Offensichtlich muß ein Verstehen in den meisten realen Situationen wechselseitig sein. Im Kontext der Kommunikation zwischen Mensch und Maschine wollen wir, daß die Maschine uns versteht, damit sie etwas für uns tun kann, z.B. eine Frage beantworten, ein mathematisches Problem lösen oder ein Fahrzeug steuern, wobei wir wiederum hoffen, daß wir das Handeln der Maschine verstehen.

Heuristik; Problem; Weizenbaum; Kommunikation; Mensch-Maschine-Kommunikation;

{weizenbaum-macht} 'Joseph Weizenbaum' (2003) : Die Macht der Computer und die Ohnmacht der Vernunft

The relations that define a machine as a unity, and determine the dynamics of interactions and transformations which it may undergo as such a unity, constitute the organization of the machine. The actual relations which hold among the components which integrate a concrete machine in a given space, constitute its structure. The organization of a machine (or system) does not specify the properties of the components which realize the machine as a concrete system, it only specifies the relations which these must generate to constitute the machine or system as a unity. Therefore, the organization of a machine is independent of the properties of its components, which can be any, and a given machine can be realized in many different manners by many different kinds of components. In other words, although a given machine can be realized by many different structures, for it to constitute a concrete entity in a given space its actual components must be defined in that space, and have the properties which allow them to generate the relations to which define it.

Heuristik; Problem; Weizenbaum; Kommunikation; Mensch-Maschine-Kommunikation;

{Maturana:Autopoiesis} 'Humberto Maturana and Francisco Varela' (1980) : Autopoiesis and Cognition

Eigenschaften: *[ [„künstliche“ Generierung von Wissen aus Erfahrung] [„erkennt“ Gesetzmäßigkeiten in den Lerndaten] [System kann auch unbekannte Daten beurteilen] [symbolisches System: Wissen explizit repräsentiert] [subsymbolisches System: Wissen implizit repräsentiert, Regeln nicht explizit formuliert/formulierbar] ]* Algorithmische Ansätze: *[ [Überwachtes Lernen: korrekte Funktionswert steht in der Lernphase bereit] [Unüberwachtes Lernen: erzeugt für eine gegebene Menge von Eingaben ein Modell, das die Eingaben beschreibt und Vorhersagen ermöglicht] [Bestärkendes Lernen: der Algorithmus lernt durch Verstärkung eine Taktik, wie in potenziell auftretenden Situationen zu handeln ist, um den Nutzen des Agenten zu maximieren.] ]*

Heuristik; Problem; Weizenbaum; Kommunikation; Mensch-Maschine-Kommunikation;

{} '' () :

Ziel des KDD ist die Erkennung bislang unbekannter fachlicher Zusammenhänge aus vorhandenen, meist großen Datenbeständen. In Abgrenzung zum Data Mining umfasst KDD als Gesamtprozess auch die Vorbereitung der Daten sowie die Bewertung der Resultate. Die Teilschritte des KDD-Prozesses sind *[ [Bereitstellung von Hintergrundwissen für den jeweiligen Fachbereich] [Definition der Ziele der Wissensfindung] [Datenauswahl] [Datenbereinigung] [Datenreduktion (z. B. durch Transformationen)] [Auswahl eines Modells, in dem das gefundene Wissen repräsentiert werden soll] [Data-Mining, die eigentliche Datenanalyse] [Interpretation der gewonnenen Erkenntnisse] ]*

Heuristik; Problem; Weizenbaum; Kommunikation; Mensch-Maschine-Kommunikation;

{} '' () :