Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Vorbild Gehirn – Randbedingungen für eine kognitive Architektur Kapitel lesen Erstes Kapitel lesen

2020 | OriginalPaper | Buchkapitel

Maschinen zur Lösung der grossen Probleme – Ein formeller Rahmen

verfasst von : Philip Gross

Erschienen in: Cognitive Computing

Verlag: Springer Fachmedien Wiesbaden

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Einige der bedeutendsten Probleme dieser Welt müssen jetzt gelöst werden. In diesem Artikel wird dargelegt, was von den Maschinen – also von modernen Technologien – erwartet wird, wenn sie einen Beitrag zur Bewältigung grosser und drängender Probleme leisten sollen. Der vorgeschlagene formelle Rahmen für die Herleitung dieser Erwartungen baut darauf auf, dass das individuelle wahrgenommene Risiko einer Wissenschaftlerin, eines Ingenieurs oder jeder anderen potenziellen Mitwirkenden eine kollektive Problemlösung verhindern und die Lösungsfindung verschleppen kann. Es wird aufgezeigt, wie dieses Risiko mit der strukturellen Güte von Problemen zusammenhängt und es wird vorgeschlagen, je ein System zur Bewältigung der beiden grundlegenden Problemstruktur-Typen aufzubauen. Die Bewältigung von „ill-structured problems“ soll dabei über ein Creativity System erfolgen, während „well-structured problems“ über ein Productivity System abgewickelt werden sollen.
Dieser Artikel stellt eine Erweiterung eines bereits in der Zeitschrift Informatik Spektrum erschienenen Artikels dar (Gross 2018). Während im Artikel das Augenmerk auf das Creativity System gelegt wurde, findet im vorliegenden Artikel auch eine Auseinandersetzung mit der Frage statt, wie ein Productivity System im Rahmen der kollektiven Problemlösung zur Reduktion des von potenziellen Mitwirkenden wahrgenommenen individuellen Risikos beiträgt und somit deren Partizipation fördert. Es werden Leistungsanforderungen an ein solches System formuliert und in Ansätzen wird diskutiert, was das System zur Erfüllung dieser Anforderungen leisten muss. Die entsprechenden Ausführungen zum Creativity System wurden praktisch unverändert aus dem Informatik-Spektrum-Artikel übernommen.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Zur Grenze des Verstehens künstlicher Kreativität
Nächstes Kapitel Chatbot & Cognitive Services – Ein Schritt Richtung Automatisierung im User Help Desk der Schweizerischen Post
Fußnoten
2
Bei vielen Umweltschutzproblemen – auch beim Klimawandel – verschärft eine intergenerationelle Diskontierung des Nutzens von Gegenmassnahmen die individuelle Risikowahrnehmung. Die Risikoevaluation ist eine Kosten/Nutzen-Evaluation bei gegebener Wahrscheinlichkeitsverteilung in Bezug auf das Eintreten des risikobehafteten Ereignisses. Umweltschutzprobleme zeichnen sich oft dadurch aus, dass die zur Lösung notwendigen Kooperations-Kosten heute getragen werden müssen, während der Nutzen zukünftigen Generationen zuteilwird (Jacquet et al. 2013). Die Kosten/Nutzen-Evaluation fällt in einem solchen Szenario also – unabhängig von der Wahrscheinlichkeitsverteilung – umso schlechter aus und damit wird das Risiko als noch höher eingestuft.
 
3
Diese Art der Offenheit gilt natürlich nicht bei Plattformen, auf welchen Forschungs- und Entwicklungsprobleme für kommerziell agierende Unternehmen gegen Bezahlung, zum Beispiel in Form von Preisgeldern, gelöst werden.
 
4
Einen Eindruck von Anzahl und Varietät dieser Plattformen vermittelt citizenscience.​org.
 
8
fold.it.
 
10
Eine leicht nachvollziehbare technische Interpretation dieser Strukturanalogie gibt John Sowa mit der Definition der „maximal common projection [of two structural graphs] with respect to [a] kernel“ (1976, S. 342).
 
17
Origami-Techniken werden schon erfolgreich für die platzsparende Faltung von Airbags eingesetzt (Bruton et al. 2016).
 
Literatur
3Blue1Brown (2017) Ever wonder how Bitcoin (and other cryptocurrencies) actually work?
Anderson JR (1983) A Spreading Activation Theory of Memory. Journal of Verbal Learning and Verbal Behavior, 22(3):261–295.CrossRef
Balietti S, Mäs M, Helbing D (2015) On disciplinary fragmentation and scientific progress. PloS one, 10(3):e0118747.CrossRef
Benson DA, Karsch-Mizrachi I, Lipman DJ, Ostell J, Sayers EW (2010) GenBank. Nucleic Acids Research, 38(Database issue):D46–D51.
Berners-Lee T, Hendler J, Lassila O (2001) The semantic web. Scientific American, 284(5):28–37.CrossRef
Bingham A, Spradlin D (2011) NASA’s New Innovation Framework. Upper Saddle River, NJ: FT Press.
Boden MA (2004) The creative mind: Myths and mechanisms (2nd ed.). New York, NY: Routledge.CrossRef
Bruton JT, Nelson TG, Zimmerman TK, Fernelius JD, Magleby SP, Howell LL (2016) Packing and deploying Soft Origami to and from cylindrical volumes with application to automotive airbags. Royal Society Open Science, 3(9):1–15.MathSciNetCrossRef
Burt RS (1992) Structural holes: The social structure of competition. Cambridge, MA and London, UK: Harvard University Press.
Burt RS (2004) Structural holes and good ideas. American Journal of Sociology, 110(2):349–399.CrossRef
Bywater RP, Middleton JN (2016) Melody discrimination and protein fold classification. Heliyon, 2(10):e00175.CrossRef
Chen C, Chen Y, Horowitz M, Hou H, Liu Z, Pellegrino D (2009) Towards an explanatory and computational theory of scientific discovery. Journal of Informetrics, 3(3):191–209.CrossRef
Collins AM, Loftus EF (1975) A Spreading-Activation Theory of Semantic Processing. Psychological Review, 82(6):407–428.CrossRef
Crestani F (1997) Application of spreading activation techniques in information retrieval. Artificial Intelligence Review, 11(6):453–482.CrossRef
De Groot, A. D. (1978). Thought and choice in chess, 2nd ed., vol. 4. The Hague: Mouton Publishers.
Dietrich A (2004) The cognitive neuroscience of creativity. Psychonomic Bulletin & Review, 11(6):1011–1026.CrossRef
Duncker K (1945) On problem-solving. Psychological Monographs, 58(5):i–113.CrossRef
Franzoni C, Sauermann H (2014) Crowd science: The organization of scientific research in open collaborative projects. Research Policy, 43(1):1–20.CrossRef
Ganesalingam M, Gowers T (2016) A Fully Automatic Theorem Prover with Human-Style Output. Journal of Automated Reasoning, 58:253–291.MathSciNetMATHCrossRef
Gil Y, Greaves M, Hendler J, Hirsh H (2014) Amplify scientific discovery with artificial intelligence. Science, 346(6206):171–172.CrossRef
Gowers T, Nielsen M (2009) Massively collaborative mathematics. Nature, 461(7266):879–881.CrossRef
Gross P (2018) Zur Lösung der wirklich bedeutenden Probleme: Was von Maschinen erwartet wird. Informatik-Spektrum, 41(1):38–51.CrossRef
Holyoak KJ (1990) Problem solving. Smith EE, Osherson DN (Hrsg.) Thinking: An invitation to cognitive science, 2 ed., 3:267–296. MIT Press.
Holyoak KJ, Thagard P (1989) Analogical Mapping by Constraint Satisfaction. Cognitive Science, 13(3):295–355.CrossRef
Hülsbömer S, Genovese B (2018) Definition, Vorteile, Nachteile: Was ist Blockchain? computerwoche / IDG Business Media GmbH.
Jacquet J, Hagel K, Hauert C, Marotzke J, Röhl T, Milinski M (2013) Intra-and intergenerational discounting in the climate game. Nature climate change, 3(12):1025–1028.CrossRef
Jeppesen LB, Lakhani KR (2010) Marginality and Problem-Solving Effectiveness in Broadcast Search. Organization Science, 21(5):1016–1033.CrossRef
Jung-Beeman M, Bowden EM, Haberman J, Frymiare JL, Arambel-Liu S, Greenblatt R, Reber PJ, Kounios J (2004) Neural activity when people solve verbal problems with insight. PLoS Biology, 2(4):0500–0510.CrossRef
Kandel ER, Siegelbaum SA (2000) Overview of Synaptic Transmission. Kandel ER, Schwartz JH, Jessell TM (Hrsg) Principles of Neural Science, 4th ed.. New York, NY: McGraw-Hill.
Koestler A (1964) The act of creation. London, UK.
Kumar JM, Herger M (2013) Gamification at Work: Designing Engaging Business Software. Lightning Source Inc.
Leary MR, Baumeister RF (2017.) The need to belong: Desire for interpersonal attachments as a fundamental human motivation. Zukauskiene R (Hrsg.), Interpersonal Development, pp. 57–89. Routledge.
Lenat DB (1995) CYC: A large-scale investment in knowledge infrastructure. Communications of the ACM, 38(11):33–38.CrossRef
Lou T, Tang J (2013) Mining structural hole spanners through information diffusion in social networks. Proceedings of the 22nd International Conference on World Wide Web, Rio de Janeiro, Brazil.
McChrystal S, Collins T, Silverman D, Fussell C (2015) Team of teams: New rules of engagement for a complex world. New York, NY: Penguin.
McClelland DC, Atkinson JW, Clark RA, Lowell EL (1953) The achievement motive. East Norwalk, CT: Appleton-Century-Crofts.CrossRef
Mednick SA (1962) The associative basis of the creative process. Psychological review, 69(3):220.CrossRef
Miller GA (1995) WordNet: A lexical database for English. Communications of the ACM, 38(11):39–41.CrossRef
Newell A, Shaw JC, Simon HA (1959) Report on a general problem solving program. IFIP congress.
Nicholls A, Sharp KA, Honig B (1991) Protein folding and association: Insights from the interfacial and thermodynamic properties of hydrocarbons. Proteins: Structure, Function, and Genetics, 11(4):281–296.CrossRef
Park IU, Peacey MW, Munafo MR (2014) Modelling the effects of subjective and objective decision making in scientific peer review. Nature, 506(7486):93–96.CrossRef
Rautaray SS, Agrawal A (2015) Vision based hand gesture recognition for human computer interaction: a survey. Artificial Intelligence Review, 43(1):1–54.CrossRef
Shadbolt N, Berners-Lee T, Hall W (2006) The semantic web revisited. IEEE Intelligent Systems, 21(3):96–101.CrossRef
Shneiderman B (2007) Creativity support tools: Accelerating discovery and innovation. Communications of the ACM, 50(12):20–32.CrossRef
Simon HA (1973) The structure of ill structured problems. Artificial intelligence, 4(3–4):181–201.CrossRef
Song S, Miller KD, Abbott LF (2000) Competitive Hebbian learning through spike-timing-dependent synaptic plasticity. Nature Neuroscience, 3(9):919–926.CrossRef
Sowa JF (2006) The challenge of knowledge soup. Research trends in Science, Technology and Mathematics Education, Goa, India.
Stephens ZD, Lee SY, Faghri F, Campbell RH, Zhai C, Efron MJ, Iyer R, Schatz MC, SInha S, Robinson GE (2015) Big Date: Astronomical or Genomical? PLOS Biology, 13(7).CrossRef
Thagard P, Shelley C (1997) Abductive Reasoning: Logic, Visual Thinking, and Coherence. Dalla Chiara ML, Doets K, Mundici D, van Benthem J (Hrsg.) Logic and Scientific Methods: Volume One of the 10th International Congress of Logic, Methodology and Philosophy of Science, Florence, pp. 413–427. Dordrecht: Springer.CrossRef
Thagard P, Stewart TC (2011) The AHA! Experience: Creativity Through Emergent Binding in Neural Networks. Cognitive Science, 35(1):1–33.CrossRef
Ware C (2013) Information visualization: perception for design, 3rd ed.. Waltham, MA: Elsevier.
Wolverton M, Hayes-Roth B (1994) Retrieving semantically distant analogies with knowledge-directed spreading activation. Proceedings of the 12th National Conference on Artificial Intelligence, Menlo Park, CA.
Yokoi T (1995) The EDR Electronic Dictionary. Communications of the ACM, 38(11):42–44.CrossRef
Metadaten
Titel
Maschinen zur Lösung der grossen Probleme – Ein formeller Rahmen
verfasst von
Philip Gross
Copyright-Jahr
2020
Buch
Cognitive Computing

Print ISBN: 978-3-658-27940-0

Electronic ISBN: 978-3-658-27941-7

Copyright-Jahr: 2020

DOI
https://doi.org/10.1007/978-3-658-27941-7_5

Premium Partner

    Bildnachweise