Formalisierung und künstliche Intelligenz - eine mögliche ...
Formalisierung und künstliche Intelligenz - eine mögliche ...
Formalisierung und künstliche Intelligenz - eine mögliche ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
-13 -<br />
4. Der mathematisch-naturwissenschaftliche Gewinn<br />
Neuronale Netzwerke, Neurocomputer, Konnektionismus sind Schlagwörter<br />
für <strong>eine</strong> neue Computerarchitektur, die Struktur <strong>und</strong> Funktion<br />
ganzer Netze von Hirnzellen nachzuahmen sucht. Die unterschiedliche<br />
Arbeitsweise von menschlichem Gehirn <strong>und</strong> herkömmlichem<br />
Computer fällt besonders deutlich auf, wenn wir folgende Vergleiche<br />
ziehen:<br />
Gehirn<br />
herkömmI. Computer<br />
Arithmetik schlecht sehr gut<br />
Fakten-Gedächtnis schlecht sehr gut<br />
assoziatives Ged. sehr gut schlecht-<br />
Lernfähigkeit sehr gut schlecht<br />
Mustererkennung sehr gut schlecht<br />
Sollen also auch menschliche intelligente Leistungen wie assoziatives<br />
Gedächtnis, Lernfähigkeit, Mustererkennung, etc. mechanisiert<br />
werden, so müssen<br />
<strong>und</strong> Funktionsweise das<br />
Computer gebaut werden, die in Architektur<br />
menschliche Gehirn imitieren. Dieses aber<br />
besteht aus ca. 10 hoch 10 Neuronen (ca. 100'000 unter jedem mm 2<br />
Hirnrinde) mit <strong>eine</strong>m fan-in (Anzahl zu <strong>eine</strong>m Neuron hinführender<br />
Verbindungen) von 10'000. Damit entfällt offenbar der von Neumann-<br />
Flaschenhals herkömmlicher Maschinen. Zudem ist das Gehirn sehr<br />
fehlertolerant, obwohl jede Sek<strong>und</strong>e ca. 3 Neuronen sterben, also<br />
etwa 1% in 10 Jahren. Zur Funktionsweise des Gehirns weiss die<br />
Gehirnforschung einiges (wenn auch längst nicht alles) zu sagen:<br />
Ueber die Dendriten gelangen die Signale<br />
der angeschlossenen Neuronen (in<br />
Form <strong>eine</strong>s aufsummierten elektrischen<br />
Potentials) zum gerade betrachteten<br />
Neuron. Darauf reagiert das Neuron wie<br />
ein Schalter mit Widerstand: übersteigt<br />
die durch die Synapsen noch gewichtete<br />
Summe der Eingangssignale <strong>eine</strong>n<br />
gewissen am Neuron "eingestellten"<br />
Schwellenwert, so feuert das Neuron<br />
weiter, d.h. gibt <strong>eine</strong>n elektrischen<br />
Nadelimpuls ab, der über das Axon zu<br />
mehreren tausend Zielneuronen abgeleitet<br />
wird.<br />
Mathematisieren wir diese situation, so erhalten wir folgendes<br />
mathematisches Neuron: