Lexikon der Argumente


Philosophische Themen und wissenschaftliche Debatten
 
[englisch]

Screenshot Tabelle Begriffes

 

Finden Sie Gegenargumente, in dem Sie NameVs…. oder….VsName eingeben.

Erweiterte Suche:
Suchbegriff 1: Autor oder Begriff Suchbegriff 2:Autor oder Begriff

zusammen mit




Der gesuchte Begriff oder Autor findet sich in folgenden 10 Einträgen:
Begriff/
Autor/Ismus
Autor
Eintrag
Literatur
Äquivalenz Fraassen I 45
Empirische Äquivalenz: über empirische Adäquatheit definiert: es gibt ein Modell, so dass alle Erscheinungen mit Bewegungen im Modell identifizierbar sind (auch historische, nicht wahrgenommene). - Empirisch äquivalent: sind zwei Theorien, wenn sie beide Modelle haben, die das leisten.
I 152
Relative Äquivalenz/Fraassen: (relativ zum Hintergrundwissen): wir erkennen Natrium, weil es a) dieses Spektrum hat
b) diese Atomstruktur hat.
Asymmetrie: das Spektrum erzeugt nicht die Atomstruktur. - dennoch Äquivalenz - dennoch ist nur eine relevant - Äquivalente Propositionen sind in denselben möglichen Welten wahr. - Dennoch können wir sagen, dass einige mögliche Welten ausgeschlossen sind - (solche, in denen die Proposition irrelevant ist. - Äquivalenz: Ununterscheidbarkeit, wegen gleicher Menge von möglichen Welten.
Lösung: Unterscheidung durch Wahrmachen - Bsp
a) entweder es regnet oder es regnet nicht
b) entweder es schneit oder es schneit nicht.
Unterschied: a) wird dadurch wahr gemacht, dass es regnet, b) dadurch, dass es nicht schneit. - Relevanz von Propositionen hängt von tieferen Relevanzen ab.

Fr I
B. van Fraassen
The Scientific Image Oxford 1980
Begriffe Simon Wilson I 88
Begriffe/Begriffsbildung/Komplexität/Simon/E. O. Wilson: (H.A. Simon, „Discovery, invention and developemnt: human crative thinking“ in: Pproceedings of the National Academy of Sciences, 80 (1983), S. 4569-4571.): Was das kreative Denken im Wesentlichen von den üblicheren Denkmustern unterscheidet, ist 1) die Bereitschaft, äußerst ungenau definierte Problemaussagen zu akzeptieren und dies graduell zu strukturieren,
2) sich ununterbrochen über einen ziemlich langen Zeitraum hinweg mit ein und demselben Problem zu beschäftigen, und
3) sich ein umfassendes Hintergrundwissen in relevanten und potentiell relevanten Bereichen anzueignen.


psySimn II
Herbert A. Simon
Models of Thought New Haven 1979

Simon I
Herbert A. Simon
The Sciences of the Artificial Cambridge, MA 1970

WilsonEO I
E. O. Wilson
Consilience: The Unity of Knowledge New York 1998
Erlebnisse Popper Flor II 479
Erlebnisse/Popper: zwischen Aussagen und Erlebnissen gibt es keine logischen Relationen! Folglich ist die Annahme eines Basissatzes immer konventionell. >Hintergrundwissen.

Po I
Karl Popper
Grundprobleme der Erkenntnislogik. Zum Problem der Methodenlehre
In
Wahrheitstheorien, Gunnar Skirbekk Frankfurt/M. 1977

Flor I
Jan Riis Flor
"Gilbert Ryle: Bewusstseinsphilosophie"
In
Philosophie im 20. Jahrhundert, A. Hügli/P. Lübcke Reinbek 1993

Flor II
Jan Riis Flor
"Karl Raimund Popper: Kritischer Rationalismus"
In
Philosophie im 20. Jahrhundert, A.Hügli/P.Lübcke Reinbek 1993

Flor III
J.R. Flor
"Bertrand Russell: Politisches Engagement und logische Analyse"
In
Philosophie im 20. Jahrhundert, A. Hügli/P.Lübcke (Hg) Reinbek 1993

Flor IV
Jan Riis Flor
"Thomas S. Kuhn. Entwicklung durch Revolution"
In
Philosophie im 20. Jahrhundert, A. Hügli/P. Lübcke Reinbek 1993
Gottesbeweise Swinburne Stegmüller IV 404
Kosmologischer Gottesbeweis/Stegmüller: Naturgesetze erklären nichts: - 1. Diese Naturgesetze hätten auch anders sein können. - 2. Es hätte auch sein können, dass nichts existiert.
Stegmüller IV 406
Gott/Swinburne: unser Hintergrundwissen enthält alles Wissen über die Welt, aber keine religiösen Annahmen - dann ist es wahrscheinlicher, dass es Gott gibt, als dass es keinen gibt.
Stegmüller IV 408
Gottesbeweis/Swinburne/MackieVsSwinburne/Stegmüller: wenn man die Ordnung der natürlichen Welt durch göttlichen Plan erklären will, muss man die Ordnung im göttlichen Plan erklären.
Stegmüller IV 419
Ordnung/Gottesbeweis/Stegmüller: eine geistige Ordnung bedarf nicht weniger der Erklärung als eine materielle.
Stegmüller IV 427
Gottesbeweis/Stegmüller: ontologisch: allein auf Vernunft - kosmologisch: mit empirischen Prämissen - teleologisch: auf Ordnungsstrukturen, Anschein von Zweckhaftigkeit - moralische Beweise: nicht nur theoretisches Wissen, sondern auch moralische Annahmen zweiter Ordnung.

Swinburne I
R. Swinburne
Justification of Induction Oxford 1974
Lebenswelt Habermas III 72
Lebenswelt/Habermas: hier geht es um die soziokulturellen Bedingungen einer rationalen Lebensführung. Hier müssen wir die Strukturen untersuchen, die Individuen und Gruppen rationale Handlungsorientierungen ermöglichen.
III 73
Dabei spielen Deutungssysteme und Weltbilder, die das Hintergrundwissen sozialer Gruppen spiegeln, eine Rolle.
III 107
Den Begriff der Lebenswelt führe ich zunächst als Korrelat zu Verständigungsprozessen ein. Kommunikativ handelnde Subjekte verständigen sich stets im Horizont einer Lebenswelt. Ihre Lebenswelt baut sich aus mehr oder weniger diffusen, stets unproblematischen Hintergrundüberzeugungen auf. Sie speichert die Interpretationsarbeit vorangegangener Generationen; sie ist das konservative Gegengewicht gegen das Dissensrisiko, das mit jedem aktuellen Verständigungsvorgang entsteht.
III 108
Mythos/Mythen/Habermas. In mythischen Weltbildern als Interpretationshintergrund einer Lebenswelt in einer sozialen Gruppe ist den einzelnen Angehörigen die Last der Interpretation ebenso abgenommen wie die Chance, selber ein kritisierbares Einverständnis herbeizuführen. Hier wird das sprachliche Weltbild als Weltordnung reifiziert und kann nicht als kritisierbares Deutungssystem durchschaut werden.
IV 189
Lebenswelt/Methode/HabermasVsHusserl/Habermas: Wenn wir die bewusstseinsphilosophischen Grundbegriffe, in denen Husserl die Lebensweltproblematik behandelt,(1) aufgeben, können wir uns die Lebenswelt durch einen kulturell überlieferten und sprachlich organisierten Vorrat an Deutungsmustern repräsentiert denken. Dann muss der Verweisungszusammenhang nicht mehr im Rahmen der Phänomenologie und Psychologie der Wahrnehmung erklärt zu werden, sondern als Bedeutungszusammenhang.
IV 191
Lebenswelt/Habermas: da die Kommunikationsteilnehmer ihr gegenüber keine extramundane Stellung einnehmen können, hat sie einen anderen Status als die anderen Weltkonzepte (der sozialen, der subjektiven und der objektiven Welt), in denen sich Sprecher und Hörer sich wahlweise auf etwas Objektives, Normatives oder Subjektives beziehen können. Bezogen auf die Lebenswelt ist das nicht möglich. Die Beteiligten können sich mit ihrer Hilfe auch nicht auf etwas „Intersubjektives“ beziehen.
IV 192
Sie bewegen sich stets innerhalb des Horizonts ihrer Lebenswelt und können sich nicht auf „etwas in der Lebenswelt“ beziehen, wie auf Tatsachen, Normen oder Erlebnisse. Die Lebenswelt ist gleichsam der transzendentale Ort, an dem Sprecher und Hörer sich begegnen und reziprok den Anspruch erheben können, dass ihre Äußerungen mit der Welt (der objektiven, sozial oder subjektiven Welt) zusammenpassen.
IV 198
Die phänomenologisch beschriebenen Grundzüge der konstituierten Lebenswelt lassen sich ohne Schwierigkeiten erklären, wenn man „Lebenswelt“ als Komplementärbegriff zum „kommunikativen Handeln“ einführt.
IV 205
Hintergrund/Lebenswelt/Habermas: die Lebenswelt sollte nicht mit dem aus kulturellen Wissen bestehenden Hintergrund gleichgesetzt werden. Stattdessen ist es so, das Solidaritäten der über Werte und Normen integrierten Gruppen und Kompetenzen vergesellschafteter Individuen ins kommunikative Handeln einfließen.
IV 224
Lebenswelt/Habermas: wenn wir Gesellschaft als Lebenswelt konzipieren, unterstellen wir a) die Autonomie der Handelnden, b) die Unabhängigkeit der Kultur, c) die Durchsichtigkeit der Kommunikation. Diese drei Fiktionen sind in die Grammatik von Erzählungen eingebaut und kehren in einer kulturalistisch vereinseitigten, verstehenden Soziologie wieder. (Siehe Fiktionen/Habermas).
IV 230
Lebenswelt/System/Habermas: Soziale Evolution verstehe ich als einen Differenzierungsvorgang zweiter Stufe: System und Lebenswelt differenzieren sich, indem die Komplexität des einen und die Rationalität der anderen wächst, nicht nur jeweils als System und als Lebenswelt – sondern beide differenzieren sich gleichzeitig auch voneinander. Unter Systemaspekten lassen sich diese Stufen durch jeweils neu auftretende systemische Mechanismen kennzeichnen. Diese lösen sich immer mehr von den sozialen Strukturen ab, über die sich die soziale Integration vollzieht.
IV 273
Lebenswelt/Steuerungsmedien/Kommunikationsmedien/Sprache/Habermas: die Umstellung von Sprache auf Steuerungsmedien (Geld, Macht (Einfluss, Reputation)) bedeutet eine Abkoppelung der Interaktion von lebensweltlichen Kontexten (Siehe Lebenswelt/Habermas), Medien wie Geld und Macht setzen an den empirisch motivierten Bindungen an; sie codieren einen zweckrationalen Umgang mit kalikulierbaren Wertmengen und ermöglichen eine generalisierte strategische Einflussnahme auf die Entscheidungen anderer Interaktionsteilnehmer unter Umgehung sprachlicher Konsensbildungsprozesse.
Pointe: damit wird die Lebenswelt für die Koordinierung von Handlungen nicht länger benötigt.


1.E.Husserl, Erfahrung und Urteil, Hamburg 1948; zur Kritik an den bewusstseinstheoretischen Grundlagen der phänomenologischen Sozialontologie von A. Schütz vgl. M. Theunissen, Der Andere, Berlin 1965, S. 406ff.

Ha I
J. Habermas
Der philosophische Diskurs der Moderne Frankfurt 1988

Ha III
Jürgen Habermas
Theorie des kommunikativen Handelns Bd. I Frankfurt/M. 1981

Ha IV
Jürgen Habermas
Theorie des kommunikativen Handelns Bd. II Frankfurt/M. 1981
Ökosysteme Pentland Brockman I 195
Ökosysteme/Pentland: Wie können wir ein gutes menschlich-künstliches Ökosystem schaffen, etwas, das keine Maschinengesellschaft ist, sondern eine Cyberkultur, in der wir alle als Menschen leben können - eine Kultur, die sich menschlich anfühlt?
Brockman I 196
Das erste, was man fragen muss, ist: Was ist die Magie, die die aktuelle KI funktionieren lässt? Wo ist sie falsch und wo ist sie richtig? Die gute Magie ist, dass sie etwas hat, das als Kreditzuordnungsfunktion bezeichnet wird. Was Sie damit tun können, ist, "dumme Neuronen" - kleine lineare Funktionen - zu nehmen und in einem großen Netzwerk herauszufinden, welche bon ihnen die Arbeit machen und diese zu stärken.
Der schlechte Teil daran ist, dass, weil diese kleinen Neuronen dumm sind, die Dinge, die sie lernen, nicht sehr gut verallgemeinert werden. Wenn eine KI etwas sieht, was sie noch nie zuvor gesehen hat, oder wenn sich die Welt ein wenig verändert, wird die KI wahrscheinlich einen schrecklichen Fehler machen. Es hat absolut keinen Sinn für den Kontext.
Lösung / Pentland: Stellen Sie sich Neuronen vor, in die reales Wissen eingebettet ist. Wenn Sie (...) Hintergrundwissen hinzufügen und mit einer guten Kreditzuordnungsfunktion umgeben, dann können Sie Beobachtungsdaten verwenden und mit der Kreditzuordnungsfunktion
Brockman I 197
die Funktionen verstärken, die gute Antworten liefern. Das Ergebnis ist eine KI, die extrem gut funktioniert und verallgemeinern kann. Sozialphysik/Pentland: These: Wenn wir Neuronen herstellen, die viel darüber wissen, wie Menschen voneinander lernen, dann können wir menschliche Modeerscheinungen erkennen und menschliche Verhaltenstrends auf überraschend genaue und effiziente Weise vorhersagen - ähnlich wie beim Fall der physikalischen Systeme. Diese "Sozialphysik" funktioniert, weil das menschliche Verhalten sowohl durch die Muster unserer Kultur als auch durch rationales, individuelles Denken bestimmt wird. Diese Muster können mathematisch beschrieben und verwendet werden, um genaue Vorhersagen zu treffen. >Kybernetik/Pentland, >Entscheidungsprozesse/Pentland, >Daten/Pentland.


Pentland, A. “The Human strategy” in: Brockman, John (ed.) 2019. Twenty-Five Ways of Looking at AI. New York: Penguin Press.

Brockman I
John Brockman
Possible Minds: Twenty-Five Ways of Looking at AI New York 2019
Religion Habermas III 281
Religion/Habermas: Weltreligionen entwickeln sich nur in Hochkulturen, also im Rahmen von staatlich organisierten Gesellschaften, wo neue, vom Verwandtschaftssystem unabhängige Produktionsweisen und entsprechende Formen ökonomischer Ausbeutung entstehen. (1)
IV 135
Religion/Heiliges/Sprache/Habermas: in der grammatischen Rede sind die propositionalen Bestandteil mit den illokutionären und den expressiven so zusammengefügt, dass der semantische Gehalt zwischen ihnen fluktuieren kann. Alles, was sich sagen lässt, kann auch als Aussagesatz dargestellt werden. Daran kann man sich klarmachen, was ein Anschluss religiöser Weltbilder ans kommunikative Handeln bedeutet. Das Hintergrundwissen geht in die Situationsdefinitionen (…) ein. Da die semantischen Gehalte sakraler und profaner Herkunft im Medium der Sprache frei fluktuieren, kommt es zu einer Fusion der Bedeutungen: die moralisch-praktischen und die expressiven Inhalte verbinden sich mit den kognitiv-instrumentellen in der Form kulturellen Wissens. Und zwar a) als kulturelles Wissen – b) als Basis für instrumentelles Handeln. Dieses letztere macht aus der Religion erst ein Totalität beanspruchendes Weltbild.

1.K. Eder, (Hrsg.) Die Entstehung von Klassengesellschaften, Frankfurt, 1973.

Ha I
J. Habermas
Der philosophische Diskurs der Moderne Frankfurt 1988

Ha III
Jürgen Habermas
Theorie des kommunikativen Handelns Bd. I Frankfurt/M. 1981

Ha IV
Jürgen Habermas
Theorie des kommunikativen Handelns Bd. II Frankfurt/M. 1981
Sprache Habermas Rorty II 94
Sprache/Habermas/Rorty: Habermas unterscheidet zwischen einem strategischen und einem genuin kommunikativen Gebrauch von Sprache. Skala von Vertrauensgraden.
II 94/95
Rorty: wenn wir aufhören, Vernunft als eine Autoritätsquelle zu deuten, löst sich die platonische und Kantische Dichotomie zwischen Vernunft und Gefühl auf.
II 96
RortyVsHabermas: die Idee des »besseren Arguments« ist nur sinnvoll, wenn man eine natürliche, transkulturelle Relevanzbeziehung ausfindig machen kann.
Habermas IV 41
Sprache/Habermas: wir müssen zwischen a) Sprache als Medium der Verständigung und
b) Sprache als Medium der Handlungskoordinierung und Vergesellschaftung von Individuen
unterscheiden.
IV 42
Die Bildung von Identitäten und die Entstehung von Institutionen kann man sich so vorstellen, dass der außersprachliche Kontext der Verhaltensdispositionen und der Verhaltensschemata gewissermaßen sprachlich durchdrungen d.h. symbolisch durchstrukturiert wird.
IV 43
Dabei fungiert Sprache als Medium nicht der Verständigung und der Überlieferung kulturellen Wissens, sondern der Sozialisation und der sozialen Integration. Diese Vorgänge sedimentieren sich nicht, wie Verständigungsvorgänge, in kulturellem Wissen, sondern in den symbolischen Strukturen des Selbst und der Gesellschaft, in Kompetenzen und Beziehungsmustern. Die Signalsprache entwickelt sich zur grammatischen Rede, indem sich das Medium der Verständigung gleichzeitig vom symbolisch strukturierten Selbst der Interaktionsteilnehmer wie von der zur normativen Realität verdichteten Gesellschaft ablöst.

IV 100
Sprache/Medium/Vergesellschaftung/Habermas: Sprechhandlungen stellen nur dann ein geeignetes Medium der gesellschaftlichen Reproduktion dar, wenn sie die Funktionen der Überlieferung, der sozialen Integration und der Vergesellschaftung von Individuen gleichzeitig übernehmen können. Das können sie nur, wenn der propositionale, der illokutionäre und der expressive Bestandteil in jeder einzelnen Sprechhandlung zu einer grammatischen Einheit so integriert sind, dass der semantische Gehalt nicht in Segmente zerfällt, sondern zwischen den Komponenten frei konvertiert werden kann.
IV 135
Religion/Heiliges/Sprache/Habermas: in der grammatischen Rede sind die propositionalen Bestandteil mit den illokutionären und den expressiven so zusammengefügt, dass der semantische Gehalt zwischen ihnen fluktuieren kann. Alles, was sich sagen lässt, kann auch als Aussagesatz dargestellt werden. Daran kann man sich klarmachen, was ein Anschluss religiöser Weltbilder ans kommunikative Handeln bedeutet. Das Hintergrundwissen geht in die Situationsdefinitionen (…) ein. Da die semantischen Gehalte sakraler und profaner Herkunft im Medium der Sprache frei fluktuieren, kommt es zu einer Fusion der Bedeutungen: die moralisch-praktischen und die expressiven Inhalte verbinden sich mit den kognitiv-instrumentellen in der Form kulturellen Wissens. Und zwar a) als kulturelles Wissen – b) als Basis für instrumentelles Handeln. Dieses letztere macht aus der Religion erst ein Totalität beanspruchendes Weltbild.
IV 273
Sprache/Medien/Steuerungsmedien/Kommunikationsmedien/Habermas: die Umstellung von Sprache auf Steuerungsmedien (Geld, Macht (Einfluss, Reputation)) bedeutet eine Abkoppelung der Interaktion von lebensweltlichen Kontexten (Siehe Lebenswelt/Habermas), Medien wie Geld und Macht setzen an den empirisch motivierten Bindungen an; sie codieren einen zweckrationalen Umgang mit kalkulierbaren Wertmengen und ermöglichen eine generalisierte strategische Einflussnahme auf die Entscheidungen anderer Interaktionsteilnehmer unter Umgehung sprachlicher Konsensbildungsprozesse.

Ha I
J. Habermas
Der philosophische Diskurs der Moderne Frankfurt 1988

Ha III
Jürgen Habermas
Theorie des kommunikativen Handelns Bd. I Frankfurt/M. 1981

Ha IV
Jürgen Habermas
Theorie des kommunikativen Handelns Bd. II Frankfurt/M. 1981

Rorty I
Richard Rorty
Der Spiegel der Natur Frankfurt 1997

Rorty II
Richard Rorty
Philosophie & die Zukunft Frankfurt 2000

Rorty II (b)
Richard Rorty
"Habermas, Derrida and the Functions of Philosophy", in: R. Rorty, Truth and Progress. Philosophical Papers III, Cambridge/MA 1998
In
Philosophie & die Zukunft, Frankfurt/M. 2000

Rorty II (c)
Richard Rorty
Analytic and Conversational Philosophy Conference fee "Philosophy and the other hgumanities", Stanford Humanities Center 1998
In
Philosophie & die Zukunft, Frankfurt/M. 2000

Rorty II (d)
Richard Rorty
Justice as a Larger Loyalty, in: Ronald Bontekoe/Marietta Stepanians (eds.) Justice and Democracy. Cross-cultural Perspectives, University of Hawaii 1997
In
Philosophie & die Zukunft, Frankfurt/M. 2000

Rorty II (e)
Richard Rorty
Spinoza, Pragmatismus und die Liebe zur Weisheit, Revised Spinoza Lecture April 1997, University of Amsterdam
In
Philosophie & die Zukunft, Frankfurt/M. 2000

Rorty II (f)
Richard Rorty
"Sein, das verstanden werden kann, ist Sprache", keynote lecture for Gadamer’ s 100th birthday, University of Heidelberg
In
Philosophie & die Zukunft, Frankfurt/M. 2000

Rorty II (g)
Richard Rorty
"Wild Orchids and Trotzky", in: Wild Orchids and Trotzky: Messages form American Universities ed. Mark Edmundson, New York 1993
In
Philosophie & die Zukunft, Frankfurt/M. 2000

Rorty III
Richard Rorty
Kontingenz, Ironie und Solidarität Frankfurt 1992

Rorty IV (a)
Richard Rorty
"is Philosophy a Natural Kind?", in: R. Rorty, Objectivity, Relativism, and Truth. Philosophical Papers Vol. I, Cambridge/Ma 1991, pp. 46-62
In
Eine Kultur ohne Zentrum, Stuttgart 1993

Rorty IV (b)
Richard Rorty
"Non-Reductive Physicalism" in: R. Rorty, Objectivity, Relativism, and Truth. Philosophical Papers Vol. I, Cambridge/Ma 1991, pp. 113-125
In
Eine Kultur ohne Zentrum, Stuttgart 1993

Rorty IV (c)
Richard Rorty
"Heidegger, Kundera and Dickens" in: R. Rorty, Essays on Heidegger and Others. Philosophical Papers Vol. 2, Cambridge/MA 1991, pp. 66-82
In
Eine Kultur ohne Zentrum, Stuttgart 1993

Rorty IV (d)
Richard Rorty
"Deconstruction and Circumvention" in: R. Rorty, Essays on Heidegger and Others. Philosophical Papers Vol. 2, Cambridge/MA 1991, pp. 85-106
In
Eine Kultur ohne Zentrum, Stuttgart 1993

Rorty V (a)
R. Rorty
"Solidarity of Objectivity", Howison Lecture, University of California, Berkeley, January 1983
In
Solidarität oder Objektivität?, Stuttgart 1998

Rorty V (b)
Richard Rorty
"Freud and Moral Reflection", Edith Weigert Lecture, Forum on Psychiatry and the Humanities, Washington School of Psychiatry, Oct. 19th 1984
In
Solidarität oder Objektivität?, Stuttgart 1988

Rorty V (c)
Richard Rorty
The Priority of Democracy to Philosophy, in: John P. Reeder & Gene Outka (eds.), Prospects for a Common Morality. Princeton University Press. pp. 254-278 (1992)
In
Solidarität oder Objektivität?, Stuttgart 1988

Rorty VI
Richard Rorty
Wahrheit und Fortschritt Frankfurt 2000
Vorwissen Norvig Norvig I 777
Vorwissen/KI-Forschung/Norvig/Russell: Um die Rolle des Vorwissens zu verstehen, müssen wir über die logischen Beziehungen zwischen Hypothesen, Beispielbeschreibungen und Klassifikationen sprechen. Wir nehmen an, dass die Beschreibungen die Verbindung aller Beispielbeschreibungen im Trainingsset bezeichnen und dass die Klassifikationen die Verbindung aller Beispielklassifikationen bezeichnen. Dann muss eine Hypothese, die "die Beobachtungen erklärt", die folgende Eigenschaft erfüllen (denken Sie daran, dass |= "logisch bedingt" bedeutet):
Hypothese ∧ Beschreibungen|= Klassifikationen.

Zwangsbedingung (engl. entailment constraint): Wir nennen diese Art von Beziehung eine Zwangsbedingung, bei der die Hypothese das "Unbekannte" ist. Rein induktives Lernen bedeutet die Lösung dieser Beschränkung, wobei die Hypothese aus einem vordefinierten Hypothesenraum entnommen wird. >Hypothesen/KI-Forschung.
Software-Agenten/Wissen/Lernen/Norvig: Der moderne Ansatz besteht darin, Software-Agenten zu entwerfen, die bereits etwas wissen und versuchen, noch etwas dazu zu lernen. Ein autonomer Lernagent, der Hintergrundwissen verwendet, muss sich das Hintergrundwissen in erster Linie irgendwie beschaffen (...). Diese Methode muss selbst ein Lernprozess sein. Die Lebensgeschichte des Software-Agenten ist daher durch eine kumulative oder inkrementelle Entwicklung gekennzeichnet.
Norvig I 778
Lernen mit Hintergrundwissen: ermöglicht ein viel schnelleres Lernen, als man es von einem reinen Einführungsprogramm erwarten würde. Erklärungsbasiertes Lernen/EBL: EBL erfüllt die folgenden Zwangsbedingungen (entailment constraints):

Hypothese ∧ Beschreibungen |= Klassifikationen
Hintergrund |= Hypothese.

Norvig I 779
(...) man dachte zunächst, es sei möglich von Beispielen zu lernen. Da es aber voraussetzt, dass das Hintergrundwissen ausreicht, um die Hypothese zu erklären, was wiederum die Beobachtungen erklärt, lernt der Software-Agent eigentlich nichts sachlich Neues aus dem Beispiel. Der Software-Agent hätte das Beispiel aus dem ableiten können, was er bereits wusste, auch wenn dies einen unangemessen hohen Rechenaufwand erfordert hätte. EBL wird heute als eine Methode zur Umwandlung von Theorien der ersten Prinzipien in nützliches, zweckgebundenes Wissen angesehen. Relevanz/Beobachtungen/RBL: Der Vorwissenshintergrund betrifft die Relevanz einer Reihe von Merkmalen für das Zielprädikat. Dieses Wissen, zusammen mit den Beobachtungen, erlaubt es dem Software-Agenten, eine neue, allgemeine Regel abzuleiten, die die Beobachtungen erklärt:

Hypothese ∧ Beschreibungen |= Klassifikationen ,
Hintergrund ∧ Beschreibungen ∧ Klassifikationen |= Hypothese.

Wir nennen diese Art von Generalisierung relevanzbasiertes Lernen oder RBL. (...) Das RBL macht zwar vom Inhalt der Beobachtungen Gebrauch, stellt aber keine Hypothesen auf, die über den logischen Inhalt des Hintergrundwissens und der Beobachtungen hinausgehen. Es handelt sich um eine deduktive Form des Lernens und kann für sich allein nicht die Schaffung von neuem Wissen von Grund auf begründen.
Zwangsbedingung (entailment constraint):

Hintergrund ∧ Hypothese ∧ Beschreibungen |= Klassifikationen.

Das heißt, das Hintergrundwissen und die neue Hypothese verbinden sich zur Erklärung der Beispiele.
Wissensbasiertes induktives Lernen/KBIL-Algorithmen: Algorithmen, die [die Zwangsbedingung] erfüllen, werden als wissensbasierte Algorithmen für induktives Lernen oder als KBIL-Algorithmen bezeichnet. KBIL-Algorithmen (...) wurden hauptsächlich im Bereich der induktiven Logikprogrammierung (ILP) untersucht.
Norvig I 780
Erklärungsbasiertes Lernen (EBL): Die Grundidee von Memo-Funktionen besteht darin, eine Datenbank mit Input-Output-Paaren anzuhäufen; wenn die Funktion aufgerufen wird, überprüft sie zunächst die Datenbank, um zu sehen, ob es vermeiden werden kann, das Problem von vorne aufzurollen. Erklärungsbasiertes Lernen geht viel weiter, indem allgemeine Regeln erstellt werden, die eine ganze Klasse von Fällen abdecken.
Norvig I 781
Allgemeine Regeln: Die Grundidee hinter EBL besteht darin, zunächst eine Erklärung der Beobachtung mit Hilfe von Vorkenntnissen zu konstruieren und dann eine Definition der Klasse von Fällen zu erstellen, für die dieselbe Erklärungsstruktur verwendet werden kann. Diese Definition bildet die Grundlage für eine Regel, die alle Fälle der Klasse abdeckt. Erklärung: Die "Erklärung" kann ein logischer Beweis sein, aber ganz allgemein kann es sich um einen beliebigen Argumentations- oder Problemlösungsprozess handeln, dessen Schritte gut definiert sind. Der Schlüssel liegt darin, in der Lage zu sein, die notwendigen Voraussetzungen dafür zu erkennen, dass dieselben Schritte auf einen anderen Fall zutreffen.
Norvig I 782
EBL: 1. Anhand eines Beispiels unter Verwendung des verfügbaren Hintergrundwissens einen Beweis konstruieren, dass das Zielprädikat auf das Beispiel zutrifft.
Norvig I 783
2. Parallel dazu einen verallgemeinerten Beweisbaum für das variabilisierte Ziel konstruieren unter Verwendung derselben Inferenzschritte wie im ursprünglichen Beweis. 3. Konstruktion einer neuen Regel, deren linke Seite aus den Blättern des Beweisbaums besteht und deren rechte Seite das variabilisierte Ziel ist (nach Anwendung der notwendigen Bindungen aus dem generalisierten Beweis).
4. Fallenlassen aller Bedingungen von der linken Seite, die unabhängig von den Werten der Variablen im Ziel wahr sind.
Norvig I 794
Inverse Auflösung: Die inverse Auflösung basiert auf der Beobachtung, dass wenn die Beispielklassifikationen aus: Hintergrund ∧ Hypothese ∧ Beschreibungen folgt, dann muss man diese Tatsache durch Auflösung beweisen können (weil die Auflösung vollständig ist). Wenn wir den Beweis "rückwärts laufen lassen können", dann können wir eine Hypothese finden, so dass der Beweis angenommen werden kann.
Norvig I 795
Inverse Entailment: Die Idee ist, die Zwangsbedingung (entailment constraint) zu ändern
Hintergrund ∧ Hypothese ∧ Beschreibungen |= Klassifikationen

zur logisch äquivalenten Form

Hintergrund ∧ Beschreibungen ∧ ¬Klassifikationen |= ¬Hypothese.

Norvig I 796
Ein inverses Auflösungsverfahren, das eine vollständige Auflösungsstrategie invertiert, ist im Prinzip ein vollständiger Algorithmus zum Lernen von Theorien erster Ordnung. Das heißt, wenn eine unbekannte Hypothese eine Reihe von Beispielen erzeugt, dann kann ein inverses Auflösungsverfahren aus den Beispielen eine Hypothese erzeugen. Diese Beobachtung legt eine interessante Möglichkeit nahe: Nehmen wir an, dass die verfügbaren Beispiele eine Vielzahl von Flugbahnen fallender Körper enthalten. Wäre ein inverses Auflösungsprogramm theoretisch in der Lage, auf das Gravitationsgesetz zu schließen? Die Antwort ist eindeutig ja, denn das Gravitationsgesetz erlaubt es, die Beispiele zu erklären, wenn ein geeigneter mathematischer Hintergrund gegeben ist.
Norvig I 798
Literatur: Der Ansatz der aktuell besten Hypothese (engl. current best hypothesis) ist eine alte Idee der Philosophie (Mill, 1843)(1). Frühe Arbeiten in der kognitiven Psychologie legten auch nahe, dass es sich um eine natürliche Form des Konzeptlernens beim Menschen handelt (Bruner et al., 1957)(2). In der KI-Forschung ist der Ansatz am engsten mit der Arbeit von Patrick Winston verbunden, dessen Doktorarbeit (Winston, 1970)(3) das Problem des Lernens von Beschreibungen komplexer Objekte behandelte. Versionsraum (engl. version space): Die Versionsraummethode (Mitchell, 1977(4), 1982(5)) verfolgt einen anderen Ansatz, indem sie die Menge aller konsistenten Hypothesen beibehält und diese, die sich als inkonsistent mit neuen Beispielen erwiesen haben, eliminiert. Der Ansatz wurde im Meta-DENDRAL
Norvig I 799
Expertensystem für Chemie (Buchanan und Mitchell, 1978)(6) verwendet und später in Mitchells (1983)(7) LEX-System, das lernt, Kalkül-Probleme zu lösen. Ein dritter einflussreicher Faden wurde durch die Arbeit von Michalski und Kollegen an der AQ-Reihe von Algorithmen gebildet, die Sets logischer Regeln lernte (Michalski, 1969(8); Michalski et al., 1986(9)). EBL (erklärungsbasiertes Lernen): EBL hatte seine Wurzeln in den vom STRIPS-Planer verwendeten Techniken (Fikes et al., 1972)(10). Wurde ein Plan konstruiert, so wurde auch eine verallgemeinerte Version davon in einer Planbibliothek gespeichert und bei der späteren Planung als Makro-Operator verwendet. Ähnliche Ideen tauchten in der ACT*-Architektur von Anderson unter der Überschrift der Wissenszusammenstellung (Anderson, 1983)(11) und in der SOAR-Architektur als Chunking (Laird et al., 1986)(12) auf. Der Erwerb von Schemata (DeJong, 1981)(13), die analytische Verallgemeinerung (Mitchell, 1982)(5) und die constraint-basierte Verallgemeinerung (Minton, 1984)(14) waren unmittelbare Vorläufer des rasch wachsenden Interesses an EBL, angeregt durch die Arbeiten von Mitchell et al. (1986)(15) und DeJong und Mooney (1986)(16). Hirsh (1987)(17) führte den im Text beschriebenen EBL-Algorithmus ein und zeigte, wie er direkt in ein logisches Programmiersystem integriert werden konnte. Van Harmelen und Bundy (1988)(18) erklären EBL als eine Variante der in Programmanalysesystemen verwendeten Teilauswertungsmethode (Jones et al., 1993)(19).
VsEBL (VsErklärungsbasiertes Lernen): Die anfängliche Begeisterung für EBL wurde durch Mintons Feststellung (1988)(20) gemildert, dass EBL ein Programm erheblich verlangsamen könnte ohne umfangreiche zusätzliche Arbeit. Formale probabilistische Analysen des erwarteten Gewinns durch EBL finden sich in Greiner (1989)(21) und Subramanian und Feldman (1990)(22). Ein hervorragender Überblick über die frühen Arbeiten zum EBL findet sich in Dietterich (1990)(23).
Relevanz: Relevanzinformationen in Form von funktionalen Abhängigkeiten wurden zuerst in der Datenbankgemeinde entwickelt, wo sie zur Strukturierung großer Mengen von Attributen in überschaubare Teilmengen verwendet werden. Funktionale Abhängigkeiten wurden von Carbonell und Collins (1973)(24) zur analogen Argumentation verwendet und von Davies und Russell, 1987(26)) wiederentdeckt und einer vollständigen logischen Analyse unterzogen.
Vorwissen: Ihre Rolle als Vorwissen beim induktiven Lernen wurde von Russell und Grosof (1987)(27) untersucht. Die Äquivalenz von Bestimmungen zu einem Hypothesenraum mit eingeschränktem Vokabular wurde von Russell (1988)(28) nachgewiesen.
Lernen: Lernalgorithmen für Bestimmungen und die mit RBDTL erzielte verbesserte Leistung wurden erstmals dank Almuallim und Dietterich (1991)(29) im FOCUS-Algorithmus gezeigt. Tadepalli (1993)(30) beschreibt einen sehr ausgefeilten Algorithmus für das Lernen mit Bestimmungen, der große Verbesserungen in der Gewinngeschwindigkeit gezeigt hat.
Inverse Deduktion: Die Idee, dass induktives Lernen durch umgekehrte Deduktion durchgeführt werden kann, lässt sich auf W. S. Jevons (1874)(31) zurückführen (...).
Computergestützte Untersuchungen begannen mit der bemerkenswerten Doktorarbeit von
Norvig I 800
Gordon Plotkin (1971)(32) in Edinburgh. Obwohl Plotkin viele der Theoreme und Methoden entwickelte, die heute in der ILP verwendet werden, wurde er durch einige unentscheidbare Ergebnisse für bestimmte Unterprobleme bei der Induktion entmutigt. MIS (Shapiro, 1981)(33) führte das Problem des Lernens von Logikprogrammen wieder ein, dies wurde aber hauptsächlich als ein Beitrag zur Theorie der automatisierten Fehlerbehebung (engl. debugging) angesehen. Induktion/Regeln: Arbeiten zur Regelinduktion, wie die Systeme ID3 (Quinlan, 1986)(34) und CN2 (Clark und Niblett, 1989)(35), führten zu FOIL (Quinlan, 1990)(36), das zum ersten Mal die praktische Induktion von relationalen Regeln ermöglichte.
Relationales Lernen: Das Gebiet des relationalen Lernens wurde von Muggleton und Buntine (1988)(37) neu belebt, deren CIGOL-Programm eine leicht unvollständige Version der inversen Auflösung enthielt und in der Lage war, neue Prädikate zu erzeugen. Die Methode der inversen Auflösung erscheint auch in (Russell, 1986)(38), wobei ein einfacher Algorithmus in einer Fußnote angegeben wird. Das nächste große System war GOLEM (Muggleton und Feng, 1990)(39), das einen Abdeckalgorithmus verwendet, der auf Plotkins Konzept der relativ geringsten Verallgemeinerung basiert. ITOU (Rouveirol und Puget, 1989)(40) und CLINT (De Raedt, 1992)(41) waren weitere Systeme aus dieser Zeit.
Natürliche Sprache: In jüngerer Zeit hat PROGOL (Muggleton, 1995)(42) einen hybriden (Top-Down- und Bottom-Up) Ansatz für das inverse Entailment verfolgt und wurde auf eine Reihe praktischer Probleme angewandt, insbesondere in der Biologie und der Verarbeitung natürlicher Sprache.
Ungewissheit: Muggleton (2000)(43) beschreibt eine Erweiterung von PROGOL zur Behandlung von Unsicherheit in Form von stochastischen Logikprogrammen.
Induktive Logik-Programmierung/ILP: Eine formale Analyse der ILP-Methoden erscheint in Muggleton (1991)(44), eine große Sammlung von Artikeln in Muggleton (1992)(45) und eine Sammlung von Techniken und Anwendungen im Buch von Lavrauc und Duzeroski (1994)(46). Page und Srinivasan (2002)(47) geben einen neueren Überblick über die Geschichte des Fachgebiets und die Herausforderungen für die Zukunft. Frühe Komplexitätsergebnisse von Haussler (1989) legen nahe, dass das Lernen von Sätzen erster Ordnung schwer lösbar ist. Mit einem besseren Verständnis der Bedeutung syntaktischer Einschränkungen bei Sätzen (hier engl. clauses) wurden jedoch selbst bei Sätzen mit Rekursion positive Ergebnisse erzielt (Duzeroski et al., 1992)(48). Ergebnisse zur Lernfähigkeit der ILP werden von Kietz und Duzeroski (1994)(49) und Cohen und Page (1995)(50) untersucht.
Entdeckungssysteme/VsILP: Obwohl ILP jetzt der vorherrschende Ansatz für konstruktive Induktion zu sein scheint, war es nicht der einzige Ansatz, der verfolgt wurde. Sogenannte Entdeckungssysteme zielen darauf ab, den Prozess der wissenschaftlichen Entdeckung neuer Konzepte zu modellieren, in der Regel durch eine direkte Suche im Raum der Begriffsdefinitionen. Doug Lenats Automatisierter Mathematiker, oder AM (Davis und Lenat, 1982)(51), verwendete Entdeckungs-Heuristiken, die als Expertensystemregeln ausgedrückt wurden, um seine Suche nach Konzepten und Vermutungen in der elementaren Zahlentheorie zu leiten. Im Gegensatz zu den meisten Systemen, die für mathematisches Denken konzipiert waren, fehlte AM ein Konzept des Beweises und konnte nur Vermutungen anstellen. Es entdeckte Goldbachs Vermutung und den einzigartigen Satz der Primfaktorzerlegung wieder.
Die Architektur von AM wurde im EURISKO-System verallgemeinert (Lenat, 1983)(52), indem ein Mechanismus hinzugefügt wurde, der in der Lage ist, die eigenen Entdeckungs-Heuristiken des Systems neu zu schreiben. EURISKO wurde in einer Reihe von anderen Bereichen als der mathematischen Entdeckung angewandt, wenn auch mit weniger Erfolg als in AM. Die Methodik von AM und EURISKO ist umstritten (Ritchie und Hanna, 1984(53); Lenat und Brown, 1984(54)).



1. Mill, J. S. (1843). A System of Logic, Ratiocinative and Inductive: Being a Connected View of the Principles of Evidence, and Methods of Scientific Investigation. J.W. Parker, London.
2. Bruner, J. S., Goodnow, J. J., and Austin, G. A. (1957). A Study of Thinking. Wiley.
3. Winston, P. H. (1970). Learning structural descriptions from examples. Technical report MAC-TR-76,
Department of Electrical Engineering and Computer Science, Massachusetts Institute of Technology.
4. Mitchell, T.M. (1977). Version spaces: A candidate elimination approach to rule learning. In IJCAI-77,
pp. 305–310.
5. Mitchell, T. M. (1982). Generalization as search. AIJ, 18(2), 203–226. 6. Buchanan, B. G.,Mitchell, T.M., Smith, R. G., and Johnson, C. R. (1978). Models of learning systems.
In Encyclopedia of Computer Science and Technology, Vol. 11. Dekker.
7. Mitchell, T. M., Utgoff, P. E., and Banerji, R. (1983). Learning by experimentation: Acquiring and refining problem-solving heuristics. In Michalski, R. S., Carbonell, J. G., and Mitchell, T. M. (Eds.),
Machine Learning: An Artificial Intelligence Approach, pp. 163–190. Morgan Kaufmann.
8. Michalski, R. S. (1969). On the quasi-minimal solution of the general covering problem. In Proc.
First International Symposium on Information Processing, pp. 125–128.
9. Michalski, R. S.,Mozetic, I., Hong, J., and Lavrauc, N. (1986). The multi-purpose incremental learning
system AQ15 and its testing application to three medical domains. In AAAI-86, pp. 1041–1045.
10. Fikes, R. E., Hart, P. E., and Nilsson, N. J. (1972). Learning and executing generalized robot plans. AIJ, 3(4), 251–288.
11. Anderson, J. R. (1983). The Architecture of Cognition. Harvard University Press.
12. Laird, J., Rosenbloom, P. S., and Newell, A. (1986). Chunking in Soar: The anatomy of a general learning mechanism. Machine Learning, 1, 11–46.
13. DeJong, G. (1981). Generalizations based on explanations. In IJCAI-81, pp. 67–69.
14. Minton, S. (1984). Constraint-based generalization: Learning game-playing plans from single examples. In AAAI-84, pp. 251–254.
15. Mitchell, T. M., Keller, R., and Kedar-Cabelli, S. (1986). Explanation-based generalization: A unifying view. Machine Learning, 1, 47–80.
16. DeJong, G. and Mooney, R. (1986). Explanation-based learning: An alternative view. Machine Learning, 1, 145–176.
17. Hirsh, H. (1987). Explanation-based generalization in a logic programming environment. In IJCAI-87.
18. van Harmelen, F. and Bundy, A. (1988). Explanation-based generalisation = partial evaluation.
AIJ, 36(3), 401–412.
19. Jones, N. D., Gomard, C. K., and Sestoft, P. (1993). Partial Evaluation and Automatic Program Generation. Prentice-Hall. 20. Minton, S. (1988). Quantitative results concerning the utility of explanation-based learning. In AAAI-88, pp. 564–569.
21. Greiner, R. (1989). Towards a formal analysis of EBL. In ICML-89, pp. 450–453.
22. Subramanian, D. and Feldman, R. (1990). The utility of EBL in recursive domain theories. In AAAI-90, Vol. 2, pp. 942–949.
23. Dietterich, T. (1990). Machine learning. Annual Review of Computer Science, 4, 255–306.
24. Carbonell, J. R. and Collins, A. M. (1973). Natural semantics in artificial intelligence. In IJCAI-73, pp.
344–351.
25. Davies, T. R. (1985). Analogy. Informal note INCSLI- 85-4, Center for the Study of Language and
Information (CSLI).
26. Davies, T. R. and Russell, S. J. (1987). A logical approach to reasoning by analogy. In IJCAI-87, Vol. 1, pp. 264–270.
27. Russell, S. J. and Grosof, B. (1987). A declarative approach to bias in concept learning. In AAAI-87.
28. Russell, S. J. (1988). Tree-structured bias. In AAAI-88, Vol. 2, pp. 641–645.
29. Almuallim, H. and Dietterich, T. (1991). Learning with many irrelevant features. In AAAI-91, Vol. 2,
pp. 547–552.
30. Tadepalli, P. (1993). Learning from queries and examples with tree-structured bias. In ICML-93, pp.
322–329.
31. Jevons, W. S. (1874). The Principles of Science. Routledge/Thoemmes Press, London.
32. Plotkin, G. (1971). Automatic Methods of Inductive Inference. Ph.D. thesis, Edinburgh University.
33. Shapiro, E. (1981). An algorithm that infers theories from facts. In IJCAI-81, p. 1064.
34. Quinlan, J. R. (1986). Induction of decision trees. Machine Learning, 1, 81–106.
35. Clark, P. and Niblett, T. (1989). The CN2 induction algorithm. Machine Learning, 3, 261–283.
36. Quinlan, J. R. (1990). Learning logical definitions from relations. Machine Learning, 5(3), 239–266.
37. Muggleton, S. H. and Buntine, W. (1988). Machine invention of first-order predicates by inverting resolution. In ICML-88, pp. 339–352.
38. Russell, S. J. (1986). A quantitative analysis of analogy by similarity. In AAAI-86, pp. 284–288.
39. Muggleton, S. H. and Feng, C. (1990). Efficient induction of logic programs. In Proc. Workshop on
Algorithmic Learning Theory, pp. 368–381.
40. Rouveirol, C. and Puget, J.-F. (1989). A simple and general solution for inverting resolution. In Proc.
European Working Session on Learning, pp. 201–210.
41. De Raedt, L. (1992). Interactive Theory Revision: An Inductive Logic Programming Approach. Academic Press.
42. Muggleton, S. H. (1995). Inverse entailment and Progol. New Generation Computing, 13(3-4), 245-
286.
43. Muggleton, S. H. (2000). Learning stochastic logic programs. Proc. AAAI 2000 Workshop on Learning
Statistical Models from Relational Data.
44. Muggleton, S. H. (1991). Inductive logic programming. New Generation Computing, 8, 295–318.
45. Muggleton, S. H. (1992). Inductive Logic Programming. Academic Press.
46. Lavrauc, N. and Duzeroski, S. (1994). Inductive Logic Programming: Techniques and Applications.
Ellis Horwood
47. Page, C. D. and Srinivasan, A. (2002). ILP: A short look back and a longer look forward. Submitted to
Journal of Machine Learning Research.
48. Duzeroski, S., Muggleton, S. H., and Russell, S. J. (1992). PAC-learnability of determinate logic programs. In COLT-92, pp. 128–135.
49. Kietz, J.-U. and Duzeroski, S. (1994). Inductive logic programming and learnability. SIGART Bulletin,
5(1), 22–32.
50. Cohen, W. W. and Page, C. D. (1995). Learnability in inductive logic programming: Methods and results. New Generation Computing, 13(3–4), 369-409. 51. Davis, R. and Lenat, D. B. (1982). Knowledge-Based Systems in Artificial Intelligence. McGraw-
Hill.
52. Lenat, D. B. (1983). EURISKO: A program that learns new heuristics and domain concepts: The nature of heuristics, III: Program design and results. AIJ, 21(1–2), 61–98.
53. Ritchie, G. D. and Hanna, F. K. (1984). AM: A case study in AI methodology. AIJ, 23(3), 249–268.
54. Lenat, D. B. and Brown, J. S. (1984). Why AM and EURISKO appear to work. AIJ, 23(3), 269–294.

Norvig I
Peter Norvig
Stuart J. Russell
Artificial Intelligence: A Modern Approach Upper Saddle River, NJ 2010
Wissen Goodman I 92
Wissen/Goodman: Bsp Es könnte sein, daß mich jemand fragt, ob ich den Fußballtrainer unter meinen Zuhörern gesehen habe. Und ich antworte fälschlich mit nein. Und habe sogar alle Zuhörer gesehen. ---
III 105
Fälschung: Weil mein Wissen um den Unterschied zwischen den beiden Bildern die Beziehung des gegenwärtigen zu allem künftigen Anschauen beeinflusst, prägt es auch den Charakter meines gegenwärtigen Anschauens. ---
IV 17
Der Empirismus behauptet, dass Wissen von Erfahrung abhängt. GoodmanVs: Das kann irreführend sein, denn die Abhängigkeit ist beiderseitig. Erfahrung hängt ebenso von Wissen ab. Routine bleibt oft unbemerkt. Hintergrundwissen ist fast immer notwendig.
IV 204
Bsp Nehmen wir an, Sie sind zu Recht davon überzeugt, dass die oberste Karte von einem gut gemischten Stapel nicht die Karo Zwei ist, und nehmen wir weiter an, dass sich dies als wahr erweist. Können Sie behaupten, es gewusst zu haben? Wissen, das ungewiss ist, ist wohl kaum eine glücklichere Vorstellung als Wissen, das gewiss ist.
IV 212
Wissen braucht 1. Wahrheit, 2. Überzeugung und 3. Erhärtung. Verstehen braucht nichts davon.
IV 213
Das Bekannte weiß man nicht! (Auf die Frage: "Woher wissen sie, was richtig ist?").

G IV
N. Goodman
Catherine Z. Elgin
Revisionen Frankfurt 1989

Goodman I
N. Goodman
Weisen der Welterzeugung Frankfurt 1984

Goodman II
N. Goodman
Tatsache Fiktion Voraussage Frankfurt 1988

Goodman III
N. Goodman
Sprachen der Kunst Frankfurt 1997