Zusammenfassung
An den >Neuronalen Netzen< wird kein gutes Haar gelassen — könnte so mancher LeserIn denken. Dabei hatten wir >nur< dargestellt, daß sich der Konnektionismus Möglichkeiten zuschreibt — wie die Abbildung von Bedeutungen und Lernen -, die ganz grundsätzlich nicht erfüllt werden können. Was erreicht werden kann und was nicht, soll in diesem Kapitel gezeigt werden.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Referenzen
Sämtliche modellimmanente Kritik (etwa: Gegenstände als Punkte zu modellieren etc.) haben wir hier unberücksichtigt gelassen. Ebenfalls nicht problematisiert haben wir, ob die Spezifik des neurophysiologischen Gegenstands erhalten oder etwa begrifflich schon computerförmig so zugerichtet worden ist, daß die Simulation nur noch das bestätigt, was kategorial schon vorgegeben war. Ein dritter, nicht ausgeführter Kritikbereich betrifft die Ergebnisse der Simulation, die man ohne neurophysiologischen Rahmen schlicht als Funktionen zur Berechnung des radialen Abstands von einem Zentrum bezeichnen könnte. Ritter et al. (1991, 167) sprechen von “Eingabe-Ausgabe-Relationen in Form adaptiv organisierter Tabellen” und stellen fest, daß — im Vergleich zu Messungen an Versuchspersonen — “unser Modell... viel zu >gut< (lernt)... (und) unsere Sakkaden genau in die Fovea” (ebd.) treffen.
Engl. Originalfassung: “We suggest that lawfull behavior and judgments may be produced by a mechanism in which there is no explicit representation of the rule. Instead, we suggest that the mechanisms that process language and make judgments of grammaticality are constructed in such a way that their performance is characterizable by rules, but that the rules themselves are not written in explicit form anywhere in the mechanism.”
Engl. Originalfassung: “... learns in an natural way to behave in accordance with the rule, mimicking the general trends seen in the acquisition data”.
Engl. Originalfassung: “... to show that the kind of gradual change characteristic of normal acquisition was also a characteristic of our distributed model”.
Wir verwenden die passive Beschreibungsform (“Mit Hilfe des Netzes wird... erzielt”), während Rumelhard und McClelland durchgängig so schreiben, als ob das Netz selbstaktiv die Resultate erreicht (“Das Netz erzielt...”).
Engl. Originalfassung: “... if there is a predominant regularity in a set of patterns, this can swamp exceptional patterns until the set of connections has been acquired that captures the predominant regularity. Then further, gradual tuning can occur that adjusts these connections to accomodate both the regular patterns and the exception” (ebd., 233).
Engl. Originalfassung: “It is statistical relationship among the base forms themselves that determine the pattern of responding. The network merely reflects the statistics of the featural representations of the verb forms” (ebd. 267).
Engl. Originalfassung: “... a step toward a revised understanding of language knowledge, language acquisition, and linguistic information processing in general” (Rumelhart und McClelland, ebd., 268).
Wenn von computergestützen >mentalen Repräsentationen< die Rede, so setzen wir diese Bezeichnung in umgekehrte spitze Klammern; wenn hingegen mentale Repräsentationen beim Menschen gemeint, verwenden wir keine Anführungen.
Engl. Originalfassung: “In particular, the symbol structures in a Classical model are assumed to correspond to real physical structures in the brain and the combinatorial structure of a representation is supposed to have a counterpart in structural relations among physical properties of the brain. For example, the relation ‘part of’, which holds between a relatively simple symbol and a more complex one, is assumed to correspond to some physical relation among brain states. This is why Newell (1980) speaks of computational systems such as brains and Classical computers as ‘physical symbol systems”.
Engl. Originalfassung: “Because Classical mental representations have combinatorial structure, it is possible for Classical mental operations to apply to them by reference to their form. The result is that a paradigmatic Classical mental process operates upon any mental representation that satisfies a given structural description, and transforms it into a mental representation that satisfies another structural description. (So, for example, in a model of inference one might recognize an operation that applies to any representation of the form P & Q and transforms it into a representation of the form P).”
Engl. Originalfassung: “What we need now is a semantic theory for mental representations: a theory of how mental representations represent... such a theory I do not have.”
Engl. Originalfassung: “So let’s assume what we don’t, at any event, know to be false that the internal language is innate, that it’s formulae correspond one to one with the contents of propositional attitudes (...), and that it is as universal as human psychology.”
Engl. Originalfassung: “What we’re all doing is really a kind of logical syntax (only psychologized); and we all very much hope that when we’ve got a reasonable internal language (a formalism for writing down canonical representations), someone very nice and very clever will turn up and show us how to interpret it; how to provide it with semantic.”
Engl. Originalfassung: “...picture of the mind as a syntax-driven machine.”
In diesem Sinne argumentiert auch Becker (1990), die als Besonderheit menschlicher Expertise, die im Wissensakquisitionsprozeß ungenügend berücksichtigt würde, die Kontextabhängigkeit menschlichen Wissens, dessen Subjektgebundenheit, soziale Bestimmtheit sowie begrenzte Explizierbarkeit hervorhebt (32).
Dies könnte man auch als >Logifizierung< der Biologie bezeichnen, womit die zirkuläre Begründung mentaler Repräsentationen deutlich würde.
Engl. Originalfassung: “... distribution is currently one of the murkiest concepts in the whole of cognitive science”.
Hiermit wird auch die große Fehlertoleranz konnektionistischer Verfahren erklärt (vgl. Kap. 3.4., Fußnote 10). Falle eine an einem bestimmten Aktivationsmuster beteiligte Einheit aus, so ließe sich das durch die beschädigte Einheit kodierte >Konzept< rekonstruieren. Unter >Konzept< werden z.B. zu repräsentierende Wörter oder Sätze verstanden.
Engl. Originalfassung: “The main point is this: under the influence of the Classical view, computation and cognition have been studied almost exclusively under the umbrella of discrete mathematics; the connectionist appproach, on the other hand, brings the study of computation and cognition squarely in contact with the other half of mathematics — continuous mathematics. The true commitment... is to uncovering the insights this other half of mathematics can provide us into the nature of computation and cognition.”
Smolensky charakterisiert tierisches Verhalten sowie menschliche Wahrnehmung, motorisches sowie Sprachverhalten und ProblemIösen als unbewußte Regelanwendung: “ — in short: practically all of skilled performance” (1988, 310).
Genauso gut könnte man einen >Frustrationsindex& < oder wie Wrobel (1991) sogar einen >Wohlbefindlichkeitsidentifikator< einführen. Solche >Frustration< oder >Wohlbefindlichkeit< wäre jedoch durch die E/A-Relation determiniert und damit begrenzt.
Rights and permissions
Copyright information
© 1995 Friedr. Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig/Wiesbaden
About this chapter
Cite this chapter
Lenz, A., Meretz, S. (1995). Reichweite und Grenzen der Theorie >Neuronaler Netze<. In: Neuronale Netze und Subjektivität. Theorie der Informatik. Vieweg+Teubner Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-05969-1_5
Download citation
DOI: https://doi.org/10.1007/978-3-663-05969-1_5
Publisher Name: Vieweg+Teubner Verlag, Wiesbaden
Print ISBN: 978-3-528-05504-2
Online ISBN: 978-3-663-05969-1
eBook Packages: Springer Book Archive