13.07.2013 Aufrufe

Kognitionslinguistische und lernpsychologische ... - Cognitive Science

Kognitionslinguistische und lernpsychologische ... - Cognitive Science

Kognitionslinguistische und lernpsychologische ... - Cognitive Science

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

Außenwelt oder des Verhaltens in gradueller Weise 16 : Die Summe ihrer Aktivität entspricht<br />

dann dem zu kodierenden Aspekt.“ 17 Beschreibt man die Aktivität eines Neurons<br />

mathematisch als Vektor, so funktioniert das Gehirn im Gr<strong>und</strong>e auf der Basis von<br />

Verktorberechnungen <strong>und</strong> Vektortransformationen. 18<br />

2.1.2. Die Rolle des Inputs<br />

Aufbauend auf den kurz skizzierten, gr<strong>und</strong>legenden Mechanismen des Gehirns, sollen nun<br />

spezifischere Erkenntnisse vorgestellt werden, aus denen sich unmittelbar Schlussfolgerungen<br />

für das zu konzipierende Tool ziehen lassen. Manche dieser Erkenntnisse wurden allerdings<br />

nicht vom Gehirn direkt abgeschaut, sondern per Analogieschluss mit Hilfe von<br />

Computermodellen gewonnen. Es ist mittlerweile eine verbreitete Methode, das Wissen um<br />

einzelne Aspekte der Funktionsweise des Gehirns durch programmierte neuronale Netzwerke<br />

am Computer zu simulieren. Sicher könnte man einwenden, dass solche Netzwerke real<br />

womöglich gar nicht vorliegen, auch wenn sie sich in Simulationsexperimenten ebenso wie<br />

ein menschliches Gehirn verhalten. Dem jedoch hält Spitzer entgegen, dass Simulationen trotz<br />

allem wichtige Prinzipien verdeutlichen könnten oder zumindest Rückschlüsse auf natürliche<br />

Syteme zuließen. Man kann sich, so schreibt er weiter, „beim Vorliegen mehrerer<br />

Simulationen, die der Realität mitunter in erstaunlicher Weise entsprechen, kaum der<br />

Plausibilität des Modells entziehen. Dies ist vor allem dann der Fall, wenn Simulationen<br />

Beobachtungen voraussagen oder den Untersucher auf eine Spur bringen, die man durch<br />

bloßes Nachdenken nicht gef<strong>und</strong>en hätte.“ 19<br />

Die erste für das Tool relevante Überlegung gründet sich auf eben solch ein Experiment.<br />

Es wurde 1986 von Rumelhart <strong>und</strong> McClelland 20 durchgeführt <strong>und</strong> wandte die Theorie<br />

neuronaler Netzwerke auf das Problem der Bildung der Vergangenheitsform englischer<br />

Verben an. 21 Ein Netzwerk mit je 460 Input- <strong>und</strong> Outputneuronen, in dem jedes der<br />

Inputneuronen mit jedem Outputneuron verb<strong>und</strong>en war, sollte 420 in klanglicher Kodierung<br />

dargebotene Wortstämmen der zugehörigen Vergangenheitsform zuordnen. In einem<br />

Lerndurchgang wurde die phonologische Repräsentation eines Wortstamms auf die<br />

16<br />

Ein Maß für die unterschiedlich starke Aktivierung ist die Anzahl der pro Zeiteinheit ausgesandten<br />

Aktionspotentiale.<br />

17<br />

Spitzer (2000), S. 77.<br />

18<br />

Eine genauere Darstellung des Sachverhalts, untermauert von experimentellen Beweisen, findet sich bei<br />

Spitzer (2000), S. 69-92. Hier finden sich auch Aussagen zur Effektivität der Repräsentation von<br />

Eigenschaften durch Vektorräume.<br />

19<br />

Spitzer (2000), 35.<br />

20<br />

Rumelhart <strong>und</strong> McClelland (1986).<br />

21<br />

Darstellung des Experiments in Anlehnung an Spitzer (2000), S. 31-33.<br />

12

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!