FG Kommunikationstechnik
Ein wesentlicher Bestandteil kognitiver – und damit auch sprach-verarbeitender – Agentensysteme ist die Verhaltenssteuerung. Eine ihrer wichtigsten Aufgaben besteht darin, Entscheidungsprobleme, die in der Auseinandersetzung mit der physischen Umgebung eines Agenten auftreten, rational zu lösen. Zunächst diskutieren wir die klassischen, nutzenbasierten Entscheidungsmodelle für sequentielle- und episodische Umgebungen am Beispiel des Mouse-Maze-Problems. Zu letzteren gehören die sogenannten konsummatorischen Endhandlungen, sie stehen im Mittelpunkt dieser Arbeit. Weil sich Entscheidungen bei Endhandlungen final auf die Lebensdauer des Agenten auswirken können, dürfen Fehlleistungen und Täuschungen nur äußerst selten auftreten. Aus diesem Grund stellen wir der rationalen Methode die psychologische Methode entgegen, die zusätzlich auf der Einführung von semantischen Kategorien beruht. Die dafür benötigten semantischen Repräsentationen modellieren wir nach einem quantenmechanischen Formalismus. Daraus leitet sich die zentrale Fragestellung dieser Arbeitab: Bietet die quantenmechanische Perspektive einen Mehrwert bei der Modellierung der konsummatorischen Endhandlung und lässt sich dieser Formalismus inden Perzeptions-Aktionszyklus (PAC) eines kognitiven Agenten einbetten.
Diese theoretische Untersuchung hat das Ziel, eine für maschinelles Lernen geeignete logisch-mathematische Formulierung des operanten Konditionierens nach B. F. Skinner zu finden. Dazu wählen wir zu jedem Lernreiz eine Differenzvariable, wobei wir unter Differenz eine Wahrnehmung von Unterschieden auf Seiten des Lernenden zwischen dem Zustand der Welt vor und nach seinem Verhalten verstehen. Da ein Lernreiz nicht vorhanden oder vorhanden und im letzterenFall negativ oder positiv sein kann, besteht der Wertebereich einer Differenzvaria-blen im einfachsten Fall aus drei möglichen Werten: +1, 0 und −1. Abschließendstellen wir eine Verbindung zum Stevensschen Potenzgesetz her und skizzieren eine quantenlogische Modellierung.
Speech-controlled user interfaces facilitate the operation of devices and household functions to laymen. State-of-the-art language technology scans the acoustically analyzed speech signal for relevant keywords that are subsequently inserted into semantic slots to interpret the user's intent. In order to develop proper cognitive information and communication technologies, simple slot-filling should be replaced by utterance meaning transducers (UMT) that are based on semantic parsers and a mental lexicon, comprising syntactic, phonetic and semantic features of the language under consideration. This lexicon must be acquired by a cognitive agent during interaction with its users. We outline a reinforcement learning algorithm for the acquisition of the syntactic morphology and arithmetic semantics of English numerals, based on minimalist grammar (MG), a recent computational implementation of generative linguistics. Number words are presented to the agent by a teacher in form of utterance meaning pairs (UMP) where the meanings are encoded as arithmetic terms. Since MG encodes universal linguistic competence through inference rules, thereby separating innate linguistic knowledge from the contingently acquired lexicon, our approach unifies generative grammar and reinforcement learning, hence potentially resolving the still pending Chomsky-Skinner controversy.
Sprachgesteuerte Benutzerschnittstellen stehen oftmals vor der Aufgabe, physikalische Größenangaben und andere Zahlworte verstehen und äußern zu müssen. Wir beschränken uns hier auf die sprachliche Produktion und das Verstehen von Zahlworten. Um nicht sämtliche Zahlwörter in einer Datenbank (dem mentalen Lexikon) vorhalten zu müssen, sollen morphologische Komposita durch eine geeignete Grammatik ableitbar sein. Wir kodieren sprachliche Zeichen als geordnete Tripel von Exponenten, syntaktischen Typen und Semantiken. Der syntaktische Typ wird durch eine minimalistische Grammatik (MG) beschrieben. Für die Semantik verwenden wir den Lambda-Kalkül der arithmetischen Termalgebra. Auf dem MG-Lexikon operieren syntaktische Erzeugungsfunktionen, die durch linguistische Inferenzregeln vorgegeben sind. Sprachproduktion und Sprachverstehen lassen sich dann durch einen bidirektionalen Utterance-Meaning-Transducer (UMT) beschreiben. Bei der Sprachproduktion gehen wir von einer semantischen Repräsentation einer Zahl als arithmetische Termstruktur aus. Durch Datenbankabfrage wird daraus eine Zeichenfolge, welche die passenden Lexikon-Einträge enthält. Daraus berechnet der UMT die Morphologie der Äußerung. Beim Sprachverstehen wird zur Eingabe die abgefragte Zeichenfolge auf dem Stack eines Priority-Queue-Parsers abgespeichert. Durch Anwendung der minimalistischen Inferenzregeln erzeugt der UMT dann schrittweise die semantische Termstruktur.
Bereits in der Frühphase der Kybernetik stellte C. E. Shannon ein Labyrinthexperiment zur Problemlösung vor, das sich an der mythologischen Figur des Theseus orientierte. Seine Lösung kommt dabei ohne ein Bedeutungskonzept aus. Eine Problemanalyse aus psychologischer Sicht macht allerdings deutlich, dass bei diesem Experiment wesentliche kognitive Aspekte nicht berücksichtigt wurden. Um diese Aspekte herauszustellen, befassen wir uns kurz mit den mythologischen und historischen Hintergründen des Labyrinthproblems und erläutern anschließend, warum wir über Shannons Modellvorstellungen hinausgehen müssen und Verfahren benötigen, mit denen wir zu semantischen Datenträgern gelangen können. Zur Veranschaulichung unserer Methode modifizieren wir die Problemstellung, in dem wir "Theseus" die Befriedigung der Bedürfnisse Hunger und Durst ermöglichen. Die Grundlage des Verfahrens ist die Festlegung von Zielmerkmalen und daran anschließend die Identifikation von lösungsrelevanten Steuermerkmalen, welche "Theseus" zur Problemlösung nutzen kann. Wir verwenden dabei den mathematischen Formalismus der Quantenmechanik, da er uns die Ableitung von semantischen Strukturen auf eine sehr elegante Weise erlaubt. Zunächst exploriert "Theuseus" die Umgebung und erhält eine kompakte Repräsentation in Form eines Weltvektors in einem Hilbertraum, der durch Tensorverknüpfungen verschiedener Merkmalsräume entsteht. Die Kombination dieser Merkmalsräume führt auf die mathematische Struktur eines Verbandes. Ausgehend vom gefundenen Weltvektor stellen wir ein Verfahren vor, mit dem "Theseus" Unterstrukturen des Verbandes bestimmen kann, welche semantischen Strukturen entsprechen und anschließend für die Problemlösung verwendet werden können. Wir demonstrieren das Verfahren an verschiedenen Weltkonfigurationen. Den dabei abgeleiteten semantischen Strukturen kann man entnehmen, welche Merkmale berücksichtigt werden müssen, um die Zielmerkmale einer gegebenen Konfiguration manipulieren zu können.