18.09.2013 Aufrufe

Sprachliche Mensch-Maschine-Kommunikation

Sprachliche Mensch-Maschine-Kommunikation

Sprachliche Mensch-Maschine-Kommunikation

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

23.3 Parsing 399<br />

weder durch exakte Logik noch durch eine Fuzzy Logic sinnvoll nachbilden<br />

lassen. Man denke nur an solche Dinge wie Humor, Ironie, Sarkasmus und<br />

andere Phänomene, die nicht einmal von <strong>Mensch</strong>en eindeutig und objektiv als<br />

solche erkannt werden können. Und wenn wir noch die Ergebnisse von Gödel<br />

und die sprachliche Möglichkeit, Paradoxien zu formulieren, betrachten,<br />

dann müssen wir der natürlichen Sprache eine Mächtigkeit zugestehen, die<br />

weder mit der PL1 noch mit Logiken höherer Stufen oder modalen Logiken<br />

erreichbar ist. In der Praxis sind solche Überlegungen bis heute nur selten<br />

von Bedeutung. Die heutigen, Sprache verstehenden Systeme sind noch<br />

sehr weit weg von der Leistungsfähigkeit, die ein nennenswert kompliziertes<br />

Kalkül benötigen würde. Daher werden oft auch für die Repräsentation von<br />

Wissen Ansätze verwendet, die eher in die Richtung von Entity-Relationship<br />

Modellen, KL-ONE, relationaler oder auch objektorientierter Datenbanken<br />

gehen. Solche Systeme sind ausreichend erforscht und ausreichend mächtig,<br />

um die Informationen zu modellieren, die in gewöhnlichen sprachlichen<br />

Dialogen ausgetauscht werden, und auf diesen Informationen einfache, aus<br />

der Logik abgeleitete Operationen durchzuführen. Dennoch haben alle diese<br />

Systeme als Grundlage die Prädikatenlogik, lediglich die Darstellung und die<br />

implementierten Kalküle unterscheiden sich. Daher werden wir im folgenden<br />

auch bevorzugt sprachlich geäußerte Sachverhalte als prädikatenlogische<br />

Formeln darstellen.<br />

Eine mögliche Darstellung des Satzes ” Peter ißt.“ könnte sein:<br />

Essen(Peter). Hierbei wird Peter als eine Konstante betrachtet und<br />

Essen als ein einwertiges Prädikat, das angibt, ob das Argument gerade ißt<br />

oder nicht. Ein Prädikat kann also für ein Ereignis verwendet werden. Die<br />

Argumente des Prädikats sind dann die Eigenschaften des Ereignisses. Das<br />

Prädikat ist genau dann wahr, falls das Ereignis stattfindet. Nun könnte<br />

der Satz aber auch komplizierter sein, zum Beispiel ” Peter ißt Pudding.“<br />

Um diesen Sachverhalt darzustellen, können wir nicht dasselbe Prädikat<br />

verwenden, weil es nicht in der Lage ist die zusätzliche Information über<br />

das Gegessene darzustellen. Wir brauchen daher ein anderes Prädikat, zum<br />

Beispiel EssenWas(Peter,Pudding). Dieses Prädikat ist zweiwertig und<br />

beinhaltet schon in seinem Namen, daß es nicht nur die essende Person,<br />

sondern auch das, was gegessen wird, ausdrückt. Es ist wahr, genau dann<br />

wenn Peter Pudding ißt, aber nicht, wenn er einen Apfel ißt. Wir können<br />

uns nun leicht vorstellen, welche Komplikationen nötig wären um auch Ereignisse<br />

wie ” Peter ißt abends gerne zum Nachtisch einen Pudding in seinem<br />

Lieblingslokal.“ Es erscheint nicht besonders sinnvoll, eine Wissensbank zu<br />

entwerfen, die auch das Prädikat EssenWerWasWoWannWieWozu mit fünf oder<br />

mehr Argumenten verwendet. An dieser Stelle bietet es sich an, das Ereignis<br />

selbst als Variable zu sehen und die Eigenschaften des Ereignisses jeweils<br />

mit eigenen Prädikaten zu modellieren:

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

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!