Melden Sie sich hier an, um auf Kommentare und die Whitepaper-Datenbank zugreifen zu können.

Kein Log-In? Dann jetzt kostenlos registrieren.

Falls Sie Ihr Passwort vergessen haben, können Sie es hier per E-Mail anfordern.

Der Zugang zur Reseller Only!-Community ist registrierten Fachhändlern, Systemhäusern und Dienstleistern vorbehalten.

Registrieren Sie sich hier, um Zugang zu diesem Bereich zu beantragen. Die Freigabe Ihres Zugangs erfolgt nach Prüfung Ihrer Anmeldung durch die Redaktion.

Funktionierende Systeme statt Simulation des Denkens


08.02.1991 - 

EXPERTENSYSTEME

Sinnvolle Einsatzmöglichkeiten für Expertensysteme sind zumeist sehr eng an spezifische Anwendungen gebunden. Demgegenüber stehen Forschungsansätze, die sich nicht die Entwicklung funktionstüchtiger Applikationen, sondern die Nachbildung menschlicher Denkstrukturen zum Ziel gesetzt haben.

Holmes' Wissen als semantisches Netz

Das allgemeinste Repräsentationsschema und auch eines der ältesten im Zusammenhang mit KI, ist das semantische Netz. Es ist eine Sammlung von Objekten, die als Knoten bezeichnet werden. Knoten sind miteinander durch Bögen oder Glieder verbunden. Normalerweise werden sowohl die Verbindungen als auch die Knoten mit Namen versehen, Nebenstehende Abbildung stellt einen Ausschnitt von Sherlock Holmes Wissen als semantisches Netz dar.

Quelle: Oldenbourg

Zwar jung, aber nicht lernfähig

"Expertensysteme sind wissensintensive Computerprogramme. Sie enthalten große Wissensmengen über ein Spezialgebiet und wenden Faustregeln, sogenannte Heuristiken (heuristiks) an, mit denen die wesentlichen Aspekte eines speziellen Problems herausgehoben und symbolische Beschreibungen manipuliert werden, um aus dem vorgegebenen Wissen Schlüsse ziehen zu kennen. Oft erwägen sie gleichzeitig mehrere rivalisierende Hypothesen, geben vorläufige Empfehlungen ab oder bewerten verschiedene Alternativen. Die besten Expertensysteme sind in der Lage, schwierige Probleme innerhalb einer sehr begrenzten Fachdomäne ebenso gut oder sogar besser zu lösen als menschliche Experten.

Dies alles soll keineswegs den Eindruck erwecken, als ob die meisten heutigen Expertensysteme den menschlichen Experten gleichwertig wären. Diese Technologie ist noch jung und fängt erst jetzt an, auf schwierigere kommerzielle Probleme angewandt zu werden. Die heutigen Wissenssysteme sind auf engumgrenzte Aufgaben beschränkt. Sie sind nicht in der Lage, über ein größeres Fachgebiet allgemeinere Schlüsse zu ziehen und vermögen keine Schlußfolgerungen aufgrund von Axiomen oder allgemeinen Theorien zu treffen. Sie sind nicht lernfähig und deshalb darauf beschränkt, die spezifischen Fakten und heuristischen Regeln anzuwenden, die ihnen ein menschlicher Experte "beigebracht" hat. Es fehlt ihnen sozusagen an gesundem Menschenverstand- sie können keine Analogieschlüsse ziehen, und ihre Leistungsfähigkeit nimmt rasch ab, wenn Probleme über den engen Aufgabenbereich hinausgehen, auf den sie zugeschnitten wurden.

(Zitat aus P. Harmon/D. King: Expertensysteme in der Praxis, Oldenburg Besprechung des Titels auf Seite 47).

Die Künstliche Intelligenz (KI) wird häufig mit einer Garantie für Sicherheit gleichgesetzt. Vor allem Expertensysteme gelten als Instrumentarium dafür, das - oft fehlerhafte menschliche Urteilsvermögen

durch erwiesene Expertise zu ersetzen.

Falls ein System dennoch versagt, wird dies für gewöhnlich der "menschlichen Komponente" angelastet. Dies impliziert wiederum, diese menschliche Komponente sei das schwächste Glied des Systems. Die Empfehlung der Experten lautet dann meist: noch radikalere Automatisierung.

Künstliche Intelligenz wird damit weitgehend als ideologischer Trend anerkannt und das heißt, mehr oder weniger unkritisch oder sogar blind akzeptiert. Dies verleiht Systemen, in denen die KI eine wichtige Rolle spielt, eine Aura der Sicherheit. Dieses Gefühl der Sicherheit ist indes eine Illusion, möglicherweise sogar eine fatale. Die kurzfristigen Prognosen für die Künstliche Intelligenz erscheinen zunächst sehr gut. Vielleicht ist einer der Hauptfaktoren, die für KI sprechen, die mit diesem Thema 4 verbundene Mystik. Möglicherweise war es diese Mystik, die normalerweise vorsichtige und intelligente Menschen dazu verfährt hat, KI mit Zauberkunst gleichzusetzen.

Die These, daß Computer zur Lösung von Problemen geeignet sind, ist offensichtlich bei vielen Leuten auf fruchtbaren Boden gefallen. Der Glaube, sogenannte Expertensysteme könnten kaum oder sogar überhaupt nicht verstandene Probleme lösen, wirkt dabei sicher als "Effizienzverstärker".

Also gilt die Künstliche Intelligenz vielen als allmächtiger Zauber, der nur darauf wartet, in der Welt der praktischen Dinge und Probleme Anwendung zu finden. Als solcher hat KI natürlich unschätzbaren Wert. Die Idee muß noch nicht einmal den Praxisbeweis erbringen, und schon wird sie von Unternehmern, die ihr Geld unbedingt in enorm teure Projekte stecken wollen, als große Hilfe akzeptiert.

So machten sich beispielsweise die Manager der Strategie Defense Initiative (SDI) die vermeintlichen Zauberkräfte der KI zunutze, um die Zweifel jener potentiellen Parteigänger zu beschwichtigen, denen die unlösbaren Probleme der SDI tatsächlich unlösbar erscheinen. In diesem Falle reicht die Zusicherung aus, zur Lösung eben dieser Probleme würden Expertensysteme eingesetzt. Die Hersteller von Expertensystemen haben eine enthusiastische Gefolgschaft und ein riesiges Marktpotential.

Jede Anwendung, die unter der Prämisse ins Leben gerufen wird, Expertensysteme seien Zauberei, ist jedoch früher oder später zum Scheitern verurteilt, und logischerweise ist den damit verbundenen Investitionen dasselbe Schicksal vorausbestimmt.

Visionen von generellen Problemlösern

Im übrigen haben Expertensysteme nur sehr wenig mit Künstlicher Intelligenz zu tun. Sie lassen sich wesentlich korrekter als anwendungsspezifische Applikationsprogramme beschreiben. Als solche haben sie ihren Nutzen; sie können jedoch nicht Probleme lösen, die niemand versteht.

Will man die Geschichte der Expertensysteme verstehen, muß man zunächst einmal wissen, daß die historische Entwicklung des Computers von Anbeginn geprägt war durch eine fast schon ideologische Faszination der Generalisierung. Die ersten Computer wurden als General Purpose Machines (Allzweck-Maschinen) bezeichnet, wenn nicht sogar mit dem Begriff Elektronengehirn belegt. Angekurbelt wurde die KI-Forschung also durch Visionen von generellen Problemlösern, von generellen Systemen, die die natürliche Sprache verstehen, und von generellen Mustererkennungssystemen - um nur einige Beispiele zu nennen.

Schließlich entdeckten einige KI-Experten, daß sie bei dem Versuch, ihre Erkenntnisse auf bestimmte praktische Probleme anzuwenden, spezifizieren müßten, anstatt zu generalisieren. Ihre Systeme gewannen an Leistung, sie wurden dabei gleichzeitig kleiner und weniger komplex.

Genau diese Lektion hatten in der Zwischenzeit auch all die Anwendungsprogrammierer gelernt, die jahrelang Computersysteme für die Belange der realen Welt entwickelten. Ohne es zu wissen, hatten diese Programmierer schon längst Expertensysteme erstellt.

Ein Beispiel für ein quasi unschuldig entwickeltes Expertensystem ist der Bordcomputer, der für die Landung der Großraum-Boeing 747 zuständig ist. Dieses System ist insofern anwendungsspezifisch, als es alle Charakteristika der B-747 nutzt, die in irgendeiner Weise mit der Landung des Flugzeugs zu tun haben. Es zieht beispielsweise die exakte Steighöhe in Betracht, die durch jene mögliche Stellung der Landeklappen bewirkt wird. Der Preis für diese Anwendungs-Spezifizität des Systems ist, daß es nicht einfach in ein anderes Flugzeug, beispielsweise eine Lockheed L1011, transferiert werden kann, ohne für diese andere Umgebung neu spezifiziert zu werden.

Selbstverständlich führt das Landesystem der B-747 Funktionen aus, die sonst nur hochkarätige Experten Übernehmen könnten. Es handelt sich hier um ein echtes Expertensystem, das - gemäß den Standards der KI-Gilde - ein Exempel für Künstliche Intelligenz im eigentlichen Sinne ist.

Wäre ein solches System ursprünglich in den KI-Labors des MIT oder der Stanford University entwickelt worden, hätte die Welt endlose Lobeshymnen über diesen bahnbrechenden Erfolg der KI gehört. Die Entwickler dieses Systems sind jedoch System- und Anwendungsprogrammierer, die bei ihrer Arbeit gängige Techniken der Systemprogrammierung nutzten.

High-level-Languages wurden fordert

Daraus, daß sich die Computer-Gemeinde lange Zeit von der Generalisierung hypnotisieren und faszinieren ließ, ist allerdings auch Positives entstanden - unter anderem der weitverbreitete Einsatz von Computern in vielen unterschiedlichen Bereichen. Die Unternehmen erkannten den Computer als Datenverarbeitungs-Maschine; an anderer Stelle wurde er zum Prozeß-Controller oder zum Berechner im Ingenieurbereich.

Seine Anerkennung als genereller Symbol-Manipulator öffnete dem Allzweck-Computer auch Tür und Tor für seinen Einsatz in der KI-Forschung. Damit trug er nicht zuletzt zur Gründung dieser wissenschaftlichen Disziplin bei.

Die frühe Verehrung der Generalisierung forderte auch die Entwicklung von Higher-Level-Languages wie Fortran, Algol und Lisp, die den Vorteil hatten, weitgehend maschinenunabhängig zu sein. Ich sage "weitgehend", weil es sich in der Praxis oft als illusorisch erwiesen hat, in einer dieser Sprachen geschriebene Programme von einem Computer auf einen anderen zu transferieren.

Was ein zu eng gefaßtes Verständnis des Begriffs "Computer" bedeuten kann, belegt der Einsatz des Mark 1 an der Harvard University durch Howard Aiken. Der Mark war einer der ersten Computer, die nicht einer staatlichen Institution gehörten. Er war eine Entwicklung von Professor Aiken und arbeitete ausschließlich nach dessen Wünschen und Vorstellungen. Professor Aiken ließ den Mark große Sets mathematischer Funktionen berechnen, beispielsweise Gamma-Funktionen. Dann produzierte er viele Buchbände, die diese Funktionen in Tabellenform enthielten. Offensichtlich realisierte er nicht, daß die Existenz des Computers diese ausgedruckten mathematischen Tabellen überflüssig machte: Es war inzwischen möglich, Computerprogramme zu schreiben, die die spezifisch er förderlichen Funktionen nur dann und dort berechneten, wo sie gebraucht wurden.

Aber die KI zahlte einen hohen Preis für ihre Romanze mit der Generalisierung. Unter anderem schätzten die KI-Experten die Bedeutung und den Reichtum der "Spielzeug-Bereiche", in denen sie oft tatsächlich arbeiteten, zu gering ein.

Die KI-Romanze mit der Generalisierung

Vielleicht liegt dies im Charakter vieler der Leute begründet, die sich frühzeitig von der Arbeit im KI-Bereich angezogen fühlten; und daraus resultiert vielleicht auch die langlebige Hinwendung der KI zu weitgehend generellen Problemen und Systemen. Sicherlich hat die betonte Generalisierung, die für die gesamte Computerwelt bezeichnend ist, entscheidend zu einer Atmosphäre beigetragen, die die Hinwendung der KI zu dieser Geisteshaltung plausibel erscheinen läßt.

Das soll aber nicht heißen, die Lektion "Sei spezifisch!" hätte per se keinen echten Wert. Im Gegenteil: Genau diese Prämisse hat in der Vergangenheit zu vielen spektakulären - und sogar nützlichen - Computeranwendungen geführt, und sie wird dies auch künftig tun"

Im übrigen soll an dieser Stelle folgendes gesagt werden: Die Kreation des Slogans Expertensystem" ist das Meisterstück eines fein geschliffenen Marketing-Instinkts, genau wie dies auch für die Erfindung des Schlagwortes Künstliche Intelligenz zutraf. Die häufige Gleichsetzung des Terminus "Expertensysteme" mit KI ist eine würdige Steigerung dieses Erfolges.

Abgesehen von ihrem realen Wert scheint die gedankliche Verbindung von Expertensystemen und KI beide mit einem gewissen Glorienschein zu umgeben, aus dem sich kommerziell Kapital schlagen läßt. Solange die auf diese Weise geschaffene Mystik erhalten werden kann, und solange unter dem Terminus "Expertensysteme" vernünftige Anwendungsprogramme entstehen, wird die KI in ihrer - wenn auch wenig verdienten Aura erstrahlen.

Beschäftigt man sich mit den Zukunftsaussichten für die KI, und hier speziell mit ihrer Beziehung zur menschlichen Intelligenz, so ist es von entscheiden der Bedeutung, zwei unterschiedliche und nur gelegentlich verwandte Arten der KI-Forschung zu unterscheiden: Theorie und Performance.

Der Performance-Modus hat das alles beherrschende Ziel, einen Mechanismus herzustellen, der sich intelligent verhält. Ob die interne Arbeitsweise dieses Mechanismus ein Modell der Theorie menschlicher Intelligenz ist oder, ob diese Arbeitsweise mehr Aufschluß über die Funktion und Beschaffenheit des menschlichen Geistes geben kann, ist - wenn Oberhaupt von sekundärer Bedeutung.

Der Lautsprecher ist ein Beispiel für eine Maschine im Performance-Modus. Er reproduziert den Klang der menschlichen Stimme völlig anders als ein Mensch, und er meistert seine Aufgabe sehr gut. Aber in keiner Weise besteht hier die Absicht, einen Beitrag zur Theorie der menschlichen Spracherzeugung zu leisten.

Die Grundmotivation für ein theoretisches KI-Projekt andererseits ist es, ein Verständnis des Phänomens zu gewinnen, das wir Intelligenz nennen. Oft erfordern die entsprechenden Projekte die Bildung von Modellen, die darauf abzielen, intelligente Verhaltensweisen aufzuzeigen.

Bei der Arbeit in diesem theoretischen Modus wird der Erfolg solcher Modelle an ihrer Fähigkeit gemessen, psychologische Phänomene vorherzusagen oder zu erklären. Eine weitere Meßgröße ist der Beitrag dieser Modelle zu einem theoretischen Verständnis der menschlichen Intelligenz, also nicht ihre Eleganz oder die Effizienz ihrer Performance per se.

Schachs: Maschinen erreichen Weltklasse-Niveau

Ein gutes Beispiel für den Unterschied zwischen diesen beiden Operations-Modi sind die Versuche, Computer dazu zu bringen, auf einem hohen Leistungsniveau Schach zu spielen. Bis in die frühen 60er Jahre war es die Hauptmotivation der KI-Forscher bei Computerschach. Projekten, den Entscheidungsfindungsprozeß der Schach. Meister in Computerprogrammen nachzuvollziehen.

In einem Projekt mit einer solchen Motivation braucht die Zeit, die der Computer benötigt, um über einen Schachzug zu entscheiden, keine Rolle zu spielen. Die Frage ist, was der Versuch, den Gedankenprozeß eines Schachspielers zu simulieren, uns über die Prozesse von Überlegungen, über Kreativität und dergleichen mehr vermitteln kann. Solche Projekte sind der theoretischen KI-Forschung zuzuordnen.

Als die Maschinen größer und schneller - kurz: leistungsfähiger - wurden, erkannten die KI-Experten die Möglichkeit, Schachprogramme zu schreiben, die tatsächlich sogar gegen relativ gute menschliche Spieler gewinnen konnten. Die Versuchung, auf den Leistungsmodus umzusteigen, wurde unwiderstehlich groß. Rechnerische Effizienz gewann die Oberhand gegenüber der Treue zur psychologischen Theorie.

Heute haben wir Schach-spielende Maschinen, die nahezu Weltklasse-Niveau erreichen. Was das Schachspiel betrifft, so hat die KI den Wechsel zum Performance-Modus vollzogen. Unglücklicherweise haben die in diesem Modus entwickelten mächtigen Systeme keine Signifikanz im psychologischen Sinne. (wird fortgesetzt)