALMOR Systems durchgeführten Arbeiten ist die Unterstützung der (geometrischen) Planung kollisionsfreier Wege für autonome, mobile Roboter durch Verfahren des maschinellen Lernens. Hierzu wird die hierarchische Steuerungsarchitektur einer an der Universität Karlsruhe entwickelten mobilen Roboterplattform (siehe Abbildung 1-1) so erweitert, daß sowohl bei der Planerzeugung als auch bei der Planausführung gewonnene Erfahrungen verarbeitet werden können.

Was zeichnet Experten vor Anfängern aus, was macht sie zu erfolgreicheren Problemlösern? Welches Wissen liegt ihrem Expertentum zugrunde und wie kann es zielführend beim Lösen neuer Probleme eingesetzt werden? Weshalb ist die Überlegenheit von Experten relativ eng auf den Gegenstandsbereich ihres Expertentums eingeschränkt?

Zum Lernen von Hornklauseln aus Beispielen sind im Bereich des Maschinellen Lernens sowohl induktive als auch analoge Verfahren entwickelt worden. Das Ziel dieser Verfahren ist, aus einer Menge von Beispielen für das zu lernende Konzept Bund einer Menge von bekannten Prädikaten, die als Hintergrundwissen vorhanden sind, eine meist durch ein Prädikat ausgedrückte Definition für das neue Konzept zu bestimmen.

Zum Erlernen einer Programmiersprache gehört der Erwerb von Wissen über deren Syntax und Semantik. Programmierwissen umfaßt aber wesentlich mehr als nur deklaratives Wissen. Programmieranfänger, aber auch erfahrene Programmierer und Experten, benutzen häufig Beispiele und frühere Lösungen zu ähnlichen Problemen, um ein aktuelles Programmierproblem zu lösen (Pirolli & Anderson, 1985; Chi, Bassok, Lewis, Reimann & Glaser, 1989; Neal, 1989). Dabei werden analoge Beispiele in einem oder mehreren Aspekten geändert und an das gegenwärtige Problem angepaßt. Solche Manipulationen können zur korrekten Lösung führen. Aber in vielen Fällen werden, gerade von Anfängern, Analogien und die Unterschiede zwischen den Analoga nicht voll verstanden, was auf Fehlkonzeptionen beruht und zu Fehlern führt. Andererseits kann über Ähnlichkeiten zwischen verschiedenen Programmierepisoden generalisiert werden. Häufig benutzte Generalisierungen entsprechen dann Regeln (Riesbeck & Schank, 1989) und höheren Programmierkonzepten.

Akzeptanz und Validierung von Expertensystemen hängen wesentlich von der Transparenz und Nachvollziehbarkeit des implementierten Problemlöseverhaltens ab. Insbesondere die Nachvollziehbarkeit wird dabei in starkem Maße von dem Expertensystem zur Verfügung stehendem Strategiewissen beeinflußt. Dieser Beitrag stellt ein induktives Lernverfahren mit fallbasierter Hypothesengenerierung und -bewertung vor, das in der Lage ist, auf einer allgemeinen Ebene das abkürzungsorientierte diagnostische Problemlöseverhalten erfahrener Servicetechniker nachzubilden. Es ist ein integrierter Bestandteil einer Werkbank zur Diagnose technischer Systeme und teilt sich die Aufgabe der Wissensakquisition mit einem System zum fallbasierten Schließen, einem System zur Wissenskompilation sowie Mechanismen zur Unterstützung der manuellen Wissensakquisition.

Bekanntlich können Menschen aus sehr unterschiedlichen Erfahrungen und Lernmaterialien gerade diejenigen Konzepte erwerben, die sich später für ihr weiteres Handeln als nützlich erweisen. Dies gilt auch für das Erlernen einer Programmiersprache. So können relevante Kenntnisse über eine Programmiersprache aus Lehrtexten, aus konkreten Beispielen der verfügbaren Programmkonstrukte und aus vollständigen Programmen mit komplexen Kontrollstrukturen erworben werden. Weitergehende Kenntnisse werden oft durch die Interaktion mit einem Programmiertutor (Weber, 1992), durch das Explorieren einer Programmierumgebung oder beim Erstellen eines speziellen Programms erworben.