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 8 Einträgen:
Begriff/
Autor/Ismus
Autor
Autor
Eintrag
Eintrag
Literatur
Literatur
Allgemeinheit Dennett I 691
Allgemeines/Besonderes/Künstliche Intelligenz/KI/Dennett: Donald Symons(1): Es gibt keinen "allgemeinen Problemlöser", weil es keine allgemeinen Probleme gibt, nur besondere Probleme. DennettVsSymons: Es gibt auch keine allgemeine Wunde, sondern nur besondere Wunden - dennoch gibt es einen allgemeinen Wundheilungsvorgang. >General Problem Solver.


1. Symons, D. 1992. "On the Use and Misuse od Darwinism in the Study of Human Behavior." In: Barkow, Cosmides, and Tooby, 1992, pp. 137-62.

Dennett I
D. Dennett
Darwins gefährliches Erbe Hamburg 1997

Dennett II
D. Dennett
Spielarten des Geistes Gütersloh 1999

Dennett III
Daniel Dennett
"COG: Steps towards consciousness in robots"
In
Bewusstein, Thomas Metzinger Paderborn/München/Wien/Zürich 1996

Dennett IV
Daniel Dennett
"Animal Consciousness. What Matters and Why?", in: D. C. Dennett, Brainchildren. Essays on Designing Minds, Cambridge/MA 1998, pp. 337-350
In
Der Geist der Tiere, D Perler/M. Wild Frankfurt/M. 2005
Computermodell Weizenbaum I 234
Computermodell/General Problem Solver/GPS/Künstliche Intelligenz/Newell/Simon/Weizenbaum: (beschrieben in A. Newell und H. A. Simon, Human Problem Solving, Englewood Cliffs(N. J. 1972, Kap 9: Logic, GPS and Human Behavior, S. 455-554). GPS/Weizenbaum: ist im Grunde nichts anderes als eine Programmiersprache, in der man Programme für bestimmte hochspezialisierte Aufgaben schreiben kann.
I 236
Der GPS ist ein Rahmen, innerhalb dessen das logische Theoriegrogramm läuft. Zur Lösung von Probleme muss man mit sehr allgemeinen symbolischen Strukturen arbeiten, die Objekte, Operatoren, Eigenschafen von Objekten und Unterschiede zwischen Objekten darstellen, außerdem muss man einen Methodenkatalog erstellen. Aber selbst dann erlaubt einem GPS nicht, aus derartigen „Prinzipien“ Konsequenzen zu ziehen. WeizenbaumVsSimon/WeizenbaumVsNewell: die Aussage, der General Problem Solver (GPS) sei in jedem Sinne eine Verkörperung des menschlichen Problemlösens, ist gleichbedeutend mit der Aussage, auch die Algebra der Höheren Schule sei eine solche Verkörperung.
I 237
Problem: Das sagt nichts über die Psychologie des menschlichen Problemlösens aus. Außenwelt/Newell/Simon: Besonders zu berücksichtigen sind die Beschränkungen im Hinblick auf den Zugang, den der GPS zur Außenwelt hat. Der Anfangsteil der expliziten Befehle an GPS ist schon lange vorher vom Menschen beim Aufbau seines Wortschatzes erworben worden.
I 238
WeizenbaumVsSimon/WeizenbaumVsNewell: genau an dieser Stelle wird der wahre Sachverhalt umgangen. Denn in Wirklichkeit lautet die Frage, was mit dem ganzen Menschen geschieht, während er seinen Wortschatz aufbaut. Wie wird seine Auffassung davon, was ein „Problem“ ist, von den Erfahrungen geformt, die ein untrennbarer Bestandteil des Erwerbs seines Wortschatzes sind?

Weizenbaum I
Joseph Weizenbaum
Die Macht der Computer und die Ohnmacht der Vernunft Frankfurt/M. 1978
Denkformen Dennett I 275
Grenze/Unger: Es muss immer ein Paar von x beiderseits der Grenze geben, das erfordern unsere Konventionen.
I 276
InwagenVsUnger: Um so schlimmer für die Konventionen! Jackendoff: Kandidaten auf der Grenze werden in die eine oder andere Kategorie gezwängt.
I 277
Dennett: Das ist ein guter Trick, aber kein erzwungener Zug! Darwin zweigt uns, dass die Natur nicht braucht, was wir angeblich zum Denken brauchen, die Natur kommt mit allmählichen Abweichungen gut zurecht.
I 692
Allgemeines/Besonderes/Künstliche Intelligenz/KI/Dennett: Donald Symons(1): Es gibt keinen "allgemeinen Problemlöser" weil es keine allgemeinen Probleme gibt, nur besondere Probleme. >General Problem Solver. DennettVsSymons: Es gibt auch keine allgemeine Wunde, sondern nur besondere Wunden. Dennoch gibt es einen allgemeinen Wundheilungsvorgang.



1. Symons, D. 1992. "On the Use and Misuse od Darwinism in the Study of Human Behavior." In: Barkow, Cosmides, and Tooby, 1992, pp. 137-62.

Dennett I
D. Dennett
Darwins gefährliches Erbe Hamburg 1997

Dennett II
D. Dennett
Spielarten des Geistes Gütersloh 1999

Dennett III
Daniel Dennett
"COG: Steps towards consciousness in robots"
In
Bewusstein, Thomas Metzinger Paderborn/München/Wien/Zürich 1996

Dennett IV
Daniel Dennett
"Animal Consciousness. What Matters and Why?", in: D. C. Dennett, Brainchildren. Essays on Designing Minds, Cambridge/MA 1998, pp. 337-350
In
Der Geist der Tiere, D Perler/M. Wild Frankfurt/M. 2005
Intelligenz Newell, A./Simon, H. Münch III 57ff
Intelligenz/Newell/Simon: es gibt so wenig ein "Intelligenzprinzip" wie es ein "Lebensprinzip" gibt, das aus seiner Natur heraus das Wesen des Lebens erklärt. D.h. aber nicht, dass es keine strukturellen Erfordernisse für Intelligenz gäbe.
I 69
General Problem Solver/Newell/Simon: (GPS) allgemeine Mechanismen, Schemata, zur Ausführung verschiedener Aufgaben. Unterscheidungsnetze, Musterkennungsmechanismen, Syntaxanalyse.
Münch III 76
Def Intelligenz/Newell/Simon: eines Systems mit begrenzter Verarbeitungskapazität besteht darin, kluge Entscheidungen angesichts der Frage zu treffen, was als nächstes zu tun ist. Voraussetzung: die Lösungsverteilung darf nicht vollkommen zufällig sein! Reines Einsetzen und Ausprobieren ist nicht intelligent.
Herkunft von Intelligenz ist nichts Mystisches: sie stammt aus Suchbäumen.


Allen Newell/Herbert Simon, “Computer Science as Empirical Inquiry: Symbols and Search“ Communications of the Association for Computing Machinery 19 (1976), 113-126 - dt: Computerwissenschaft als empirische Forschung (1976) in Dieter Münch (Hrsg.) Kognitionswissenschaft Frankfurt 1992
Planung KI-Forschung Norvig I 156
Planung/Künstliche Intelligenz/Norvig/Russell: Die Unvorhersehbarkeit und Teilbeobachtbarkeit realer Umgebungen wurde frühzeitig in Robotikprojekten, die Planungstechniken benutzten, wie Shakey (Fikes et al., 1972)(1) und FREDDY (Michie, 1974)(2), erkannt. Die Probleme erhielten mehr Aufmerksamkeit nach der Veröffentlichung von McDermotts (1978a) einflussreichem Artikel, Planning and Acting(3). >Belief States/Norvig.
Norvig I 366
Probleme: Ein einfacher problemlösender Agent (...) kann Handlungsabläufe finden, die zu einem Zielzustand führen. Aber er setzt sich mit atomaren Repräsentationen von Zuständen auseinander und benötigt daher eine gute domänenspezifische Heuristik, um gut funktionieren zu können. [Ein] hybrid propositional-logischer Agent (...) kann Pläne ohne domänenspezifische Heuristiken finden, da er domänenunabhängige Heuristiken verwendet, die auf der logischen Struktur des Problems basieren. Aber er basiert auf der variablenfreien (...) Inferenz von Propositionen, was bedeutet, dass er überfordert werden kann, wenn es viele Handlungen und Zustände gibt.
Norvig I 367
Planungsforscher haben sich auf eine gewichtete Darstellung festgelegt - eine, in der ein Zustand der Welt durch eine Sammlung von Variablen repräsentiert wird. Wir verwenden eine Sprache namens PDDL, die Planning Domain Definition Language, die es uns ermöglicht, alle 4Tn2-Handlungen mit einem Handlungsschema auszudrücken. Jeder Zustand wird als eine Verbindung von Fluenten dargestellt, die variablenfreie, funktionslose Atome sind. Es wird die Datenbanksemantik verwendet: Die closed-world assumption (Annahme zur Weltabgeschlossenheit) bedeutet, dass alle nicht erwähnten Fluenten falsch sind, und die unique names assumption bedeutet, dass [x]1 und [x]2 unterschiedlich sind. Handlungen werden durch eine Reihe von Handlungsschemata beschrieben, die implizit die Funktionen ACTIONS(s) und RESULT(s,a) definieren, die für eine Problemlösungssuche erforderlich sind. >Rahmenproblem. Die klassische Planung konzentriert sich auf Probleme, bei denen die meisten Maßnahmen die meisten Dinge unverändert lassen.
Handlungen: Ein Set von (...) variablenfreien Handlungen kann durch ein einziges Handlungsschema dargestellt werden.
Das Schema ist eine angehobene Repräsentation - sie hebt die Ebene der Schlussfolgerung von der Aussagenlogik auf eine begrenzte Teilmenge der Logik erster Stufe an.
Handlungsschema: Das Schema besteht aus dem Handlungsnamen, einer Liste aller im Schema verwendeten Variablen, einer Vorbedingung und einem Effekt.
Norvig I 367
Vorwärts-/Rückwärtssuche (Progression/Regression) im Zustandsraum: Vgl. >Rückwärtsverkettung.
Norvig I 376
Heuristiken für die Planung: Eine heuristische Funktion h(s) schätzt die Entfernung von einem Zustand s zum Ziel und dass, wenn wir für diese Entfernung eine zulässige Heuristik ableiten können - eine, die nicht überschätzt - dann können wir die A*-Suche zum Finden optimaler Lösungen nutzen. Repräsentation: Die Planung verwendet eine gewichtete Repräsentation für Zustände und Handlungsschemata. Dies ermöglicht es, gute domänenunabhängige Heuristiken zu definieren und Programmen, automatisch eine gute domänenunabhängige Heuristik für ein bestimmtes Problem anzuwenden. Stellen Sie sich ein Suchproblem als einen Graphen vor, bei dem die Knoten Zustände und die Kanten Handlungen sind. Das Problem besteht darin, einen Pfad zu finden, der den Ausgangszustand mit einem Zielzustand verbindet. Es gibt zwei Möglichkeiten, dieses Problem zu lockern, um es einfacher zu machen: durch Hinzufügen von mehr Kanten zum Graphen, um es einfacher zu machen, einen Pfad zu finden, oder durch Gruppieren mehrerer Knoten, die eine Abstraktion des Zustandsraums bilden, der weniger Zustände hat und somit einfacher zu suchen ist.
Norvig I 377
Zustandsabstraktion: Viele Planungsprobleme haben 10100 oder mehr Zustände, und die Lockerung der Handlungen trägt nicht dazu bei, die Anzahl der Zustände zu reduzieren. Daher betrachten wir nun Lockerungen, die die Anzahl der Zustände verringern, indem sie eine Zustandsabstraktion bilden - ein many-to-one mapping von Zuständen in der variablenfreien Repräsentation des Problems auf die abstrakte Darstellung. Die einfachste Form der Zustandsabstraktion ist es, einige Fluente zu ignorieren.
Norvig I 378
Heuristiken: Eine Schlüsselidee bei der Definition von Heuristiken ist die Zerlegung: ein Problem in Teile zerlegen, jedes Teil unabhängig lösen und dann die Teile kombinieren. Die subgoal independence assumption ist, dass die Kosten für die Lösung einer Verbindung von Teilzielen durch die Summe der Kosten für die jeweils unabhängige Lösung jedes Teilziels approximiert werden.
Norvig I 390
Planung als constraint satisfaction: Siehe >Constraint-Satisfaction-Probleme.
Norvig I 393
Geschichte der KI-Planung: Die KI-Planung entstand aus Untersuchungen zur Suche von Zustandsraum, zum Nachweis von Theoremen und zur Kontrolltheorie sowie aus den praktischen Anforderungen der Robotik, Terminplanung und anderer Bereiche. STRIPS (Fikes and Nilsson, 1971)(4), das erste große Planungssystem, veranschaulicht das Zusammenspiel dieser Einflüsse.
General Problem Solver/GPS: der General Problem Solver (Newell and Simon, 1961)(5),[war] ein System zur Suche von Zustandsraum, das die Means–End-Analyse verwendete. Die Kontrollstruktur von STRIPS wurde der von GPS nachempfunden.
Norvig I 394
Sprache: Die Problem Domain Description Language, kurz PDDL (Ghallab et al., 1998)(6), wurde als von Computern lesbare, standardisierte Syntax zur Darstellung von Planungsproblemen eingeführt und wird seit 1998 als Standardsprache für die International Planning Competition verwendet. Es gab mehrere Erweiterungen; die neueste Version, PDDL 3.0, enthält plan constraints und Präferenzen (Gerevini und Long, 2005)(7). Teilprobleme: Die Problemzerlegung wurde erreicht, indem für jedes Teilziel ein Teilplan berechnet und die Teilpläne dann in einer bestimmten Reihenfolge aneinandergereiht wurden. Dieser Ansatz, von Sacerdoti (1975)(8) als lineare Planung bezeichnet, wurde bald als unvollständig erkannt. Es kann einige sehr einfache Probleme nicht lösen (....) Ein vollständiger Planer muss die Verschachtelung von Handlungen aus verschiedenen Teilplänen innerhalb einer einzigen Sequenz ermöglichen. Der Begriff der serializable subgoals (Korf, 1987)(9) entspricht genau dem Set von Problemen, für welche die nicht-verschachtelten Planer vollständig sind. Eine Lösung für das Verschachtelungsproblem war das goal-regression planning, eine Technik, bei der Schritte in einem vollständig geordneten Plan neu geordnet werden, um Konflikte zwischen Teilzielen zu vermeiden. Dies wurde von Waldinger (1975)(10) eingeführt und auch von Warrens (1974)(11) WARPLAN verwendet.
Partial Ordering: Die Ideen, welche dem Partial-Order Planning zugrundeliegen, umfassen die Erkennung von Konflikten (Tate, 1975a)(12) und den Schutz der erreichten Bedingungen vor Störungen (Sussman, 1975)(13). Die Konstruktion von teilweise geordneten Plänen (damals noch Task-Netzwerke genannt) wurde vom NOAH-Planer (Sacerdoti, 1975(8), 1977(14)) und von Tates (1975b(15), 1977(16)) NONLIN-System vorangetrieben. Partial-order planning dominierte die nächsten 20 Jahre der Forschung (...).
State-space planning: Das wieder auflebende Interesse an State-space planning wurde durch Drew McDermotts UNPOP-Programm (1996)(17) vorangetrieben, das als erstes die ignore-delete-list heuristic vorschlug (...). Bonet und Geffners Heuristic Search Planner (HSP) und seine späteren Derivative (Bonet und Geffner, 1999(18); Haslum et al., 2005(19); Haslum, 2006(20)) waren die ersten,
Norvig I 395
welche state-space search praktisch für große Planungsprobleme machten. Der bisher erfolgreichste state-space searcher ist FF (Hoffmann, 2001(21); Hoffmann und Nebel, 2001(22); Hoffmann, 2005(23)), Gewinner des AIPS 2000 Planungswettbewerbs. LAMA (Richter und Westphal, 2008)(24), ein Planer auf Basis von FASTDOWNWARD mit verbesserter Heuristik, gewann den Wettbewerb 2008. >Umwelt/Welt/Planung/Norvig. Siehe auch McDermot (1985)(25).


1. Fikes, R. E., Hart, P. E., and Nilsson, N. J. (1972). Learning and executing generalized robot plans. AIJ,3(4), 251-288
2. Michie, D. (1974). Machine intelligence at Edinburgh. In On Intelligence, pp. 143–155. Edinburgh
University Press.
3. McDermott, D. (1978a). Planning and acting. Cognitive Science, 2(2), 71-109.
4. Fikes, R. E. and Nilsson, N. J. (1993). STRIPS, a retrospective. AIJ, 59(1–2), 227-232.
5. Newell, A. and Simon, H. A. (1961). GPS, a program that simulates human thought. In Billing, H.
(Ed.), Lernende Automaten, pp. 109-124. R. Oldenbourg.
6. Ghallab, M., Howe, A., Knoblock, C. A., and Mc-Dermott, D. (1998). PDDL—The planning domain definition language. Tech. rep. DCS TR-1165, Yale Center for Computational Vision and Control
7. Gerevini, A. and Long, D. (2005). Plan constraints and preferences in PDDL3. Tech. rep., Dept. of Electronics for Automation, University of Brescia, Italy
8. Sacerdoti, E. D. (1975). The nonlinear nature of plans. In IJCAI-75, pp. 206-214.
9. Korf, R. E. (1987). Planning as search: A quantitative approach. AIJ, 33(1), 65-88
10. Waldinger, R. (1975). Achieving several goals simultaneously. In Elcock, E. W. and Michie, D.
(Eds.), Machine Intelligence 8, pp. 94-138. Ellis Horwood
11. Warren, D. H. D. (1974). WARPLAN: A System for Generating Plans. Department of Computational
Logic Memo 76, University of Edinburgh
12. Tate, A. (1975a). Interacting goals and their use. In IJCAI-75, pp. 215-218.
13. Sussman, G. J. (1975). A Computer Model of Skill Acquisition. Elsevier/North-Holland.
14. Sacerdoti, E. D. (1977). A Structure for Plans and Behavior. Elsevier/North-Holland.
15. Tate, A. (1975b). Using Goal Structure to Direct Search in a Problem Solver. Ph.D. thesis, University of Edinburgh.
16. Tate, A. (1977). Generating project networks. In IJCAI-77, pp. 888-893.
17. McDermott, D. (1996). A heuristic estimator for means-ends analysis in planning. In ICAPS-96, pp.
142-149.
18. Bonet, B. and Geffner, H. (1999). Planning as heuristic search: New results. In ECP-99, pp. 360-372. 19. Haslum, P., Bonet, B., and Geffner, H. (2005). New admissible heuristics for domain-independent planning. In AAAI-05.
20. Haslum, P. (2006). Improving heuristics through relaxed search – An analysis of TP4 and HSP*a in the
2004 planning competition. JAIR, 25, 233-267.
21. Hoffmann, J. (2001). FF: The fast-forward planning system. AIMag, 22(3), 57-62.
22. Hoffmann, J. and Nebel, B. (2001). The FF planning system: Fast plan generation through heuristic search. JAIR, 14, 253-302.
23. Hoffmann, J. (2005). Where “ignoring delete lists” works: Local search topology in planning benchmarks. JAIR, 24, 685-758
24. Richter, S. and Westphal, M. (2008). The LAMA planner. In Proc. International Planning Competition at ICAPS.
25. McDermott, D. (1985). Reasoning about plans. In Hobbs, J. and Moore, R. (Eds.), Formal theories of the commonsense world. Intellect Books.

Norvig I
Peter Norvig
Stuart J. Russell
Artificial Intelligence: A Modern Approach Upper Saddle River, NJ 2010
Planung Norvig Norvig I 156
Planung / Künstliche Intelligenz/Norvig/Russell: Die Unvorhersehbarkeit und Teilbeobachtbarkeit realer Umgebungen wurde frühzeitig in Robotikprojekten, die Planungstechniken benutzten, wie Shakey (Fikes et al., 1972)(1) und FREDDY (Michie, 1974)(2), erkannt. Die Probleme erhielten mehr Aufmerksamkeit nach der Veröffentlichung von McDermotts (1978a) einflussreichem Artikel, Planning and Acting(3). >Belief States/Norvig.
Norvig I 366
Probleme: Ein einfacher problemlösender Agent (...) kann Handlungsabläufe finden, die zu einem Zielzustand führen. Aber er setzt sich mit atomaren Repräsentationen von Zuständen auseinander und benötigt daher eine gute domänenspezifische Heuristik, um gut funktionieren zu können. [Ein] hybrid propositional-logischer Agent (...) kann Pläne ohne domänenspezifische Heuristiken finden, da er domänenunabhängige Heuristiken verwendet, die auf der logischen Struktur des Problems basieren. Aber er basiert auf der variablenfreien (...) Inferenz von Propositionen, was bedeutet, dass er überfordert werden kann, wenn es viele Handlungen und Zustände gibt.
Norvig I 367
Planungsforscher haben sich auf eine gewichtete Darstellung festgelegt - eine, in der ein Zustand der Welt durch eine Sammlung von Variablen repräsentiert wird. Wir verwenden eine Sprache namens PDDL, die Planning Domain Definition Language, die es uns ermöglicht, alle 4Tn2-Handlungen mit einem Handlungsschema auszudrücken. Jeder Zustand wird als eine Verbindung von Fluenten dargestellt, die variablenfreie, funktionslose Atome sind. Es wird die Datenbanksemantik verwendet: Die closed-world assumption (Annahme zur Weltabgeschlossenheit) bedeutet, dass alle nicht erwähnten Fluenten falsch sind, und die unique names assumption bedeutet, dass [x]1 und [x]2 unterschiedlich sind. Handlungen werden durch eine Reihe von Handlungsschemata beschrieben, die implizit die Funktionen ACTIONS(s) und RESULT(s,a) definieren, die für eine Problemlösungssuche erforderlich sind. >Rahmenproblem. Die klassische Planung konzentriert sich auf Probleme, bei denen die meisten Maßnahmen die meisten Dinge unverändert lassen.
Handlungen: Ein Set von (...) variablenfreien Handlungen kann durch ein einziges Handlungsschema dargestellt werden.
Das Schema ist eine angehobene Repräsentation - sie hebt die Ebene der Argumentation von der Aussagenlogik auf eine begrenzte Teilmenge der Logik erster Stufe an.
Handlungsschema: Das Schema besteht aus dem Handlungsnamen, einer Liste aller im Schema verwendeten Variablen, einer Vorbedingung und einem Effekt.
Norvig I 367
Vorwärts-/Rückwärtssuche (Progression/Regression) im Zustandsraum: Vgl. >Rückwärtsverkettung.
Norvig I 376
Heuristiken für die Planung: Eine heuristische Funktion h(s) schätzt die Entfernung von einem Zustand s zum Ziel und dass, wenn wir für diese Entfernung eine zulässige Heuristik ableiten können - eine, die nicht überschätzt - dann können wir die A*-Suche zum Finden optimaler Lösungen nutzen. Repräsentation: Die Planung verwendet eine gewichtete Repräsentation für Zustände und Handlungsschemata. Dies ermöglicht es, gute domänenunabhängige Heuristiken zu definieren und Programmen, automatisch eine gute domänenunabhängige Heuristik für ein bestimmtes Problem anzuwenden. Stellen Sie sich ein Suchproblem als einen Graphen vor, bei dem die Knoten Zustände und die Kanten Handlungen sind. Das Problem besteht darin, einen Pfad zu finden, der den Ausgangszustand mit einem Zielzustand verbindet. Es gibt zwei Möglichkeiten, dieses Problem zu lockern, um es einfacher zu machen: durch Hinzufügen von mehr Kanten zum Graphen, um es einfacher zu machen, einen Pfad zu finden, oder durch Gruppieren mehrerer Knoten, die eine Abstraktion des Zustandsraums bilden, der weniger Zustände hat und somit einfacher zu suchen ist.
Norvig I 377
Zustandsabstraktion: Viele Planungsprobleme haben 10100 oder mehr Zustände, und die Lockerung der Handlungen trägt nicht dazu bei, die Anzahl der Zustände zu reduzieren. Daher betrachten wir nun Lockerungen, die die Anzahl der Zustände verringern, indem sie eine Zustandsabstraktion bilden - ein many-to-one mapping von Zuständen in der variablenfreien Repräsentation des Problems auf die abstrakte Darstellung. Die einfachste Form der Zustandsabstraktion ist es, einige Fluente zu ignorieren.
Norvig I 378
Heuristiken: Eine Schlüsselidee bei der Definition von Heuristiken ist die Zerlegung: ein Problem in Teile zerlegen, jedes Teil unabhängig lösen und dann die Teile kombinieren. Die subgoal independence assumption ist, dass die Kosten für die Lösung einer Verbindung von Teilzielen durch die Summe der Kosten für die jeweils unabhängige Lösung jedes Teilziels approximiert werden.
Norvig I 390
Planung als constraint satisfaction: Siehe >Constraint-Satisfaction-Probleme.
Norvig I 393
Geschichte der KI-Planung: Die KI-Planung entstand aus Untersuchungen zur Suche von Zustandsraum, zum Nachweis von Theoremen und zur Kontrolltheorie sowie aus den praktischen Anforderungen der Robotik, Terminplanung und anderer Bereiche. STRIPS (Fikes and Nilsson, 1971)(4), das erste große Planungssystem, veranschaulicht das Zusammenspiel dieser Einflüsse.
General Problem Solver/GPS: der General Problem Solver (Newell and Simon, 1961)(5),[war] ein System zur Suche von Zustandsraum, das die Means–End-Analyse verwendete. Die Kontrollstruktur von STRIPS wurde der von GPS nachempfunden.
Norvig I 394
Sprache: Die Problem Domain Description Language, kurz PDDL (Ghallab et al., 1998)(6), wurde als von Computern lesbare, standardisierte Syntax zur Darstellung von Planungsproblemen eingeführt und wird seit 1998 als Standardsprache für die International Planning Competition verwendet. Es gab mehrere Erweiterungen; die neueste Version, PDDL 3.0, enthält plan constraints und Präferenzen (Gerevini und Long, 2005)(7). Teilprobleme: Die Problemzerlegung wurde erreicht, indem für jedes Teilziel ein Teilplan berechnet und die Teilpläne dann in einer bestimmten Reihenfolge aneinandergereiht wurden. Dieser Ansatz, von Sacerdoti (1975)(8) als lineare Planung bezeichnet, wurde bald als unvollständig erkannt. Es kann einige sehr einfache Probleme nicht lösen (....) Ein vollständiger Planer muss die Verschachtelung von Handlungen aus verschiedenen Teilplänen innerhalb einer einzigen Sequenz ermöglichen. Der Begriff der serializable subgoals (Korf, 1987)(9) entspricht genau dem Set von Problemen, für welche die nicht-verschachtelten Planer vollständig sind. Eine Lösung für das Verschachtelungsproblem war das goal-regression planning, eine Technik, bei der Schritte in einem vollständig geordneten Plan neu geordnet werden, um Konflikte zwischen Teilzielen zu vermeiden. Dies wurde von Waldinger (1975)(10) eingeführt und auch von Warrens (1974)(11) WARPLAN verwendet.
Partial Ordering: Die Ideen, welche dem Partial-Order Planning zugrundeliegen, umfassen die Erkennung von Konflikten (Tate, 1975a)(12) und den Schutz der erreichten Bedingungen vor Störungen (Sussman, 1975)(13). Die Konstruktion von teilweise geordneten Plänen (damals noch Task-Netzwerke genannt) wurde vom NOAH-Planer (Sacerdoti, 1975(8), 1977(14)) und von Tates (1975b(15), 1977(16)) NONLIN-System vorangetrieben. Partial-order planning dominierte die nächsten 20 Jahre der Forschung (...).
State-space planning: Das wieder auflebende Interesse an State-space planning wurde durch Drew McDermotts UNPOP-Programm (1996)(17) vorangetrieben, das als erstes die ignore-delete-list heuristic vorschlug (...). Bonet und Geffners Heuristic Search Planner (HSP) und seine späteren Derivative (Bonet und Geffner, 1999(18); Haslum et al., 2005(19); Haslum, 2006(20)) waren die ersten,
Norvig I 395
welche state-space search praktisch für große Planungsprobleme machten. Der bisher erfolgreichste state-space searcher ist FF (Hoffmann, 2001(21); Hoffmann und Nebel, 2001(22); Hoffmann, 2005(23)), Gewinner des AIPS 2000 Planungswettbewerbs. LAMA (Richter und Westphal, 2008)(24), ein Planer auf Basis von FASTDOWNWARD mit verbesserter Heuristik, gewann den Wettbewerb 2008. >Umwelt/Welt/Planung/Norvig. Siehe auch McDermot (1985)(25).


1. Fikes, R. E., Hart, P. E., and Nilsson, N. J. (1972). Learning and executing generalized robot plans. AIJ,3(4), 251-288
2. Michie, D. (1974). Machine intelligence at Edinburgh. In On Intelligence, pp. 143–155. Edinburgh
University Press.
3. McDermott, D. (1978a). Planning and acting. Cognitive Science, 2(2), 71-109.
4. Fikes, R. E. and Nilsson, N. J. (1993). STRIPS, a retrospective. AIJ, 59(1–2), 227-232.
5. Newell, A. and Simon, H. A. (1961). GPS, a program that simulates human thought. In Billing, H.
(Ed.), Lernende Automaten, pp. 109-124. R. Oldenbourg.
6. Ghallab, M., Howe, A., Knoblock, C. A., and Mc-Dermott, D. (1998). PDDL—The planning domain definition language. Tech. rep. DCS TR-1165, Yale Center for Computational Vision and Control
7. Gerevini, A. and Long, D. (2005). Plan constraints and preferences in PDDL3. Tech. rep., Dept. of Electronics for Automation, University of Brescia, Italy
8. Sacerdoti, E. D. (1975). The nonlinear nature of plans. In IJCAI-75, pp. 206-214.
9. Korf, R. E. (1987). Planning as search: A quantitative approach. AIJ, 33(1), 65-88
10. Waldinger, R. (1975). Achieving several goals simultaneously. In Elcock, E. W. and Michie, D.
(Eds.), Machine Intelligence 8, pp. 94-138. Ellis Horwood
11. Warren, D. H. D. (1974). WARPLAN: A System for Generating Plans. Department of Computational
Logic Memo 76, University of Edinburgh
12. Tate, A. (1975a). Interacting goals and their use. In IJCAI-75, pp. 215-218.
13. Sussman, G. J. (1975). A Computer Model of Skill Acquisition. Elsevier/North-Holland.
14. Sacerdoti, E. D. (1977). A Structure for Plans and Behavior. Elsevier/North-Holland.
15. Tate, A. (1975b). Using Goal Structure to Direct Search in a Problem Solver. Ph.D. thesis, University of Edinburgh.
16. Tate, A. (1977). Generating project networks. In IJCAI-77, pp. 888-893.
17. McDermott, D. (1996). A heuristic estimator for means-ends analysis in planning. In ICAPS-96, pp.
142-149.
18. Bonet, B. and Geffner, H. (1999). Planning as heuristic search: New results. In ECP-99, pp. 360-372. 19. Haslum, P., Bonet, B., and Geffner, H. (2005). New admissible heuristics for domain-independent planning. In AAAI-05.
20. Haslum, P. (2006). Improving heuristics through relaxed search – An analysis of TP4 and HSP*a in the
2004 planning competition. JAIR, 25, 233-267.
21. Hoffmann, J. (2001). FF: The fast-forward planning system. AIMag, 22(3), 57-62.
22. Hoffmann, J. and Nebel, B. (2001). The FF planning system: Fast plan generation through heuristic search. JAIR, 14, 253-302.
23. Hoffmann, J. (2005). Where “ignoring delete lists” works: Local search topology in planning benchmarks. JAIR, 24, 685-758
24. Richter, S. and Westphal, M. (2008). The LAMA planner. In Proc. International Planning Competition at ICAPS.
25. McDermott, D. (1985). Reasoning about plans. In Hobbs, J. and Moore, R. (Eds.), Formal theories of the commonsense world. Intellect Books.

Norvig I
Peter Norvig
Stuart J. Russell
Artificial Intelligence: A Modern Approach Upper Saddle River, NJ 2010
Systemtheorie Weizenbaum I 322
Systemtheorie/Forrester/Weizenbaum: J. W. Forrester vom MIT, der geistige Vater der „kybernetischen Systemtheorie“ bemerkte vor einem US-Kongresskomitee (J. W. Forrester Testimony before the Subcommitee on Urban Growth oft he Committe on Banking and Currency oft he United states House of representatives, given in Washington, D.C., Oct. 7, 1971, 91. Congress, 2nd Session, Part III, p 205-265): These: dasd menschlichen Denken ist nicht geeignet, das Verhalten sozialer Systeme zu erklären. WeizenbaumVsForrester: er behauptet also, die Art und Weise, wie Plato, Spinoza, Hume, Mill, Gandi und viele andere über soziale Systeme nachgedacht haben, der Methode der Systemanalyse unterlegen seien. Laut Forrester besteht das Problem darin, dass das menschliche Denken auf Denkmodellen beruht.
Forrester: ein Denkmodell ist unklar. Es ist unvollständig. Es ist ungenau formuliert. Außerdem verändert sich ein Denkmodell in einem Individuum mit der Zeit und sogar im Ablauf einer Unterhaltung…Die Ziele sind unterschiedlich und bleiben unausgesprochen.
I 324
Forrester/Weizenbaum: behauptet, bei Computersystemen sei im Gegensatz zu sozialen Systemen die Unsicherheit völlig beseitigt. Es gäbe aber einige Verhaltensweisen, die „erwünschter“ als andere sind. Wie werden sie ermöglicht? Forrester: sie sind wohl nur möglich, wenn wir über ein richtiges Verständnis der Theorie dynamischer Systeme verfügen und bereit sind, uns der Selbstdisziplin zu unterziehen und die Zwänge zu ertragen, die die erwünschte Verhaltensweise begleiten müssen.
WeizenbaumVsForrester/WeizenbaumVsSkinner/WeizenbaumVsSimon: in dem Zusammenhang, in dem Forrester die Ausdrücke „System“ und „dynamisch“ gebraucht, ist der einzige Weg zur Gewinnung jenes Verständnisses, das allein zu „erwünschten Verhaltensweisen“ führt, die Methode einer „wissenschaftlichen Analyse“ nach Forrester (oder Skinner oder der General Problem Solver (siehe A. Newell/H. A. Simon).
I 325
WeizenbaumVsForrester: für Forrester besteht die Welt buchstäblich aus lauter Rückkopplungsschleifen.
I 327
Bedeutung/Systemtheorie/WeizenbaumVsForrester: an den von uns untersuchten Systemen hat sich eindeutig gezeigt, dass Bedeutung völlig in Funktion transformiert worden ist.

Weizenbaum I
Joseph Weizenbaum
Die Macht der Computer und die Ohnmacht der Vernunft Frankfurt/M. 1978
Ziele Gärdenfors I 63
Ziele/Intention/Absicht/Spracherwerb/Semantik/Gärdenfors: um Intentionen zu repräsentieren, muss das Ziel bereits repräsentiert sein.
I 64
Begriffsraum/Semantischer Bereich: kann ein Produktraum des physischen Raums mit sich selbst sein. Das Ziel ist dann ein Vektor mit den Endpunkten Agent und angestrebtes Objekt, bzw. deren Lokalisierung. Vektoren: Zielvektoren können abstrakter sein als Bewegungsvektoren. Sie können in allen semantischen Bereichen definiert werden. Der klassische Fall ist Newell und Simons (1972)(1) General Problem Solver. Die Zielräume können als metaphorische Übertragungen des physikalischen Raums angesehen werden, wobei der Schlüsselbegriff immer noch der Abstand ist.
Räumliche Metaphern: sind allgegenwärtig in unserer Alltagssprache. Siehe Lakoff & Johnson (1980)(2).


1. Newell, A., & Simon, H. (1972). Human problem solving. Englewood Cliffs, NJ: Prentice-Hall.
2. Lakoff, G., & Johnson, M. (1980). Metaphors we live by. Chicago: University of Chicago Press.

Gä I
P. Gärdenfors
The Geometry of Meaning Cambridge 2014