I 255
Roboter/Computer/Sprache/Verstehen/Gärdenfors: zwei Kriterien bzw. Tests für das Verständnis bei Computern bzw. maschinellen Akteuren:
a) dass sie kommunizieren
b) dass sie Schlüsse ziehen.
Roboter-Semantik/Steels: Benennungsspiel (naming game): (Steels, 1999
(1); Steels & Kaplan 2002
(2); Wellens & Loetzsch, 2012
(3)): eine Sender versucht, den Empfänger durch Nennung eines Ausdrucks dazu zu bringen, einen Gegenstand in der Umgebung zu identifizieren.
I 256
Hier geht es nur um Gegenstände, die in einer Situation vorhanden sind. Damit sind die Bedeutungen fundiert (grounded). (Harnad,1990
(4); Williams et al. 2009
(5)).
Repräsentation: für abwesende Gegenstände werden höhere Anforderungen an die Repräsentationsfähigkeiten eines Systems gestellt. In solchen Fällen wäre es interessant, wie Roboter Pläne für zukünftige Kooperation entwickeln. Dazu brauchten sie nach meiner Theorie Repräsentation des Kraftvektors und des Resultatvektors sowie Repräsentationen von Agens-Eigenschaften und Patiens-Eigenschaften.
Spracherwerb/Roboter: mein Zwei-Vektoren-Modell hat unmittelbare Konsequenzen dafür, wie Verben von Robotern gelernt und gebraucht werden können.
Für Resultatverben: siehe Cangelosi et al. 2008
(6); Lallee, Madden, Hoen & Dominey, 2010
(7); Tikhanoff, Cangelosi & Metta, 2011
(8); Beyer, Camiano & Griffiths, 2012)
(9).
Gärdenfors: ich schlage vor, dass die entsprechende Methode auch auf Verben der Art und Weise ausgedehnt werden kann.
I 257
Lernen/Roboter/Gärdenfors: der Roboter muss danach lernen, etwas vom Kraftvektor auf den Resultatvektor abzubilden. Diese Art von assoziativem Abbilden kann aus dem Beobachten der Interaktion anderer Agenten mit Gegenständen sowie auch der eigenen Interaktion gelernt werden.
1. Steels, L. (1999). The talking heads experiment. Antwerp: Laboratorium.
2. Steels, L. & Kaplan, F. (2002). Bootstrapping grounded word semantics. In T. Briscoe (ed.) Linguistic evolution through language acquisition: Formal and computational models (pp. 53-74). Cambridge: Cambridge University Press.
3. Wellens, P., & Loetzsch, M. (2012). Multi-dimensional meanings in lexicon formation. In L. Steels (Ed.) Experiments in cultural language evolution (pp. 143-166).
4. Harnad, S. (1990). The symbol grounding problem. Physica D: Nonlinear Phenomena, 42, 335-346.
5. Williams, M.-A., McCarthy, J., Gärdenfors, P., Stanton, C., & Karol, A. (2009) A grounding framework. Journal of Autonomous Agents and Multi-agents systems, 19, 272-296.
6. Cangelosi, A., Metta, G. Sagerer, G. Nolfi, S. Nehaniv, C., Fischer, K. et al. (2008). The ITALK project: Intergration and transfer of action and language knowledge in robots. In Proceedings of Third ACM/IEEE International Conference on Human Robot Interaction (Vol 2, pp. 167-179). New York: ACM.
7. Lallee, S., Madden, C., Hoen, M., & Dominey P. F. (2010) Linking language with embodied and leleological representations of action for humanoid cognition. Frontiers in Neurobotics, 4, 1-12.
8. Tikhanoff,V., Cangelosi, A., & Metta, G., (2011).Integration of speech and action in humanoid robots: iClub simulation experiments. IEEE Transactions on Autonomous Mental Development, 3, 17-29.
9. Beyer, O., Camiano, P., & Griffiths, S. (2012). Towards action representation within the framework of conceptual spaces: Preliminary results. Cognitive Robotics, AAAI Technical reports WS-12-06.
