Agenten- und Robotergemeinschaften

Seite 3: Die Entstehung von Bedeutung in Unterscheidungsspielen

Der folgende Beitrag ist vor 2021 erschienen. Unsere Redaktion hat seither ein neues Leitbild und redaktionelle Standards. Weitere Informationen finden Sie hier.

In unserem Brüsseler Laboratorium haben wir verschiedene Roboter gebaut, die sich in einem Roboter-Ökosystem dynamisch verhalten. Diese Roboter, die zuletzt benutzte Hardware-Plattform für unsere Sprachexperimente, verfügen über eine große Anzahl von Datenkanälen (interne und externe Sensoren, innere Motivationszustände, Bewegungszustände etc.) Auf Wahrnehmung beruhende Bedeutungserzeugung findet über diese Datenkanäle statt.

Bedeutungserzeugung kann durch Unterscheidungsspiele stattfinden. Der Agent versucht, zwei Gegenstände oder Situationen mittels eines Repertoires an Merkmalsdetektoren zu unterscheiden, die die kontinuierlichen Werte der wirklichen Welt, wie sie durch die Datenkanäle erfahren werden, in diskrete Merkmale übersetzt. Beispielsweise wird ein Wert von einer kontinuierlich variierenden Skala sichtbaren Lichts in Bereiche aufgeteilt, die auf deutsch als stark, mittel oder schwach lexikalisiert werden können. Wenn ein bestimmter Wert in einen dieser Bereich fällt, wird vom Merkmalsdetektor ein diskretes Merkmal als Output erzeugt. Wenn das Spiel scheitert, d.h. wenn ein Gegenstand nicht von einer Reihe anderer Gegenstände unterschieden werden kann, erzeugt der Agent neue Merkmalsdetektoren durch die Verbesserung der bestehenden oder durch die Schaffung neuer für bislang unentdeckte sensorische Kanäle. Das führt, wie ich an anderer Stelle gezeigt habe, tatsächlich zum Aufbau eines Repertoires an Merkmalen, die zur Unterscheidung von Gegenständen geeignet sind. Überdies ist das Repertoire anpassungsfähig. Wenn neue Gegenstände betrachtet oder neue Datenkanäle verfügbar werden, wird sich, falls dies notwendig ist, das Repertoire an Merkmalen erweitern.

Man kann sich viele andere Spiele zu Erzeugung von Bedeutung ausdenken. Beispielsweise kann ein Agent versuchen, ein Objekt anhand einer Liste von Klassen einzuordnen und das Repertoire an Merkmalen erweitern oder die Definitionen der Klassen zu verändern, um erfolgreich zu sein. Ein Agent kann versuchen, Aspekte einer Situation durch die Formulierung einiger Merkmale und durch die Deduzierung weiterer von ihnen vorauszusagen. Erfolg in einem Spiel kommt einer erfolgreichen Vorhersage gleich, und Mißerfolg führt zur Bildung verbesserter Merkmale oder zum Umbau der Vorhersageregeln.