Zusammenfassung
Nachdem Minski und Papert zeigten, daß das Perzeptron selbst so einfache Probleme wie die XOR Funktion prinzipiell nicht lernen kann, wandten sich in den 60-ger Jahren viele Forscher enttäuscht von den neuronalen Netzen ab und versuchten, „intelligente“ Systeme nicht mehr indirekt durch Imitation der Natur zu verwirklichen, sondern sahen in den neu aufkommenden Computern die Maschinen, mit denen sie direkt ihre Ideen umsetzten konnten. Die Grundidee, die sich noch heute in vielen Systemen der „künstlichen Intelligenz“ (KI) widerspiegelt, besteht darin, neue Erkenntnisse aus einer Reihe von eingegebenen Daten (Fakten) und (logischen) Verarbeitungsregeln zu erschließen. Hat man nur genügend viele Fakten und Regeln eingegeben, so der Anspruch, wird sich die Maschine zu einem „intelligenten“ Lebewesen (General Problem Solver, GPS) entwickeln. Manche Autoren sahen schon dabei die Menschen als „Geburtshelfer“, die einer mächtigen Intelligenz auf den Weg hilft und nach einigen Computergenerationen, in denen jede Generation eine neue, noch Intelligentere gebaut habe, als geduldete Idioten am Rande einer maschinellen Zivilisation dahinvegetieren.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1995 B. G. Teubner Stuttgart
About this chapter
Cite this chapter
Brause, R.W. (1995). Symbolische Logik, Fuzzy Systeme und Neuronale Netze. In: Neuronale Netze. Leitfäden der Informatik. Vieweg+Teubner Verlag. https://doi.org/10.1007/978-3-322-93994-4_7
Download citation
DOI: https://doi.org/10.1007/978-3-322-93994-4_7
Publisher Name: Vieweg+Teubner Verlag
Print ISBN: 978-3-519-12247-0
Online ISBN: 978-3-322-93994-4
eBook Packages: Springer Book Archive