Skip to main content
SpringerLink
Log in

Maschinen zur Lösung der grossen Probleme – Ein formeller Rahmen

  • Chapter
  • First Online:
Book cover Cognitive Computing

Part of the book series: Edition Informatik Spektrum ((EIS))

  • 5292 Accesses

Zusammenfassung

Einige der bedeutendsten Probleme dieser Welt müssen jetzt gelöst werden. In diesem Artikel wird dargelegt, was von den Maschinen – also von modernen Technologien – erwartet wird, wenn sie einen Beitrag zur Bewältigung grosser und drängender Probleme leisten sollen. Der vorgeschlagene formelle Rahmen für die Herleitung dieser Erwartungen baut darauf auf, dass das individuelle wahrgenommene Risiko einer Wissenschaftlerin, eines Ingenieurs oder jeder anderen potenziellen Mitwirkenden eine kollektive Problemlösung verhindern und die Lösungsfindung verschleppen kann. Es wird aufgezeigt, wie dieses Risiko mit der strukturellen Güte von Problemen zusammenhängt und es wird vorgeschlagen, je ein System zur Bewältigung der beiden grundlegenden Problemstruktur-Typen aufzubauen. Die Bewältigung von „ill-structured problems“ soll dabei über ein Creativity System erfolgen, während „well-structured problems“ über ein Productivity System abgewickelt werden sollen.

Dieser Artikel stellt eine Erweiterung eines bereits in der Zeitschrift Informatik Spektrum erschienenen Artikels dar (Gross 2018). Während im Artikel das Augenmerk auf das Creativity System gelegt wurde, findet im vorliegenden Artikel auch eine Auseinandersetzung mit der Frage statt, wie ein Productivity System im Rahmen der kollektiven Problemlösung zur Reduktion des von potenziellen Mitwirkenden wahrgenommenen individuellen Risikos beiträgt und somit deren Partizipation fördert. Es werden Leistungsanforderungen an ein solches System formuliert und in Ansätzen wird diskutiert, was das System zur Erfüllung dieser Anforderungen leisten muss. Die entsprechenden Ausführungen zum Creativity System wurden praktisch unverändert aus dem Informatik-Spektrum-Artikel übernommen.

Überarbeiteter Beitrag basierend auf Gross, P.: Zur Lösung der wirklich bedeutenden Probleme: Was von Maschinen erwartet wird, Informatik Spektrum (2018) 41(1): 38–51

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 59.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Notes

  1. 1.

    autodesk.com.

  2. 2.

    Bei vielen Umweltschutzproblemen – auch beim Klimawandel – verschärft eine intergenerationelle Diskontierung des Nutzens von Gegenmassnahmen die individuelle Risikowahrnehmung. Die Risikoevaluation ist eine Kosten/Nutzen-Evaluation bei gegebener Wahrscheinlichkeitsverteilung in Bezug auf das Eintreten des risikobehafteten Ereignisses. Umweltschutzprobleme zeichnen sich oft dadurch aus, dass die zur Lösung notwendigen Kooperations-Kosten heute getragen werden müssen, während der Nutzen zukünftigen Generationen zuteilwird (Jacquet et al. 2013). Die Kosten/Nutzen-Evaluation fällt in einem solchen Szenario also – unabhängig von der Wahrscheinlichkeitsverteilung – umso schlechter aus und damit wird das Risiko als noch höher eingestuft.

  3. 3.

    Diese Art der Offenheit gilt natürlich nicht bei Plattformen, auf welchen Forschungs- und Entwicklungsprobleme für kommerziell agierende Unternehmen gegen Bezahlung, zum Beispiel in Form von Preisgeldern, gelöst werden.

  4. 4.

    Einen Eindruck von Anzahl und Varietät dieser Plattformen vermittelt citizenscience.org.

  5. 5.

    polymathprojects.org.

  6. 6.

    The polymath blog: https://polymathprojects.org/.

  7. 7.

    Hauptseite polymath wiki: http://michaelnielsen.org/polymath1/index.php?title=Main_Page.

  8. 8.

    fold.it.

  9. 9.

    innocentive.com.

  10. 10.

    Eine leicht nachvollziehbare technische Interpretation dieser Strukturanalogie gibt John Sowa mit der Definition der „maximal common projection [of two structural graphs] with respect to [a] kernel“ (1976, S. 342).

  11. 11.

    linux.org.

  12. 12.

    github.com.

  13. 13.

    home.cern.

  14. 14.

    eternagame.org.

  15. 15.

    ncbi.nlm.nih.gov/genbank/.

  16. 16.

    galaxyzoo.org.

  17. 17.

    Origami-Techniken werden schon erfolgreich für die platzsparende Faltung von Airbags eingesetzt (Bruton et al. 2016).

  18. 18.

    kaggle.com.

  19. 19.

    hadoop.apache.org.

  20. 20.

    spark.apache.org.

Literatur

  • 3Blue1Brown (2017) Ever wonder how Bitcoin (and other cryptocurrencies) actually work?

    Google Scholar 

  • Anderson JR (1983) A Spreading Activation Theory of Memory. Journal of Verbal Learning and Verbal Behavior, 22(3):261–295.

    Article  Google Scholar 

  • Babai L (2017) Quasipolynomial claim restored. http://people.cs.uchicago.edu/~laci/update.html.

  • Balietti S, Mäs M, Helbing D (2015) On disciplinary fragmentation and scientific progress. PloS one, 10(3):e0118747.

    Article  Google Scholar 

  • Benson DA, Karsch-Mizrachi I, Lipman DJ, Ostell J, Sayers EW (2010) GenBank. Nucleic Acids Research, 38(Database issue):D46–D51.

    Google Scholar 

  • Berners-Lee T, Hendler J, Lassila O (2001) The semantic web. Scientific American, 284(5):28–37.

    Article  Google Scholar 

  • Bingham A, Spradlin D (2011) NASA’s New Innovation Framework. Upper Saddle River, NJ: FT Press.

    Google Scholar 

  • Boden MA (2004) The creative mind: Myths and mechanisms (2nd ed.). New York, NY: Routledge.

    Book  Google Scholar 

  • Bruton JT, Nelson TG, Zimmerman TK, Fernelius JD, Magleby SP, Howell LL (2016) Packing and deploying Soft Origami to and from cylindrical volumes with application to automotive airbags. Royal Society Open Science, 3(9):1–15.

    Article  MathSciNet  Google Scholar 

  • Burt RS (1992) Structural holes: The social structure of competition. Cambridge, MA and London, UK: Harvard University Press.

    Google Scholar 

  • Burt RS (2004) Structural holes and good ideas. American Journal of Sociology, 110(2):349–399.

    Article  Google Scholar 

  • Bywater RP, Middleton JN (2016) Melody discrimination and protein fold classification. Heliyon, 2(10):e00175.

    Article  Google Scholar 

  • Chen C, Chen Y, Horowitz M, Hou H, Liu Z, Pellegrino D (2009) Towards an explanatory and computational theory of scientific discovery. Journal of Informetrics, 3(3):191–209.

    Article  Google Scholar 

  • Collins AM, Loftus EF (1975) A Spreading-Activation Theory of Semantic Processing. Psychological Review, 82(6):407–428.

    Article  Google Scholar 

  • Conti M (2017). The incredible inventions of intuitive AI. TED Talk. https://www.ted.com/talks/maurice_conti_the_incredible_inventions_of_intuitive_ai.

  • Crestani F (1997) Application of spreading activation techniques in information retrieval. Artificial Intelligence Review, 11(6):453–482.

    Article  Google Scholar 

  • De Groot, A. D. (1978). Thought and choice in chess, 2nd ed., vol. 4. The Hague: Mouton Publishers.

    Google Scholar 

  • Dietrich A (2004) The cognitive neuroscience of creativity. Psychonomic Bulletin & Review, 11(6):1011–1026.

    Article  Google Scholar 

  • Duhigg C (2016) What Google learned from its quest to build the perfect team. https://www.nytimes.com/2016/02/28/magazine/what-google-learned-from-its-quest-to-build-the-perfect-team.html?_r=0. Erstellt: 25.02.2016. Letzter Zugriff: 11.08.2019.

  • Duncker K (1945) On problem-solving. Psychological Monographs, 58(5):i–113.

    Article  Google Scholar 

  • Foldit (2017) The science behind Foldit. http://fold.it/portal/info/about.

  • Franzoni C, Sauermann H (2014) Crowd science: The organization of scientific research in open collaborative projects. Research Policy, 43(1):1–20.

    Article  Google Scholar 

  • Ganesalingam M, Gowers T (2016) A Fully Automatic Theorem Prover with Human-Style Output. Journal of Automated Reasoning, 58:253–291.

    Article  MathSciNet  MATH  Google Scholar 

  • Gil Y, Greaves M, Hendler J, Hirsh H (2014) Amplify scientific discovery with artificial intelligence. Science, 346(6206):171–172.

    Article  Google Scholar 

  • Goldbloom A (2016). What has Kaggle learned from 2 million machine learning models? https://youtu.be/8KzjARKIgTo. Erstellt: 05.02.2016. Letzter Zugriff: 11.08.2019.

  • Gopie N (2018) What are smart contracts on blockchain? https://www.ibm.com/blogs/blockchain/2018/07/what-are-smart-contracts-on-blockchain/. Erstellt: 02.07.2018. Letzter Zugriff: 11.08.2019.

  • Gowers T (2009a) DHJ – Possible Proof Strategies. https://gowers.wordpress.com/2009/02/13/dhj-possible-proof-strategies/. Erstellt: 13.02.2009. Letzter Zugriff: 11.08.2019.

  • Gowers T (2009b) DHJ – The Triangle-Removal Approach. https://gowers.wordpress.com/2009/02/06/dhj-the-triangle-removal-approach/. Erstellt: 06.02.2009. Letzter Zugriff: 11.08.2019.

  • Gowers T (2009c) Is massively collaborative mathematics possible? https://gowers.wordpress.com/2009/01/27/is-massively-collaborative-mathematics-possible/. Erstellt: 27.01.2009. Letzter Zugriff: 11.08.2019.

    Article  Google Scholar 

  • Gowers T, Nielsen M (2009) Massively collaborative mathematics. Nature, 461(7266):879–881.

    Article  Google Scholar 

  • Gross P (2018) Zur Lösung der wirklich bedeutenden Probleme: Was von Maschinen erwartet wird. Informatik-Spektrum, 41(1):38–51.

    Article  Google Scholar 

  • Holyoak KJ (1990) Problem solving. Smith EE, Osherson DN (Hrsg.) Thinking: An invitation to cognitive science, 2 ed., 3:267–296. MIT Press.

    Google Scholar 

  • Holyoak KJ, Thagard P (1989) Analogical Mapping by Constraint Satisfaction. Cognitive Science, 13(3):295–355.

    Article  Google Scholar 

  • Hülsbömer S, Genovese B (2018) Definition, Vorteile, Nachteile: Was ist Blockchain? computerwoche / IDG Business Media GmbH.

    Google Scholar 

  • Interaction Design Foundation (n.d.). Gamification. https://www.interaction-design.org/literature/topics/gamification. Erstellt. n.d. Letzter Zugriff: 11.08.2019.

  • Jacquet J, Hagel K, Hauert C, Marotzke J, Röhl T, Milinski M (2013) Intra-and intergenerational discounting in the climate game. Nature climate change, 3(12):1025–1028.

    Article  Google Scholar 

  • Jeppesen LB, Lakhani KR (2010) Marginality and Problem-Solving Effectiveness in Broadcast Search. Organization Science, 21(5):1016–1033.

    Article  Google Scholar 

  • Jung-Beeman M, Bowden EM, Haberman J, Frymiare JL, Arambel-Liu S, Greenblatt R, Reber PJ, Kounios J (2004) Neural activity when people solve verbal problems with insight. PLoS Biology, 2(4):0500–0510.

    Article  Google Scholar 

  • Kandel ER, Siegelbaum SA (2000) Overview of Synaptic Transmission. Kandel ER, Schwartz JH, Jessell TM (Hrsg) Principles of Neural Science, 4th ed.. New York, NY: McGraw-Hill.

    Google Scholar 

  • Klarreich E (2017a) Complexity Theory Problem Strikes Back. https://www.quantamagazine.org/20170105-graph-isomorphism-retraction/. Erstellt: 05.01.2017. Letzter Zugriff: 11.08.2019.

  • Klarreich E (2017b) Graph Isomorphism Vanquished – Again. https://www.quantamagazine.org/graph-isomorphism-vanquished-again-20170114/. Erstellt: 14.01.2017. Letzter Zugriff: 11.08.2019.

  • Koestler A (1964) The act of creation. London, UK.

    Google Scholar 

  • Kumar JM, Herger M (2013) Gamification at Work: Designing Engaging Business Software. Lightning Source Inc.

    Google Scholar 

  • Leary MR, Baumeister RF (2017.) The need to belong: Desire for interpersonal attachments as a fundamental human motivation. Zukauskiene R (Hrsg.), Interpersonal Development, pp. 57–89. Routledge.

    Google Scholar 

  • Lenat DB (1995) CYC: A large-scale investment in knowledge infrastructure. Communications of the ACM, 38(11):33–38.

    Article  Google Scholar 

  • Lou T, Tang J (2013) Mining structural hole spanners through information diffusion in social networks. Proceedings of the 22nd International Conference on World Wide Web, Rio de Janeiro, Brazil.

    Google Scholar 

  • McChrystal S, Collins T, Silverman D, Fussell C (2015) Team of teams: New rules of engagement for a complex world. New York, NY: Penguin.

    Google Scholar 

  • McClelland DC, Atkinson JW, Clark RA, Lowell EL (1953) The achievement motive. East Norwalk, CT: Appleton-Century-Crofts.

    Book  Google Scholar 

  • Mednick SA (1962) The associative basis of the creative process. Psychological review, 69(3):220.

    Article  Google Scholar 

  • Miller GA (1995) WordNet: A lexical database for English. Communications of the ACM, 38(11):39–41.

    Article  Google Scholar 

  • Newell A, Shaw JC, Simon HA (1959) Report on a general problem solving program. IFIP congress.

    Google Scholar 

  • Nicholls A, Sharp KA, Honig B (1991) Protein folding and association: Insights from the interfacial and thermodynamic properties of hydrocarbons. Proteins: Structure, Function, and Genetics, 11(4):281–296.

    Article  Google Scholar 

  • Ohlheiser A (2016) An addictive online puzzle game is turning its players into published scientists. https://www.washingtonpost.com/news/the-intersect/wp/2016/02/17/an-addictive-online-puzzle-game-is-turning-its-players-into-published-citizen-scientists/?noredirect=on&utm_term=.8325326528fe. Erstellt: 17.02.2016. Letzter Zugriff: 11.08.2019.

  • Park IU, Peacey MW, Munafo MR (2014) Modelling the effects of subjective and objective decision making in scientific peer review. Nature, 506(7486):93–96.

    Article  Google Scholar 

  • Polymath DHJ (2012) A new proof of the density Hales-Jewett theorem. Annals of Mathematics, 175(3):1283–1327.

    Article  MathSciNet  MATH  Google Scholar 

  • Rautaray SS, Agrawal A (2015) Vision based hand gesture recognition for human computer interaction: a survey. Artificial Intelligence Review, 43(1):1–54.

    Article  Google Scholar 

  • Rubin P (2018) The Wired Guide to Virtual Reality. https://www.wired.com/story/wired-guide-to-virtual-reality/. Erstellt: 09.11.2018. Letzter Zugriff: 11.08.2019.

  • Shadbolt N, Berners-Lee T, Hall W (2006) The semantic web revisited. IEEE Intelligent Systems, 21(3):96–101.

    Article  Google Scholar 

  • Shneiderman B (2007) Creativity support tools: Accelerating discovery and innovation. Communications of the ACM, 50(12):20–32.

    Article  Google Scholar 

  • Simon HA (1973) The structure of ill structured problems. Artificial intelligence, 4(3–4):181–201.

    Article  Google Scholar 

  • Sjöberg L (2000) Factors in risk perception. Risk Analysis, 20(1):1–11.

    Article  MathSciNet  Google Scholar 

  • Song S, Miller KD, Abbott LF (2000) Competitive Hebbian learning through spike-timing-dependent synaptic plasticity. Nature Neuroscience, 3(9):919–926.

    Article  Google Scholar 

  • Sowa JF (1976) Conceptual graphs for a data base interface. IBM Journal of Research and Development, 20(4):336–357.

    Article  MathSciNet  MATH  Google Scholar 

  • Sowa JF (2006) The challenge of knowledge soup. Research trends in Science, Technology and Mathematics Education, Goa, India.

    Google Scholar 

  • Stephens ZD, Lee SY, Faghri F, Campbell RH, Zhai C, Efron MJ, Iyer R, Schatz MC, SInha S, Robinson GE (2015) Big Date: Astronomical or Genomical? PLOS Biology, 13(7).

    Article  Google Scholar 

  • Thagard P, Shelley C (1997) Abductive Reasoning: Logic, Visual Thinking, and Coherence. Dalla Chiara ML, Doets K, Mundici D, van Benthem J (Hrsg.) Logic and Scientific Methods: Volume One of the 10th International Congress of Logic, Methodology and Philosophy of Science, Florence, pp. 413–427. Dordrecht: Springer.

    Chapter  Google Scholar 

  • Thagard P, Stewart TC (2011) The AHA! Experience: Creativity Through Emergent Binding in Neural Networks. Cognitive Science, 35(1):1–33.

    Article  Google Scholar 

  • Ware C (2013) Information visualization: perception for design, 3rd ed.. Waltham, MA: Elsevier.

    Google Scholar 

  • Wolverton M, Hayes-Roth B (1994) Retrieving semantically distant analogies with knowledge-directed spreading activation. Proceedings of the 12th National Conference on Artificial Intelligence, Menlo Park, CA.

    Google Scholar 

  • Yokoi T (1995) The EDR Electronic Dictionary. Communications of the ACM, 38(11):42–44.

    Article  Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Archai – Open Science for an Enjoyable Planet Earth, Holzhäusern, Schweiz

    Philip Gross

Authors
  1. Philip Gross
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Philip Gross .

Editor information

Editors and Affiliations

  1. Human-IST Institut, Universität Fribourg, Fribourg, Switzerland

    Edy Portmann

  2. Human-IST Institut, Universität Fribourg, Fribourg, Switzerland

    Sara D'Onofrio

Rights and permissions

Reprints and permissions

Copyright information

© 2020 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature

About this chapter

Check for updates. Verify currency and authenticity via CrossMark

Cite this chapter

Gross, P. (2020). Maschinen zur Lösung der grossen Probleme – Ein formeller Rahmen. In: Portmann, E., D'Onofrio, S. (eds) Cognitive Computing. Edition Informatik Spektrum. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-27941-7_5

Download citation

Publish with us

Policies and ethics

Search

Navigation