Cognitive Spacetime

Autor/innen

  • Kevin Fuchs

Schlagworte:

Algorithmus, Datenbank, Informatik, Intelligentes Tutorsystem, Intelligenz, Kognition, Künstliche Intelligenz, Mensch-Maschine-Kommunikation, adaptive Systems, algorithm, artificial intelligence, cognition, computer science, e-learning, spatio-temporal databases

Abstract

Das Aufkommen sogenannter künstlicher Intelligenz hat Menschen glauben lassen, dass uns Computer eines Tages geistig ebenbürtig sein könnten. In der Vergangenheit sah man in Computern vorrangig effektive, aber letztlich unintelligente, seelenlose Helfer, deren Zweck allein darin lag, Menschen von lästigen Routineaufgaben zu befreien. Computer sollten lediglich zeitraubende, mechanische Berechnungen durchführen. Heutige Computer sind universelle Maschinen, die im Stande sind, eine beinahe unbegrenzte Vielfalt an Software auszuführen. Der stete Zuwachs an Verarbeitungsgeschwindigkeit erlaubt uns die Implementierung überaus komplexer Systeme, die augenscheinlich wenig mit früheren Computersystemen gemein haben. Im Bildungsbereich erweckte dies den Wunsch nach Algorithmen, die den Lernenden didaktisch unterstützen oder sogar in menschenähnlicher Weise einen Lehrer emulieren. Trotz der scheinbaren Komplexität heutiger Software sind und bleiben Algorithmen jedoch im Kern rein mechanische Prozeduren. Bevor ich also wiederum einen weiteren Ansatz für technologiegestütztes Lernen einführe, möchte ich eine scheinbar naive, aber grundlegende Fragestellung noch einmal neu denken: können wir angesichts der Art und Weise, wie Computer auf der maschinellen Ebene arbeiten, einen menschlichen Lehrer nachahmen? Menschen verfügen über Fähigkeiten, die mit Algorithmen, beziehungsweise mit den formalen Systemen, innerhalb derer Algorithmen operieren, nicht umsetzbar sind. Dennoch ist die Implementierung einer reziproken Mensch-Maschine-Interaktion dergestalt möglich, dass eine Maschine sich einem Lernenden hinreichend anzupassen vermag. Im Ergebnis erhalten wir das, was wir „adaptive Systeme“ nennen. In der vorliegenden Arbeit stelle ich eine auf raumzeitlichen Datenstrukturen und Algorithmen basierende Methode vor, die es uns ermöglicht, technisch einfache, aber dennoch künstlich intelligente, sich selbst adaptierende Systeme zu entwickeln, welche sowohl für technologiegestütztes Lernen, als auch für andere Bereiche der Mensch-Maschine-Interaktion eingesetzt werden können.

Veröffentlicht

2020-02-11

Ausgabe

Rubrik

Dissertationen

URN