Advertisement

Erklärungsmodelle in der Wissenschaftstheorie und in der Künstlichen Intelligenz

  • Gerhard Schurz
Conference paper
Part of the Informatik-Fachberichte book series (INFORMATIK, volume 310)

Zusammenfassung

1.1 Pas pragmatische Modell: Nach Auffassung vieler Wissenschaftsphilosophen hat in der Wissenschaftstheorie der letzten zwei Jahrzehnte eine pragmatische Wende stattgefunden2, welche insbesondere auch die Forschungen auf dem Gebiet des Erklärungsbegriffs beeinfluBt hat. Während die friiheren Erklärungsmodelle in der Tradition Hempels Erklärung als eine logische Beziehung zwischen Sätzen ansahen, werden in den jüngeren Modellen die pragmatischen Aspekte von Erklärungen qua Frage-Antwort-Dialogen als wichtige, ja vielleicht die wichtigsten Eigenschaften von Erklärung aner-kannt. Man könnte den Perspektivenwechsel dieser Modelle schlagwortartig so wiedergeben: Erklärung ist keine Relation zwischen Prämissen und Kon-klusion, sondern eine Relation zwischen zwei miteinander kommunizierenden kognitiven Systemen, die wir im folgenden den Versteher v und den Erklärer e nennen. Der Versteher stellt eine erklärungssuchende Frage, der Erklärer gibt die Antwort. Der Versteher verbindet mit seiner Frage das Ziel, eine Antwort zu erhalten, die es ihm ermöglicht, den fraglichen Sachverhalt zuverstehen,3 und genau dann, wenn sie dieses Ziel erreicht hat, war die vom Erklärer gegebene Antwort explanativ erfolgreich. Gemäß der üblichen Terminologie nennen wir jenen Sachverhalt bzw. jene Tatsache, nach deren Erklärung der Versteher fragt, das Explanandum , und jenen Teil der Erklärer-Antwort, welche dieses Explanandum erklärt, das Explanans X. Damit können wir die erklärungssuchende Frage symbolisch durch ?E und die explanative Antwort durch “!X“ wiedergeben (“?E“ steht also z.B. für “warum E?“, “wodurch E?“, und “!X“ dementsprechend für “Weil X“ bzw. “Mithilfe von X“, s. unten)

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Achinstein, P. (1983), The Nature of Explanation, Oxford Univ. Press, Oxford.Google Scholar
  2. Aqvist, L. (1965), A New Approach to the Logical Theory of Interrogatives, Almqvist&Wiksell, Uppsala.Google Scholar
  3. Belnap, N./ Steel, T. (1976), The Logic of Questions and Answers, Yale Univ. Press, New Haven.zbMATHGoogle Scholar
  4. Bouchon, B./ Yager, R. (eds., 1987), Uncertainty in Knowledge-Based Systems, Lecture Notes in Computer Science 286, Springer, Berlin.zbMATHGoogle Scholar
  5. Bratko, I. (1986), Prolog Programming for Artificial Intelligence, Addison-Wesley, Reading/Mass.zbMATHGoogle Scholar
  6. Buchanan, B. G./ Shortliffe, E. H. (ed., 1984), Rule-Based Expert Systems. The MYCIN-Experiments of the Standford Heuristic Programming Project, Addison-Wesley, Reading/Mass.Google Scholar
  7. Clancey, W.J. (1983): “The Epistemology of a Rule-Based Expert System—a Framework for Explanation“, Artificial Intelligence 20, 215–251.CrossRefGoogle Scholar
  8. Clancey, W.J. (1984): “Extensions to Rules for Explanation and Tutoring“, in: Buchanan/ Shortliffe (ed.), 531–569.Google Scholar
  9. David, J.-M./ Krivine, J.-P. (1989): “Augmenting Experience-Based Diagnosis with Causal Reasoning“, Applied Artificial Intelligence 3, No 2–3, 239–248.CrossRefGoogle Scholar
  10. Duda, R. et ai (1976): “Subjective Bayesian Methods for Rule-Baseed Inference Systems“, Proc. National Computer Conference(AFIPS Conference Proc, Vol 45), 1075–1082.Google Scholar
  11. Duda, R. et al (1979): “Model Design in the Prospector Consultant System for Mineral Exploration“, in: Michie (ed., 1979), 153–167.Google Scholar
  12. Eriksson, A./ Johansson, A.-L. (1985): “Neat Explanation of Proof Trees“, Proc. 9th Int. Joint Conf. on AI, Vol 1, 379–381.Google Scholar
  13. Fetzer, J. H. (ed., 1988), Aspects of Artificial Intelligence, Kluwer, Dordrecht 1988.Google Scholar
  14. Friedman, M. (1974): “Explanation and Scientific Understanding“, Journal of Philosophy 71, 5–19.CrossRefGoogle Scholar
  15. Gärdenfors, P. (1988), Knowledge in Flux, MIT, Cambridge/Mass.Google Scholar
  16. Glymour, C. et al (1989), Discovering Causal Structure: Artificial Intelligence, Philosophy of Science and Statistical Modelling, Academic Press, Orlando.Google Scholar
  17. Goodman, N. (1955), Fact, Fiction and Forecast, Harvard Univ. Press, Cambr./Mass (dt. bei Suhrkamp 1975).Google Scholar
  18. Graham, I./ Jones, P. (1988), Expert Systems-Knowledge, Uncertainty and Decisions, Chapman and Hall, London.Google Scholar
  19. Hempel, C. G. (1965), Aspects of Scientific Explanation, Free Press, New York.Google Scholar
  20. Hempel, C. G. (1966), Philosophy of Natural Science, Prentice-Hall, Englewood Cliffs; deutsch bei dtv 1974.Google Scholar
  21. Kitcher, P. (1981): “Explanatory Unification“, Philosophy of Science 48, 507–531.MathSciNetCrossRefGoogle Scholar
  22. Kitcher, P./ Salmon, W. (eds., 1989), Scientific Explanation, Minnesota Studies Vol XIII, Univ. of Minnesota Press, Minneapolis.Google Scholar
  23. McDermott D./ Doyle, J. (1980): “Non-Monotonic Logic I“, Artificial Intelligence13, 41–72.MathSciNetzbMATHCrossRefGoogle Scholar
  24. Merritt, D. (1989), Building Expert Systems in Prolog, Springer, Berlin.zbMATHCrossRefGoogle Scholar
  25. Michie, D. (1979), Expert Systems in the Micro Electronic Age, Edinburgh Univ. Press, Edinburgh.Google Scholar
  26. Moore, J. D./ Swartout, W. R. (1987): “A Reactive Approach to Explanation“, Proc. 11th Int. Joint Conf. on AI, Vol. 2, 1504–1510.Google Scholar
  27. Nute, D. (1988), “Defeasible Reasoning: A Philosophical Analysis in Prolog“, in: Fetzer, (ed., 1988), 251–288.Google Scholar
  28. Pearl, J. (1986): “Fusion, Propagation, and Structuring in Belief Networks“, Artificial Intelligence 29, 241–288.MathSciNetzbMATHCrossRefGoogle Scholar
  29. Pearl, J. (1988): “Embracing Causality in Default Reasoning“, Artificial Intelligence 35, 259–271.MathSciNetCrossRefGoogle Scholar
  30. Reiter, R. (1980): “A Logic for Default Reasoning“, Artificial Intelligence 13, 81–132.MathSciNetzbMATHCrossRefGoogle Scholar
  31. Rescher, N. (1964), Hypothetical Reasoning, North-Holland, Amsterdam.Google Scholar
  32. Rousset, M.-C./ Safar, B. (1988): “Negative and Positive Explanations in Expert Systems“, Applied Artificial Intelligence Vol. 1, 25–38.CrossRefGoogle Scholar
  33. Salmon, W. (1971), Statistical Explanation and Statistical Relevance. With Contributions by R.C.Jeffrey and J.G.Greeno, Univ. of Pittsburgh Press, Pittsburgh.Google Scholar
  34. Salmon, W. (1984), Scientific Explanation and the Causal Structure of the World, Princeton Univ. Press, Princeton.Google Scholar
  35. Schurz, G. (1982): “Ein Logisch-Pragmatisches Modell von Deduktiv-Nomologischer Erklärung (Systematisierung)“, Erkenntnis 17, 321–347.CrossRefGoogle Scholar
  36. Schurz, G. (1983): Wissenschaftliche Erklärung. Ansätze zu einer logisch-pragmati-schen Wissenschaftstheorie, dbv-Verlag, Graz.Google Scholar
  37. Schurz, G. (1983b): “Das deduktive Relevanzkriterium von Stephan Körner und seine wissenschaftstheoretischen Anwendungen“, Grazer Philosophische Studien 20, 149–177.Google Scholar
  38. Schurz, G. (1984): “Correct Explanatory Arguments and Understanding-Why. An Approach to Scientific Understanding Based on Knowledge-Dynamics“, Philosophia Naturalis 1984, 321–338.MathSciNetGoogle Scholar
  39. Schurz, G. (1985): “Die wissenschaftstheoretische Diskussion um den Erklärungsbegriff und ihre Bedeutung für die Physikdidaktik“, in: Kuhn, W. (Hg.), Didaktik der Physik. Vorträge der Physikertagung 1984 Münster, Gahmig, Gießen, 55–68.Google Scholar
  40. Schurz, G. (1988): “Was ist wissenschaftliches Verstehen? Eine Theorie verstehens-bewirkender Erklärungsepisoden“, in: Schurz (Hg., 1988), 235–298.Google Scholar
  41. Schurz, G. (Hg., 1988): Erklären und Verstehen in der Wissenschaft (Mit Beiträgen von B. van Fraassen, P. Gärdenfors, R. Tuomela, M. Friedman, P. Kitcher, G. Schurz und K. Lambert), Scientia Nova, R. Oldenbourg, München.Google Scholar
  42. Schurz, G. (1989a), A Theory of Relevant Deduction and Its Applications, Habilitations-schrift Salzburg (wird publiziert).Google Scholar
  43. Schurz, G. (1989b): “Different Relations between Explanation and Prediction in Stable, Unstable and Indifferent Systems“, in: Weingartner, P./ Schurz, G. (eds., 1989), Philosophy of Natural Sciences, Proceedings of the 13th International Wittgenstein Symposium Kirchberg/Wechsel, Hölder-Pichler-Tempsky, Vienna.Google Scholar
  44. Schurz, G. (1991): “Relevant Deduction—From Solving Paradoxes towards a General Theory“, Erkenntnis 35.Google Scholar
  45. Scriven, M. (1959a): “Truisms as the Grounds for Historical Explanation“, in: Gardiner, P. (ed.), Theories of History, New York, 443–468.Google Scholar
  46. Scriven, M. (1959b): “Explanation and Predicton in Evolutionary Theory“, Philosophy of Science 130, 477-482.Google Scholar
  47. Shafer, G. (1976), A Mathematical Theory of Evidence, Princeton.Google Scholar
  48. Shortliffe, E.H. (1976), Computer-Based Medical Consultations: Mycin, Elsevier, Oxford.Google Scholar
  49. Sleeman, D.H. (1985): “UMFE: A User-Modelling Front End System“, International Journal of Man-Machine Studies 23, 71–88.MathSciNetCrossRefGoogle Scholar
  50. Spieker, P. (1991): “Erklärungen in technischen Expertensystemen“, in diesem Band.Google Scholar
  51. Stegmliller, W. (1969), Probleme und Resultate der Wissenschaftstheorie und Analytischen Philosophie, Band I: Wissenschaftliche Erklärung und Begründung, Springer, Berlin.Google Scholar
  52. Stegmüller, W. (1973): Probleme und Resultate (…), Band IV: Personelle und Statistische Wahrscheinlichkeit, Springer, Berlin.CrossRefGoogle Scholar
  53. Stegm-Uller, W. (1983), Probleme und Resultate (…), Band I: Erklärung-Begründung-Kausalität, 2. erweiterte Auflage, Springer, Berlin.Google Scholar
  54. Steve, G. (1987): “Probabilistic Inference Engines in Expert Systems: How Should the Strength of Rules Be Expressed“, in: Bouchon/ Yager (eds., 1987), 179–188.Google Scholar
  55. Stoyan, H. (1991): “Erklärungen und Beweise“, in diesem Band.Google Scholar
  56. Swartout, W. R. (1983): “XPLAIN: a System for Creating and Explaining Expert Consulting Programs“, Artificial Intelligence 21, 285–325.CrossRefGoogle Scholar
  57. Thagard, P. (1989): “Explanatory Coherence“, Behavioral and Brain Sciences 12, 435–467.CrossRefGoogle Scholar
  58. Van Fraassen, B. (1980), The Scientific Image, Clarendon Press, Oxford.Google Scholar
  59. Wallis, J. W./ Shortliffe, E.H. (1984): “Customized Explanations Using Causal Knowledge“, in: Buchanan/ Shortliffe (ed.), 371–388.Google Scholar
  60. Zadeh, L. A. et al (eds., 1975), Fuzzy Sets and their Applications to Cognitive and Decision Procedures, Academic Press.Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1992

Authors and Affiliations

  • Gerhard Schurz
    • 1
  1. 1.Institut für PhilosophieUniversität SalzburgAustria

Personalised recommendations