9 Fallbasiertes Schließen

Chapter

Requires Authentication

9 Fallbasiertes Schließen

or

Purchase Chapter PDF

$42.00

Published by

Become an author with De Gruyter Brill

Explore this Subject How to publish with us

This chapter is in the book Handbuch der Künstlichen Intelligenz

9 Fallbasiertes SchließenRalph Bergmann, Mirjam Minor, Kerstin Bach, Klaus-Dieter Althoffund Héctor Muñoz-AvilaFallbasiertes Schließen (engl.case-based reasoning, CBR) beschäftigt sich damit, wieman mithilfe von Erfahrungswissen Probleme lösen kann und es ist damit die Grundlage zum Bau erfahrungsbasierter intelligenter Systeme. Erfahrungswissen wird hierbei in Form von sog.Fällenformalisiert, die in einerFallbasisals spezielle Form einer Wissensbasis gespeichert werden. Das CBR begründet damit eine spezielle Formder Wissensrepräsentation und -verarbeitung, bei der die Analogie das grundlegendeSchlussfolgerungsprinzip ist.Die dem CBR zugrunde liegende Methodik, Probleme zu lösen, ist dem Menschensehr vertraut und geht auf den Ansatz des „Dynamic Memory“ von Schank [113; 119]zurück. Hierbei wird ein kognitionspsychologisches Modell über das menschlicheProblemlösen durch Lernen und Erinnern damit verbunden, wie die menschlicheIntelligenz in einem Computerprogramm dargestellt werden kann. Der DynamicMemory ist dabei eine Gedächtnisstruktur, die sich über die Zeit als Ergebnis vongemachter Erfahrung kontinuierlich anpasst.Im Kontext des CBR versteht man den Erfahrungsbegriff wie folgt: „Experience isvaluable, stored, specific knowledge that was acquired by an agent in a pervious problem-solving situation“ [21]. Erfahrung ist somit episodisches Wissen, das ein spezielles Ereignis (z. B. einen Problemlösungsvorgang) mit allen dazugehörigen relevantenInformationen repräsentiert. Erfahrungfindet immer in einem spezifischen Kontextstatt und stellt spezifisches Wissen dar. Die Gewinnung von Erfahrungswissen bedarfdaher keines (induktiven) Erkenntnisprozesses, da auf validiertes allgemeines Wissenverzichtet wird. Somit ist Erfahrungswissen in vielen praktischen Anwendungen einfacher zu gewinnen und zu formalisieren als allgemeines Wissen. Dennoch lässt sichErfahrungswissen zum Lösen neuer Probleme einsetzen, und zwar durch Wiederverwendung im Sinne analoger Schlüsse.Erfahrungsbasierte (oder auch fallbasierte) Systeme implementierten das CBRzur Realisierung intelligenter Systeme. Sie sind somit eine spezielle Ausprägung wissensbasierter Systeme, die im Gegensatz zu den klassischen Expertensystemen der1980er- und 1990er-Jahre nicht überwiegend mit generalisiertem Wissen in Regelformarbeiten und damit das klassische Problem des Flaschenhalses der Wissensakquisition [58], ähnlich wie viele heutige auf Maschinellem Lernen basierende datengetriebene KI-Systeme, deutlich abmindern. Im Gegensatz zu diesen wiederum arbeitetdas CBR in der Regel auf der Nutzung weniger Einzelfälle und ist nicht auf großeDatenmengen zur Generalisierung angewiesen.Fallbasiertes Schließen ist nicht als ein Algorithmus oder eine Familie verwandterAlgorithmen zu verstehen. Fallbasiertes Schließen ist vielmehr eine Problemlösemethodik [135], die eine Menge von Prinzipien bereitstellt, mit denen erfahrungsbasiertehttps://doi.org/10.1515/9783110659948-009

You are currently not able to access this content.

Not sure if you should have access? Please log in using an institutional account to see if you have access to view or download this content.

Purchase Chapter PDF

$42.00

9 Fallbasiertes SchließenRalph Bergmann, Mirjam Minor, Kerstin Bach, Klaus-Dieter Althoffund Héctor Muñoz-AvilaFallbasiertes Schließen (engl.case-based reasoning, CBR) beschäftigt sich damit, wieman mithilfe von Erfahrungswissen Probleme lösen kann und es ist damit die Grundlage zum Bau erfahrungsbasierter intelligenter Systeme. Erfahrungswissen wird hierbei in Form von sog.Fällenformalisiert, die in einerFallbasisals spezielle Form einer Wissensbasis gespeichert werden. Das CBR begründet damit eine spezielle Formder Wissensrepräsentation und -verarbeitung, bei der die Analogie das grundlegendeSchlussfolgerungsprinzip ist.Die dem CBR zugrunde liegende Methodik, Probleme zu lösen, ist dem Menschensehr vertraut und geht auf den Ansatz des „Dynamic Memory“ von Schank [113; 119]zurück. Hierbei wird ein kognitionspsychologisches Modell über das menschlicheProblemlösen durch Lernen und Erinnern damit verbunden, wie die menschlicheIntelligenz in einem Computerprogramm dargestellt werden kann. Der DynamicMemory ist dabei eine Gedächtnisstruktur, die sich über die Zeit als Ergebnis vongemachter Erfahrung kontinuierlich anpasst.Im Kontext des CBR versteht man den Erfahrungsbegriff wie folgt: „Experience isvaluable, stored, specific knowledge that was acquired by an agent in a pervious problem-solving situation“ [21]. Erfahrung ist somit episodisches Wissen, das ein spezielles Ereignis (z. B. einen Problemlösungsvorgang) mit allen dazugehörigen relevantenInformationen repräsentiert. Erfahrungfindet immer in einem spezifischen Kontextstatt und stellt spezifisches Wissen dar. Die Gewinnung von Erfahrungswissen bedarfdaher keines (induktiven) Erkenntnisprozesses, da auf validiertes allgemeines Wissenverzichtet wird. Somit ist Erfahrungswissen in vielen praktischen Anwendungen einfacher zu gewinnen und zu formalisieren als allgemeines Wissen. Dennoch lässt sichErfahrungswissen zum Lösen neuer Probleme einsetzen, und zwar durch Wiederverwendung im Sinne analoger Schlüsse.Erfahrungsbasierte (oder auch fallbasierte) Systeme implementierten das CBRzur Realisierung intelligenter Systeme. Sie sind somit eine spezielle Ausprägung wissensbasierter Systeme, die im Gegensatz zu den klassischen Expertensystemen der1980er- und 1990er-Jahre nicht überwiegend mit generalisiertem Wissen in Regelformarbeiten und damit das klassische Problem des Flaschenhalses der Wissensakquisition [58], ähnlich wie viele heutige auf Maschinellem Lernen basierende datengetriebene KI-Systeme, deutlich abmindern. Im Gegensatz zu diesen wiederum arbeitetdas CBR in der Regel auf der Nutzung weniger Einzelfälle und ist nicht auf großeDatenmengen zur Generalisierung angewiesen.Fallbasiertes Schließen ist nicht als ein Algorithmus oder eine Familie verwandterAlgorithmen zu verstehen. Fallbasiertes Schließen ist vielmehr eine Problemlösemethodik [135], die eine Menge von Prinzipien bereitstellt, mit denen erfahrungsbasiertehttps://doi.org/10.1515/9783110659948-009

You are currently not able to access this content.

Not sure if you should have access? Please log in using an institutional account to see if you have access to view or download this content.

Purchase Chapter PDF

$42.00