Kognitionslinguistische und lernpsychologische ... - Cognitive Science
Kognitionslinguistische und lernpsychologische ... - Cognitive Science
Kognitionslinguistische und lernpsychologische ... - Cognitive Science
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