witscore

Das Verhalten der Menschen die heute leben, wurde an den Erfahrungen in der Umgebung geprägt, in der sie bestehen müssen, die immer stärker von Misstrauen geprägt ist. Das erfordert andere Maßnahmen und stellt auch andere Optionen bereit als eine Umgebung gegenseitigen Respekts und Vertrauens. Rücksichtslosigkeit und emotionale Defizite waren Erfolgsfaktoren, doch leider machen emotionale Defizite auch ein wenig Vorschnell in Entscheidungen, weil das Gehirn nun mal ein Informationssystem ist, das mit Werten abwägt, und das hat immer was mit unseren Beziehungen zur Umgebung zu tun, seien sie nun da oder nicht. Es ist unangebracht, Effektivität (begünstigt durch Gewöhnung, Gefühlsarmut und Automatisierung) mit Intelligenz zu verwechseln.

So gut wie alles was wir nicht wirklich brauchen und uns dennoch – durchaus mit Gewalt, auch wenn wir uns an deren Anwendung so sehr gewöhnt haben, dass wir sie nicht mehr als Gewalt empfinden – herausnehmen, schädigt die Umwelt, anderes Leben und nicht zuletzt uns selbst. Wir haben es bisher nicht geschafft, eine nachhaltige Überdauerungsstrategie zu erarbeiten. Seit Erfindung des Verstandes gefährdeten wir uns und unsere Lebensumgebung zunehmend stärker, griffen wir immer massiver ins Ökosystem ein (warum also sollten wir nicht auch Einfluss auf das Klima haben?), mit verheerenden Effekten. Der Babyboom in Deutschland bleibt trotz Elterngeld aus. Ja kaufen wir denn unsere Kinder jetzt auch schon oder was? –

Nein, es ist nur einfach offensichtlich (fürs Gehirn eher noch als für unseren Verstand), dass wir den Babys die heute geboren werden, keine erfreuliche Zukunft in Aussicht stellen. Die Erde nimmt keine Zinsen, was wir im Voraus beziehen (ohne Not), regeneriert sich nicht mehr. Fooddesign- und Chemiekonzerne brauchen eigentlich nur noch aufs Absahnen zu warten, wenn ihre größte Konkurrenz, die Natur, am Boden ist, wozu sie auch gleich mit beitragen. Künstliche Vitaminzusätze, Nahrungsergänzungen und andere Kontaminationen unserer Ernährung stimmen uns schon mal auf die vollkommene Abhängigkeit von ihren Interessen ein – Worst-Case, der Mensch als total abhängiger Konzernsklave – wie weit sind wir davon wohl weg?

Entscheidern fällt es offensichtlich sehr schwer, anders als im bisher angewandten wirtschaftlichen Schema zu denken. Darauf Überlebensvorteile in Geld zu berechnen sind wir von Kindesbeinen an konditioniert worden, es ist jedoch keine natürliche Realität. Die Frage, wie etwas finanziert werden kann oder was in Geld dabei rausspringt versperrt zunehmend die Sicht auf die Frage, worauf es ankommt. Menschen sollen, ja müssen versorgt werden, und das tun sie jetzt schon füreinander, ob ihnen das bewusst ist, dann werden sie sich mehr investieren, oder nicht, dann wird eben nur Zeit abgearbeitet.

Denke ich statt in Geld in Nutzeinheiten die Menschen kreuz und quer miteinander austauschen, bestärkt das meine Vorstellung, dass ein Wirtschaftssystem auch anders funktionieren kann, und vor allem nachhaltiger. Das bisherige lineare Vorgehen basierte darauf, dass einer was bekommt, und einem anderen dafür Geld gibt. Doch die Linie die da nur gesehen und verfolgt wird, ist der Faden in einem großen, weltweiten Netz. Die Auswirkungen bleiben daher nicht auf diese eine Linie beschränkt, sondern breiten sich über das ganze Netz aus, wo sie früher oder später auch wieder den Weg zurück zu einem selbst finden – durch Missanerkennung dessen was man anrichtet zum Beispiel.

Für das gesamte Netzwerk spielt es eine untergeordnete Rolle, wer was von wem bekommt, sondern nur, dass die Verteilung von Nutzeinheiten flächendeckend funktioniert und nachhaltig erfüllt wird, und dafür müssen sehr, sehr viele Voraussetzungen erfüllt werden (sowohl unsere Lebensumgebung als auch wir sind hoch komplex, scheitern kann man aber schon an einem einzigen Aspekt!). Wem geholfen wurde, kann diese Hilfe beliebig und nach Bedarf, nicht nach Kaufkraft, weitergeben. Nutzeinheiten sind alles, was das Wohlbefinden steigert (ohne mittel- und langfristig das Gegenteil zu bewirken), also auch sozialer Umgang, Freundschaft, Liebe – im Besonderen sogar. Das nie erlebt zu haben und sich nicht einmal vorstellen zu können ist eine Wissenslücke. Wissen besteht nicht nur aus Worten und Ziffern, nein, es ist um ein Vielfaches mehr.

Rechnerisch ist unschwer zu erfassen, dass viele Menschen mehr geben als sie bekommen, sonst könnten nicht manche stinkreich sein, während andere verhungern. Wie weit einer sich dann zurücklehnen und von sich sagen kann, er habe sich das ganze Geld verdient, mag jeder für sich selbst abwägen. Ich könnte es nicht – aus emotionalen Gründen. Natürlich ist das subjektiv, aber was daraus an Aktivitäten hervorgeht, ist dennoch real. Wäre da ein Mensch, der alles Geld der Welt besitzt, dann müsste es im Gegenzug ja allen Menschen gut gehen, damit die Rechnung, der Verdienst, tatsächlich stimmt. Wetten, dass es sich so keineswegs verhalten würde?

Unser Gehirn ist flexibel, so dass es ein Leben lang lernfähig bleibt. Wir können rechnen lernen, lesen schreiben, programmieren, aber wir können noch viel mehr, wir können ein Bewusstsein bilden, und wenn wir es bilden können, dann können wir es auch verändern.

Die Befassung mit künstlicher Intelligenz hat mein Denken maßgeblich verändert, aus dem einfachen Grund, weil es das Denken für mich nachvollziehbar machte. Wir haben noch nicht mal die Ahnung einer Vorstellung, was noch alles für uns drin sein kann. Stattdessen gaben wir uns mit Schwabbelbäuchen und Territorialmarkierungen Dritter in unseren Gehirnen zufrieden. Die Verkürzung des Weges Reiz – Triebhandlung ist immer weniger mit Erfüllung verbunden, weil dazu mehr gehört, als sich nur mal was in den Schlund zu stopfen. Das hat uns nur immer hungriger werden lassen. Die Grenze die wachsende (kompensierende) Gier zu stillen ist längst überschritten. Es ist also nicht mal so, dass wir die Wahl hätten.

Dass Menschen sich verändern können, haben sie in der Vergangenheit immer wieder bewiesen. Es geht schon daher anders, weil es immer mehr Menschen gibt, die es sich anders vorstellen können. Vernetzung steigert die Intelligenz, das ist unvermeidlich.

… und was ist “Bedeutung” überhaupt?

Die problemübergeordnete Intelligenz, zu der Menschen fähig sind, ist in der maschinellen Umsetzung zwar nicht ungelöst, findet aber auf Kosten der Verarbeitungsleistung statt, die gar nicht hoch genug sein kann um komplexere Anforderungen zu erfüllen. Das liegt am progressiv ansteigenden Aufwand, jeden Sachzusammenhang zu analysieren und zu bewerten, ihn also zu trainieren, z.B. im Neuronalen Netz oder vergleichbaren (genetische) Konstruktionen zu prägen. Für den Umstand ursächlich ist, dass die Maschine in die Verarbeitung nur dürftig einbeziehen kann, was bedeutend ist, also relevant. Dem würde sie sich z.B. gezielter zuwenden können, statt alle Aspekte gleich zu behandeln und zu verfolgen, wie sie es im Moment tut. Relevanz ist schließlich auch der Schlüsselwert in Neuronalen Netzen. Neuronen feuern, wenn ein Aktionspotential getroffen oder überschritten wird, geben so Information an nachgeordnete weiter.
Ohne Kognition ist die Relevanz nur prägbar und das nicht mal besonders sicher, weil sich nicht gut differenzieren lässt, welche Bestandteile eines Herleitungsstrangs ein richtiges oder falsches Ergebnis begründen. Darum erhöht bzw. verringert man die Relevanz aller beteiligten Aspekte. Entsprechend unscharf ist die Bewertung dann. Nach höherem Trainingsaufwand differenzieren die Neuronennetze selbst nicht mehr gut genug und werden betriebsblind. Das natürliche neuronale Netz hat an dieser Stelle eine Prägungsfunktionalität durch Rückkopplung, der man langsam auf der Spur ist.

Für ein biologisches Wesen ist definiert, was grundsätzlich relevant ist. Seine Funktionalität basiert auf Entwicklung und darin eingebettet darauf, der Umgebung zu entsprechen, damit diese es zumindest akzeptiert, besser noch begünstigt. Es sind die gegeneinander gerichteten Bedeutungsaspekte “Bestand” und “Dynamik”, welche es an der Situation flexibel wahrnimmt. Etwas verbleibt oder etwas ändert sich, beides ist nicht gleichzeitig auf denselben Aspekt anwendbar, beides muss aber ausgewogen gewährleistet sein, soll Entwicklung stattfinden. Das Maß des Erfolges stellt an der Situation fest, wie zuträglich oder abträglich ein Verhalten war.

Was für das Wesen selbst relevant ist, definiert (für es) auch, welche Umgebungsaspekte relevant sind. Die grundlegende Feststellung der Bedeutung seiner selbst und der Umwelt ist damit systeminhärent. Mit dieser Tatsache ist zu rechtfertigen, die Qualität Künstlicher Intelligenz daran zu bewerten, wie gut sie dem Menschen entspricht. Zum einen kann er nicht prüfen, ob sie für wichtig nimmt, was wichtig ist ohne das von seiner Einschätzung abhängig zu machen. Andererseits sind daraus resultierende Ergebnisse nur in soweit anerkennenswert, wie es Menschen können. Der Nutzen ist nur der, den Menschen davon haben.

Für Computer sind die Zustände 0 und 1 grundlegend und Software behandelt sie so gut wie gleichwertig, weil sich die komplexen Behandlungen darauf gleichwertig beziehen. Es ist also die Software gefordert, im Computer zu verankern, was bedeutsam ist, jedes Programm tut es im Rahmen seiner Arbeitsweise. Das ist aber nur im Anwendungsrahmen gültig und nicht zu verallgemeinern, bis auf ein paar grundlegende Aspekte, die auf Prozessorebene und so tief integriert sind, z.B. “größer als”, “kleiner als” und “gleich”. Damit ist selbst für das Rechending zwar nur aber schon recht gut abgebildet, wie man lernen kann, nämlich durch Differenzierung (Analyse) um das Ergebnis zu abstrahieren und anzuwenden (Entsprechung/Synthese).

Solche Prozesse fanden auch in der Natur statt, bevor (wodurch) sie selbstlernende Wesen hervorbrachte. Sie prägte, was in seiner Umgebung beständig ist, indem sie übrig ließ, was auf die wechselnden Bedingungen nicht nur flexibel sondern auch erfolgreich reagieren und darin agieren konnte. Der Prozess der Entwicklung machte das möglich, natürliche Auslese ist Differenzierung im Rahmen von Entsprechung. In den lernenden Wesen findet diese Entwicklung nicht mehr allein dadurch statt sondern in ihren Köpfen bei der Prägung der neuronalen Strukturen. Dort wird ebenfalls vernachlässigt (manchmal eliminiert), was auf Dauer unnütz wurde, weil es entweder nach geänderten Bedingungen obsolet war oder durch Tauglicheres ersetzt wurde, das hinzu kam. Im künstlichen Neuronalen Netz ist Konsolidierung nicht vorgesehen. Man arbeitet aber daran.

Schon vorher nahm jedes Wesen als bedeutend wahr, was es in seine Funktionalität einbezog. Das Wasser z.B. in dem es entstand und das hindurch fließt, verkörpert Bestand und Dynamik in sehr ausgewogener Weise. Computer können mit Wasser nur schwer umgehen, verwenden es heute immerhin zur Kühlung. Die Wesensmerkmale des Stoffs verkörpern darum universeller, was Bedeutung hat, als der Trieb (Durst). Computer haben keinen.

Ausgewogenheit

ist ein Relevanzmerkmal, das unsere künstlichen Intelligenzen zu schlecht wahrnehmen, was darin resultiert, dass sie auf multipler Ebene bis zum Exzess (Überlauf) schwingen, selbst oder gerade wo Kontrolle versucht wird. Das Streben zu Harmonie ist hingegen im Verhalten jedes Lebewesens zellular realisiert, weil es ihm auf die Anpassung an die Umgebungsbedingungen ankommt. Zwischen ihm und ihnen muss zumindest in soweit Harmonie vorherrschen, dass der Bestand und seine Dynamik akzeptiert ist und die Umgebungsbeeinträchtigung im Rahmen dessen bleibt und erhält, worauf das Wesen angewiesen ist.

Jeder Trieb im Lebewesen ist ein Relevanzmerkmal, weil er darstellt, worauf es beiden ankommt. So wie Wasser das Merkmal der Harmonie in sich trägt, birgt es noch weitere und auch alle anderen Triebe lassen sich nicht nur direkt auf Bestand und Dynamik herunter brechen sondern auch in einem übergeordneten Kontext und trotzdem scharf dorthin abstrahieren:
- Wasser -> Transparenz, Klarheit, Wahrheit, Wirklichkeit -> Bestand
- … , Wirklichkeit, Folgerung, Anwendung, Potential -> Dynamik
- Nahrung -> Betriebsstoff, Energie -> Dynamik
- ———> Baustoff -> Bestand
Sexualität -> Replikation -> Bestand
- ———-> Symbiose, Synergie -> Dynamik
Freiheit -> Entfaltungsraum -> Bestand
——— -> Wirkungsraum, Geltungsraum für Potential -> Dynamik

Einige Triebe sind anderen übergeordnet, wie z.B. der Sozialtrieb bei geeigneter Wahrnehmung (Erkennung/ Anwendung) alle Triebe erfüllt. Freiheit zunächst nur bedingt, weil Protokollbindung contra Individualität gegeben ist, andererseits aber Intimität und Geborgenheit ansteigen. Beides erhöht den Freiheitspegel wieder (innerhalb des Schutzraums und der gegenseitigen Gewöhnung/Akzeptanz). Hier wird erkennbar, dass auch die Triebe selbst gegensätzlichen Zielen entsprechen, also ein an der Situation orientiertes ausgewogenes Verhältnis anzustreben ist. Harmonie in der Beziehung zwischen Umgebung und Individuum, sowie darin.

Signifikanz

Beim Training an einer hohen Datenmenge zu allem Überfluss vielleicht auch noch an Messwerten ist Signifikanz schlecht zu ermitteln. Unscharfe und falsche Werte weisen keine auf, darum fallen im Verhältnis signifikant andersartige kaum ins Gewicht. Die Verfahren machen darin keinen rechten Unterschied. Auffällige Abweichungen sind nämlich leicht Messfehler und werden gerne ausgefiltert. Abweichung ist im Rahmen von Differenzierung aber relevant und Auffälligkeit ist erkannte Relevanz höchstselbst. Die Klarheit der Daten ist auf dieser Ebene nicht gewährleistet. Es steht bei den künstlich intelligenten Systemen aber im Vordergrund sehr wohl mit unscharfen Daten umzugehen und Messfehler niedriger zu bewerten oder gar mit den übrigen Daten zu mitteln, wonach alle falsch sind.

Falsifikation

Als falsch Erkanntes, ist für das lernende Wesen relevant, weil in der Praxis schmerzhaft/deprimierend. Die dazu gehörende Datenlandschaft wird in der KI aber nicht zielgerichtet angewendet. Stattdessen führen die Aspekte zu einer groben Relevanzreduzierung unzutreffender Folgerungen, so dass diese zwar nachrangig als Lösungsergebnis herangezogen werden, nicht hingegen zur übergreifenden Filterung ergebnisstimmiger Folgerungslogik. Stattdessen bleibt das System ungehindert, beides weiterzuverfolgen. Kommen unscharfe oder womöglich fehlerhafte Daten dazu, ist Falsifikation nicht treffsicher vorzunehmen. Sie würde dann bei der Analyse hemmen, weil falsch anmutet, was bei korrekter Messung richtig wäre. (10^-129 < => 0).

Simplifikation

Ist bereits gelöst, einfache Wahrheiten sind schlagkräftig und breitbandig anwendbar, darum relevant. Im Dienste des zu minimierenden Aufwands geht das quasi von alleine so. Datamining kann so etwas durch hartes Clustering erreichen. Die Ergebnisse sind aber noch unbefriedigend, weil sie auf der Hand liegen. Höhere Analyse ist an der Datenmenge wieder aufwändig, braucht Rechenzeit, müsste selektiver sein. Falsche, zumindest fehlerhafte und unscharfe Daten helfen dabei auch nicht gerade.

Kognition, ist auf korrekte und scharfe Daten angewiesen. Darum müssen wir zwischen Mustererkennungssystemen und maschineller Kognition unterscheiden. Der Mensch vereint beide Systeme mit seinem Verstand, der selektiv ist. Die Mustererkennung braucht er einerseits weil von dort die Werte kommen. Andererseits sollte er für die weitere Analyse nur relevante und stichhaltige Daten heranziehen. Sonst führt sie ihn in ein weites virtuelles Feld, dessen Ausbeutung den Aufwand nicht rechtfertigt, kreativ ist. Relevanzmerkmale sind der Schlüssel dazu. Davon gibt es noch viele mehr, von denen die Philosophie schon einige erhob. Allerdings hängen sie zum Teil voneinander ab oder führen zueinander, sind ambivalent, wie die biologischen Triebe.

Kognitionssysteme trainieren anders als bisherige Technologien und ihre Ergebnisse sind in anderer Weise nützlich. An den Stellen, an denen wir selbst genug wissen, können wir sie um den Erfahrungsstand bereichern. Mustererkennungssysteme bieten dafür keine Ansätze, wir wüssten nicht wo und wie. Wir könnten ihnen die Begleitinformationen zum freien Einbau anbieten. Noch mehr unzugeordnete Daten helfen ihnen aber nicht. Sie zu ordnen setzt voraus, das Ordnungssystem des Netzes zu bedienen, worüber wir wenig bis gar nichts wissen.
Kognitionssysteme können auf ihren Ergebnissen aufbauen, sich entwickeln. Mustererkennungssysteme sind darin beschränkt. Die Ergebnisse lassen sich nicht auf wesentliche Schlüsse reduzieren und modularisieren. Damit ist der progressive Aufwand deutliches Hemmnis.

Abstraktion

Ergebnisse in Überordnungen zu führen und daraus den Daten wieder neue Erkenntnisse zu entnehmen, wo sie dann Übereinstimmungen oder Signifikanz aufweisen ist ebenfalls nur möglich, wenn der Datenmatsch klarer ist, als bisher. Das Konzept der Entwicklung, also sichere Erkenntnisse überhaupt erlangen zu können um darauf aufzubauen, andere Daten davon zu unterscheiden z.B., ist mit den bisherigen Methoden nicht gangbar. Die können nur von Rechenkapazitäten profitieren und das nur schwach, weil der Aufwand mit den Daten progressiv ansteigt.

Da die Simulation eines Ladungsflusses immer langsamer ist, als der selbst, wird erst auf die Funktionalität ausgerichtete Hardware einen ausreichenden Leistungshintergrund bieten, so nah an die menschliche Informationsverarbeitung zu gelangen, wie es geplant war. Aber es ist möglich. Ein erster Schritt könnten Hardwareeinheiten sein, die ihre Zustandspegel nicht auf 0 und 1 reduzieren müssen um noch genau und sicher zu verarbeiten (analoge). Auf dem Sektor haben wir einige Entwicklung vollzogen, die sich in jüngster Technologie manifestierte und noch weiter führen kann. Von der anderen Seite steuern Quantencomputer auf uns zu, die nicht nur massiv gesteigerte Geschwindigkeit versprechen sondern potentiell die Betrachtung ambivalenter und zirkulärer Beziehungen in höherer Auflösung oder Dichte erlauben. Gegenwärtig versuchen wir noch, ihnen das Rechnen mit 0 und 1 beizubringen. Sie wären zu mehr in der Lage, aber wir müssen auf dem aufbauen, was wir haben, kennen und gut können — Entwicklung eben.

Solange wird maschinelle Kognition vor allem in der Mathematik zur Anwendung kommen, die klare Daten und einen konkret mitteilbaren Funktionshintergrund vorweisen kann, an dem trainiert wird, richtige von falschen Ergebnissen detailgenau unterscheidet statt gutzuheißen, was sich in einem annehmbaren Rahmen bewegt. Daraus wird das System Erkenntnisse ableiten können, die uns noch nicht vorliegen, zu ungelösten Problemen und Fragestellungen beispielsweise. Das ist konstruktive wenn auch nicht kreative Intelligenz jenseits menschlicher und so weit leistungsfähiger als die. Weil der Computer in vielem effektiver arbeitet als ein Mensch. Er vergisst nichts, bleibt an der Aufgabe konzentriert, ist genügsam und stets so detailgerecht und korrekt, wie es die Daten sind.

Einerseits sind mathematische Zusammenhänge für den Rechenknecht besonders gut zu verarbeiten und andererseits nehmen wir Menschen heute die schlüssige Feststellung dessen was sich zuträgt ebenfalls mathematisch vor. Das ist die Schnittstelle zwischen maschineller Kognition und ihrer praktischen Anwendung.

Dass wir oft genug mit unscharfen Daten umgehen müssen ist ein Tribut an unsere Fehlbarkeit, unser Informationsdefizit und der Unzulänglichkeit der Messgeräte. Die These ist, dass die Umgebungsinformation zwar scharf ist, uns aber nur vermischt vorstellig wird. Dann liegt in den Daten nicht Kontamination vor sondern Unfähigkeit bei der Messung und Ahnungslosigkeit bei der Interpretation. Die Antithese ist für die Anwendung hingegen mit Gödel und Heisenberg recht gut belegt.

Dass auch unter solchen Umständen Kognition gelingt, beweisen Menschen, deren Feststellungen mit “Irgendwie” beginnen respektive auf “, oder so.” enden. Das sind keine scharfen Daten und dennoch entwickeln sie sich und ihre Umgebung daran.

An unsere Datenverarbeitungsanlagen richten wir andere Ansprüche. Sie können uns kein Bild malen, das wir intuitiv auswerten, ein Lied singen oder das Ergebnis ihrer Auswertung lyrisch vortragen. Hier wie dort sind die Genauigkeit und die Treffsicherheit der Ergebnisse von derselben Qualität der Daten abhängig, die sie für die Analyse heranziehen. You only get out, what you input.

Biologische Wesen die nunmal mit den unscharfen Daten ihrer Sensoren umgehen müssen, wenden die körperliche Entwicklung an, um Relevanzen eine Chance zu geben. So ist beispielsweise das Sehen beim Neugeborenen unterentwickelt, wodurch visuell von Anfang an nur wahrgenommen wird, was in diesem Rahmen auffällig ist, groß, hell, dunkel. Mit jedem Tag schärft sich die Sicht, Formen werden erkennbar (kantige, runde, spitze, weiche, symmetrische, asymmetrische). Reflektionen (aus hell/dunkel) und Farben kommen dazu . Korrespondierend mit den anderen Sinnen werden weitere Merkmale auf den Sichteindruck appliziert, Distanzen und Materialbeschaffenheit z.B. mit dem Gehör und dem Tastsinn.
Alle, was neu erlebt wird, ist relevant, weil neu (->Neugiertrieb). Es ist gegen die bisherige Erfahrung alleingestellt betrachtbar, weil und worin es sich von ihr unterscheidet. Bekannte Merkmale sind angenehm, weil vertraut. Differenzierung und Entsprechung finden in diesem Rahmen statt. Die Daten klären sich. Später werden sie mit Symbolen versehen (benannt), wobei jeder Aspekt bereits mindestens ein Symbol hatte, ein Neuron im Hirn, das feuert, wenn der (mithin zusammengesetzte) Reiz eintrifft.

Solchem Vorgehen der Entwicklung kann in den uns vorliegenden KI-Systemen kaum gezielt Rechnung getragen werden. Wir können sie nicht an simplen und weichen Daten trainieren und die Ansprüche immer höher schrauben. Die Kapazitäten würden volllaufen und der Prozessaufwand nicht leistbare Ausmaße annehmen, bis sie etwas Nützliches können. Sie beziehen sich nicht auf das Wesentliche, das, worauf es ankommt. Dadurch können sie es nicht extrahieren, nicht verständlich kommunizieren, nicht modularisieren, nicht verwerfen und nicht klar genug abstrahieren.

Warum schreibe ich das alles?

Wenn wir eine so klare Vorstellung davon hätten, wie maschinelle Kognition stattdessen funktionieren muss, hätten wir sie bereits. Indem wir ermitteln, worauf es Menschen im Grunde ankommt bewegen wir uns nicht nur auf dieses Ziel zu sondern erfahren dabei auch jede Menge über uns selbst. Den Menschen mechanistisch zu analysieren (als etwas das funktioniert) mag zwar nicht die angemessene Betrachtungsform sein, es ist aber die einzige, die
- Folgerungen,
- Anwendungen sowie
- konkrete,
- detailgerechte und so
- kommunizierbare Erkenntnisse
verspricht. Daran sind wahrscheinlich alle interessiert, die sich in dieser Gruppe einfanden. Ich hoffe dazu beitragen zu können.
Bedeutung ist der Kern sowohl maschineller als auch natürliche Intelligenz, denn nur was keine hat ist zu vernachlässigen. Je besser wir ihn verstehen, umso besser verstehen wir uns. So wie uns die Tatsache, dass alles eine Bedeutung hat (Chaostheorie) unsere Einschätzungsbandbreite erhöhte und die Humanität auch. So sind die im Weiteren zu klärenden Fragen: Was wofür und wer für wen?

Als einzelner Mensch bin ich einerseits trotz und andererseits wegen der Interdisziplinarität meiner Sichtweise fehleranfällig und meiner Biologie ausgesetzt.
Vieles weiß ich nicht oder nicht genau genug und unterliege dann Irrtümern.
Anderes verstand ich falsch oder unzulänglich.
Weiteres erschließt sich meinem Betrachtungsmodell nicht von alleine (Emergenz).

Also bin ich wie alle auf Austausch angewiesen, der das Datenbild klärt, verfeinert und auf Bestätigung, Abweisung und Korrektur wo ich richtig bzw. falsch liege.

Fühl Dich dazu eingeladen. Das hier ist nur ein grober Umriss eines detaillierteren und umfassenderen Hintergrunds, aus dem ich noch beisteuern kann. Im Austausch und in Grenzen, versteht sich :-)

Fragen leiten die Überlegungen auch in neue Richtungen, legen sie breiter oder spezifischer aus, klären Unschärfe und vieles mehr. Also:

Ist Relevanz (Bedeutung) als bisheriges Manko und künftiger Schlüssel bei der Ermittlung natürlicher und maschineller Kognition anzuerkennen und anwendbar?
Wenn das schon so lange bekannt ist, warum nahm man sich nicht genau der Frage an?
Worin bestehen demnach die Hemmnisse, was müssen wir dazu klären, was fehlt uns noch?
Mit welchen Methoden sind die Erkenntnisse für die menschliche und die maschinelle Entwicklung umsetzbar? Oder wie und wo sind sie bereits integriert (Nash/Regulierende Dynamik, Genetische Algorithmen)?
Kann jemand auf Philosophen/Wissenschaftler und deren Werke verweisen, die in diesem Zusammenhang auskünftig oder hinweislich sind?
Ist das Thema überhaupt interessant und für wen? Muss ich dazu etwas an der Vortragsweise ändern? Ist das alles zu hoch oder zu flach?
Weitere Fragen?

Ein Nebeneffekt der Sprachentwicklung war, dass sie eine Art Programmierschnittstelle zwischen den Menschen schuf, in der die Gewichtung immer stärker auf die Symbolik gelegt wurde. Daher streiten sich Menschen heute um die Wahrheit in ihren Vorstellungen und übersehen dabei, dass es immer noch auf die Wahrheit ankommt, die in den Wirkungen liegt. Auf sein Inneres zu hören wäre der beste Schutz gegen Manipulation, doch massenmedial gestützte Mainstreamkompatibilität definiert die *Denk*-Standards, und überschreibt das ureigene Empfinden. Nun ist auch die nicht *normal*, das vergessen wir leicht, wenn wir uns nur den momentanen Ausschnitt der Entwicklungen betrachten.

Intuitives Denken ist nonverbal, datendicht und unmittelbar an den Werten angesiedelt. Es in Worte zu fassen ist Übersetzungsarbeit und Reduktion. Durch KI-Forschung und Rückadaption auf den Menschen wurde mir der Zusammenhang zwischen Werten und Informationsverarbeitung klar. Das machte Intuition für mich sichtbar und konkretisierbar – wenn auch erheblich reduziert, da ich mich nur den relevantesten Aspekten zuwenden kann. Die sind aber eigentlich schon wieder subjektiv, denn ich orientiere mich bei der Auswahl *meiner* Relevanzen am Leitsatz: “keiner verliert, wenn alle gewinnen”, Win-Win weiter gedacht – es auszuweiten ist im Grunde nur eine Frage berücksichtigter Parameter. Neuronale Logik ist wie Mathematik, jedoch mehrdimensional und grundlegender. Grenzen betonieren wir selbst, denn unser Neuronennetz ist anfänglich *nach oben offen*. Ich sehe keine physischen Grund, der es erforderlich macht, den Deckel zu schließen.

Es gibt keinen vernünftigen Grund, sich gegeneinander zu stellen, dafür gibt es nur biologische. Doch niemand kann einfach so abschütteln, dass da ein ganzer Tiergarten in ihm wohnt. Der will gefüttert, bestätigt, akzeptiert, bewegt und gestreichelt werden. Ich denke nicht dass Zwänge oder noch mehr Regulierungen nachhaltige Lösungen sein können. Was nicht freiwillig ist, wird auf Dauer nicht funktionieren.

Nicht von der Hand zu weisen ist, dass alle Überlebensaspekte für unsere Überdauerung relevant sind. Ökonomisches Denken tut so, als wäre es nur Geld. Dies ist aber nur ein Symbol, und dieses Symbol hat den Stellenwert von *Gott* eingenommen. Sich am Versorgungsbedarf der (ihrer Subsistenz verlustig gewordener) Menschen zu bereichern kommt mir heute vor wie (legalisierter) Diebstahl. Mit welchem Recht vereinnahmen Unternehmen Ressourcen und unter Wert bezahlte Potentiale für sich, beuten sie systematisch und vernichtend aus? Nur weil sie sich eine große Menge Geldes angeeignet haben? – Das also macht unsere Interessen, unseren Wunsch diese Welt für unsere Nachkommen zu erhalten, weniger wert als deren Wunsch, sich über alle Maßen zu bereichern? Was sie sich da herausnehmen, steht doch in keiner Relation mehr zum Nutzen für die Menschheit.

Wir brauchen wieder echte Unternehmer, keine Luftblasen die nur noch Gelddruckmaschinen sind. Arbeitslose müsste es nicht geben – jeder kann was tun, alleine Gesetzgebung und Auflagen behindern besonders die Kleinen. Wer was leisten will, wird mit Einschränkungen und Substanzentzug bestraft, und “gefördert wird nur, wer schon Geld hat” (Zitat, Innovationsförderungsberatung). Die Konzentration von Potentialen und Entscheidungsgewalt verteilt auf wenige bewirkt (ähnlich wie es parallel dazu in unseren Gehirnen stattfindet) eine Ausdünnung der emotionalen-sozialen Vernetzung. Wenige entscheiden über die Geschicke von mehr Menschen als ihr Gehirn sozial verwalten kann, weshalb der Sozialtrieb dann nicht mehr zur Geltung kommt. Wir sind denen egal…

Je weniger Werte in Entscheidungen einfließen, umso höher sind diese im Einzelnen gewichtet, und ist die Einzelwirkung, und umso schneller wird was wir mit wachsendem Fortschritt verwechseln. *Wirtschaftliches Denken* ist Reduktion auf einen einzigen *Wert*, was den Veränderungsprozess durch dessen Übergewichtung (isolierte Entwicklung, linear, progressiv dynamisch, alles mitreißend, da ja nach wie vor alle Aspekte miteinander verbunden sind, auch wenn wir diese isoliert betrachten und behandeln) extrem beschleunigt. Zu viel Dynamik zerstört was besteht. Bestandhaftigkeit bedarf der Berücksichtigung aller Überlebensaspekte > verteilte Relevanzen, Risikostreuung, Vielfalt.

Wir orientieren unser Streben an einem Geldsystem, das derzeit gegen die Lebensumgebung wirkt. Wie müsste es beschaffen sein, um diesen bedrohlichen Gegensatz aufzuheben? – Auch das verrät uns bereits unsere eigene Natur. Es dürfte kein Selbstzweck mehr sein, sondern ein Indikator für geschaffenen Nutzen > gemessen an der Qualität und Nachhaltigkeit des Ergebnisses. Ausschüttung als Selbstzweck ist Suchtverhalten. Es wirkt sich destruktiv auf das Leben und Umfeld des Betroffenen aus. Was gerade mit der Welt passiert, spiegelt es wider. Das ist wohl effektiv, aber nicht intelligent (messen wir Intelligenz doch einfach mal an der Summe allen Glücks [ganzheitliches Wohlbefinden] der Menschheit). Spürst Du hier den Widerspruch? – Ein glücklicher Mensch wäre ein schlechter Fütterer der Wirtschaft. Die Wahrheit ist nun mal, nur Bruchteile von dem was sie produziert brauchen wir wirklich, immer mehr ist nur noch dafür gut, undifferenzierte Insuffizienzeindrücke (Sehnsucht, da füllen vorherrscht statt Erfüllung) kurzfristig zu erschlagen – nicht einfach nur für Geld, nein – auf Kosten der Ressourcen anderer, unserer eigenen von morgen.

An Kenntnissen fehlt es nicht. Allerdings habe ich eine recht bildhafte Vorstellung davon wie schwer es ist, aus tief eingegrabenen Paradigmen raus zu klettern, um endlich die Luft freien Denkens zu atmen. Paradigmen sind wie Programmierung, feste Verdrahtung, da laufen die Denkimpulse (Routinen) bevorzugt entlang. Es ist Schwerarbeit, sie umzulenken, dafür müssen zuerst emotionale Barrieren fallen, damit neue Werte in das Denken einfließen können und eine umfassendere Differenzierung erlauben. Ein offener Geist braucht ein offenes Herz (heißt ja auch Trägheit des Herzens UND des Geistes > da besteht tatsächlich ein physischer Zusammenhang). Systematisches Lernen wird vom Gehirn nicht belohnt, Wissen muss erlebt werden, damit das geschieht (AHA-Erlebnisse > “ich denke also bin ich” war m.E. von einer gehörigen Ausschüttung begleitet ;-)). Dann bleibt auch die Motivation da, Wissen eigenständig zu erschließen, offen für neue Eindrücke zu bleiben, und selbstgelenkt zu denken. Das ist eine Entscheidung mit nachhaltigen Folgen, denn ein Zurück gibt es dann nicht mehr, und das ist gut.

IDRS bedeutet intelligentes Datenrelationssystem und bezeichnet eine intelligente Verarbeitungsmethodik auf Computern (maschinelle Kognition) mit deren Entwicklung wir im Frühjahr 2000 begannen

Im IDRS ergibt sich die Gewichtung von Regeln an den Daten, die einander entsprechen. Eine zugeteilte Gewichtung ist nicht vorgesehen, das System stützt seine Erkenntnisse an dem, was ihm vorliegt. Daraus folgt, dass diese Informationen günstiger Weise im Detail stimmig und zutreffend sind. Aus unscharfen und widersprüchlichen Daten gehen ebensolche Erkenntnisse hervor. So arbeitet das IDRS genau nicht, Neuronale Netze tun das. Im Gegensatz zu diesen soll das IDRS seine Schlüsse lesbar mitteilen und nicht nur blind anwenden können.

Liegt eine stimmige, korrekte und umfassende Datenbasis für die Problemstellung vor, gelingt es dem IDRS hingegen solche Eingänge begründet abzuweisen, die den aus den Daten gewonnenen Erkenntnissen (Regeln) nicht entsprechen. Die Methode vereint Anforderungen an die Datenverarbeitung mit den Methoden maschineller Kognition.

Um trotz der Einschränkung flexibel genug mit z.B. Messdaten umzugehen, betrachtet das IDRS alle Informationen sehr feinkörnig, also in hoher Detailauflösung. Wo Fließkommawerte nicht übereinstimmen, trifft es in einem Rahmen auf ihre Ziffernfolgen zu. Das wird erkannt. Hier wie in den bisherigen Technologien verursacht die Komplexität der Werte und ihre Anzahl allerdings einen progressiv ansteigenden Verarbeitungs- und Speicheraufwand. Im Unterschied trainiert das IDRS an untergeordneten Problemstellungen, deren Regelkomplexe in Module überführt und zur Lösung komplexerer Aufgaben einzeln herangezogen werden können. Erkenntnisse Neuronaler Netze können nicht modularisiert werden ohne die komplette (unbekannte) Erkenntnisstruktur und deren Seiteneffekte mitzuschleppen.

Prozesse bringen (im Gegensatz zu Operationen der Mustererkennung und -Entsprechung) grundsätzlich einen so gesteigerten Datenumfang ein, dass ein einzelnes Neuronales Netz für die komplexe Steuerung überfordert ist. Darum setzt man für jeden Steuerungspunkt ein eigenes ein. Um das Verhalten von Personen oder Gesellschaften treffsicher vorherzusagen sind sie nicht geeignet, weil sie dazu Denkprozesse nachvollziehen müssten, die den Entscheidungen zugrunde liegen. Außerdem verfügen sie nicht über die Informationen und deren Interpretation, worauf diese Bewegungen basieren.

Gewissermaßen als Abfallprodukt bei der Erforschung maschineller Kognition wie sie das IDRS anwenden soll, entstand ein Schema womit sich ein System entwickeln ließe, das menschliches Verhalten auf Basis des Willenssystems analysieren und prognostizieren kann. Hintergrund: Zur Anwendung kommen dabei die Ergebnisse aus der Grundlagenuntersuchung, wie “Bedeutung” (Relevanz) durch Computer zu ermitteln und zu erfassen ist um Relevanz beim Bau eines problemspezifischen Folgerungsnetzwerks einzusetzen. In Menschen entstand dieses Bewusstsein im Lauf der biologischen und kulturellen Entwicklung die in der Ambivalenz zwischen “Bestand und Dynamik” beginnt und sich dann immer weiter differenzierte und abstrahierte, biologisch z.B. bis hin zum vorliegenden Triebsystem. Das lässt sich für die Erforschung von Trends nutzen, die im gesellschaftlichen Rahmen eher emotional/intuitiv als rational/logisch zustande kommen und auf die Erfüllung vernachlässigter Wohlbefindensfaktoren gerichtet sind, die das Triebsystem zu wenig speziell wiedergibt.

Das IDRS ist ein Grundsystem, das im Rahmen von Analyse und Synthese Mustererkennung und -vervollständigung bietet und darum als Datenbankserver ausgelegt, der auch (gewichtet) Ergebnisse zurückgibt, die er nicht in Eingangsdaten erhielt. Die Datenform ist so stark vereinfacht, dass damit jede bereits entwickelte höhere (Folgen, Listen, RDBS, XML, …) abbildbar ist. Eine Datenübernahme führt bereits auf dieser Ebene zu einer Verdichtung, da kein Wert und keine Zuordnung mehrfach vorkommt. Das ist essentiell für die Analyse und ihre Geschwindigkeit.
Neben den Aufgabengebieten klassischer KI-Systeme und noch weiteren (wie unten) , bietet sich das IDRS für eine neuartige Form der Softwareentwicklung an, die ihre Funktionalität an den Testdaten selbständig generiert.

Testszenarien geben heute Eingangs- und Ergebniswerte vor, an der die Funktionalität einer entwickelten Software geprüft wird. Diese Daten sind (sollten sein) signifikant und korrekt, daher wie geschaffen als Trainingshintergrund für ein Analysesystem, das daraus Regeln ableitet. Diese Regeln bilden dann die Funktionalität der Software ab. Das IDRS teilt sie konkret mit, auch in Form von Programmcode. Damit wird der Entwicklungsweg umgekehrt, die Programmlogik geht aus den Testdaten hervor. Vorteilhafterweise bleibt das Ergebnis im ganzen Entwicklungsprozess daran orientiert, so dass es nicht zu Seiteneffekten kommt, die bereits gelöste Problemstellungen stören, wie es heute an der Tagesordnung ist. Stellt sich ein Testfall selbst als fehlerhaft heraus, können alle mit seinen Daten spezifisch verbundenen Regeln identifiziert und eliminiert, gegebenenfalls manuell umformuliert werden um Trainingsaufwand einzusparen.

Das IDRS findet bei der Analyse auch Zusammenhänge, wie es nicht zu programmieren beabsichtigt war. Das stellt zum Einen höhere Anforderungen an die Testdaten, die dort und so variant sein sollten, wie es für den Wirkbetrieb zu erwarten ist. Zum Anderen automatisiert das System Zusammenhänge, die erkanntermaßen gelten aber von üblicher Programmierung nicht erfasst worden wären. Beispielhaft ist die Mehrfacheingabe von identischen oder voneinander ableitbaren Daten in unterschiedlichen Masken zu nennen.

Im Testbetrieb der Wirkumgebung klassifiziert das System neu einlangende Daten an der Stimmigkeit mit seinen Regeln. Eine administrative (personelle) Instanz bestimmt dann ob die Begründung für eine Abweisung ggf. weiterhin gültige Regel sein soll.

Komplexe Berechnungen pflegt man händisch ein, wenn zu erwarten ist, dass sich das IDRS zu lange mit der Erkennung aufhält. Das ist auch abhängig von den Rechen- und Speicherkapazitäten des Trainingssystems. Die Regelsyntax ist vor dem grundlegend simplen Aufbau der Datenstruktur sehr leicht verständlich und visuell ebenso klar darstellbar.

Weitere spezifische Anwendungen des IDRS

Eingabeunterstützung: Entspricht der Umfang eingegebener Daten erkannten Mustern, kann das IDRS die Inhalte noch offener Positionen vorbelegen und/oder fehlerverdächtige markieren.
Datenkompression: Daten, die in Regeln gefasst werden können, sind im Bestand verzichtbar. Die Daten des IDRS sind selbst optimiert angelegt. Jeder Aspekt kommt im System auch nur einmal vor.
Konsistenzanalyse: Gehorchen die meisten Daten erkannten Regeln, verbleiben für die weitere Analyse solche, die ihnen nicht genügen. Diese Bestandteile sind entweder fehlerhaft oder die Regelermittlung ist noch nicht so weit fortgeschritten, wie zur Abbildung erforderlich.
Entwicklung optimierter Algorithmen: Da das IDRS potentiell jede Datenübereinstimmung erkennt und in Regeln fasst, ist es geeignet bislang unberücksichtigte Zusammenhänge in Regeln zu formulieren. Daraus kann systemnaher Programmcode generiert werden.
Forschung: Ein IDRS mit entsprechendem Funktionshintergrund kann in der Datenanalyse zur Ermittlung noch unbekannter mathematischer Zusammenhänge eingesetzt werden. Messdaten empfehlen sich dem IDRS hingegen weniger, da sie unscharf und fehlerbehaftet sind, womit sie Zusammenhänge wiedergeben, die daraus nicht schlüssig erkennbar sind.

Bisherige KI-Anforderungen, die das IDRS potentiell erfüllt (spezifische Eignung):

• Datamining (++)
• Suchmaschine – Leit- und Suchsysteme für die Datenauswahl (+++)
• Rechtschreibprüfungen und Thesauren (++)
• Bilderkennung, Spracherkennung, Industrielle Qualitätssicherung (+-)
• Erkennung von Angriffsschemata in Netzwerken (+)
• Spam-/Virenschutz – Filtern von Datenübermittlungen auf Relevanz und Datensicherheit (+-)

In der Bearbeitung von signifikanten, regelhaften, scharfen, stimmigen und umfassenden Daten spielt das IDRS seine Stärke aus. Es ist darauf ausgelegt, kognitive (intelligente) Funktionalität in Datenverarbeitungsaufgaben der klassischen Form einzubringen. Dabei kann es sich nur auf die Erkenntnisse beziehen, die aus den Daten klar hervorgehen, so scharf sind diese dann aber auch. Damit ist es möglich, einzelne Spektren aus dem Gesamtdatenstand zu lösen, getrennt zu trainieren und die erlernte Funktionalität modular auch für weitere Analyse einzubinden. Das entspricht einem Konzept der Entwicklung, in der isoliert heranziehbaren Sachständen ihre innewohnende Logik schneller und genauer zu entlesen ist als aus der Gesamtbetrachtung. Bisherige KI-Systeme vermögen das nicht, sind aber auch geeigneter, unscharfe Daten zu behandeln. Das Training erfolgt dann an sehr vielen Stellungen mit dem einhergehenden Bearbeitungsaufwand. Dem IDRS genügen wenige Signifikante, die es aber abhängig von ihrer Relevanz und den Vorgaben weitgreifender und umfassender verfolgt. Das Grundproblem des progressiv ansteigenden Aufwands in der KI ist mit dem IDRS nicht gelöst sondern nur eingedämmt und kanalisiert.

Ein problembezogenes IDRS kann mit einem Funktionshintergrund ausgestattet werden, der der Aufgabenstellung entspricht und den es bei der Regelermittlung anwendet. Beispielhaft würde man Grundrechenfunktionen für

• klassische Datenverarbeitungsaufgaben nicht trainieren sondern aus der Rechnerlogik beziehen
• die Entwicklung von Algorithmen dem Befehlswortschatz (günstig: RISC/Assembler) gegenüberstellen
• mathematische Lösungsfindung aufbauend (Addition->Subtraktion->Multiplikation -> …)
• und in mehreren Zahlensystemen (Grundmengen/binär, dezimal, …) trainieren

Die Feinauflösung der Daten wird ebenfalls problembezogen angelegt um das System nicht mit Analysen zu belasten, die keine sachdienlichen Erkenntnisse versprechen oder deren Nutzen in ungünstigem Verhältnis zum Ermittlungsaufwand steht.

Durch Rückadaption des IDRS auf den Menschen beschäftigte ich mich zunehmend mit Werten, Emotionen und humaner Kognition, so wie einem darauf basierenden Denkmodell. Das hatte mich derart fasziniert, dass der technische Teil ein wenig ins Hintertreffen geriet. Während der Nutzen maschineller Kognition grundsätzlich nicht in Frage steht, muss sich im Markt dennoch jemand finden, der sie braucht.
Wir wollten, dass der Computer die Daten versteht.

Datamining wendet alle geeigneten Methoden an, aus den Daten eine Regelhaftigkeit zu ermitteln, die Grundlage zutreffender Prognosen und zielführender Steuerungseinflüsse ist. Dabei ist zwischen harten und weichen zu unterscheiden.
Weiche Methoden beziehen die Tatsache ein, dass die Daten ungenau, fehlerhaft und widersprüchlich sind wogegen harte nur an den Stellen Ergebnisse zeitigen, die exakte Übereinstimmungen oder signifikante Unterschiede aufzeigen.

Heuristische/statistische, neuronale und genetische Analyse sowie Bayessche Netze und weiche Clustering-Algorithmen kommen dabei zu Schlüssen, die schlecht bis nicht nachvollziehbar aber relativ flexibel und treffend anwendbar sind. Fuzzy Logik und sog. hartes Clustering ermittelt eng definierte Zusammenhänge bzw. einfache Wahrheiten wie sie entweder die Programmierung vorsah, zu speziell sind oder die auf der Hand liegen.

Das IDRS zählt zu den harten Methoden. An Relevanzmerkmalen orientiert verhält es sich in etwa wie eine Mischung aus Fuzzy Logik und hartem Clustering. Die Zusammenhänge sind nicht vordefiniert und werden aber auch nicht wahllos an den Übereinstimmungen festgestellt. Das ist ein Leistungsvorteil, der tiefere und flexiblere Analyse erlaubt. Das führt zu brauchbareren (stärker abstrahierten) Ergebnissen. Datamining ist davon abgesehen nicht die erste Domäne des IDRS, da falsche und unscharfe Daten die Analyse behindern. Hohes Datenvolumen ist ebenfalls kein Vorteil im Gegensatz zu dem, wessen weiche Verfahren bedürfen, deren Ergebnisse auf Wahrscheinlichkeit beruhen. Das IDRS wäre eine zusätzliche Methode für das Datamining mit eigener Qualität und schlagkräftiger, wenn es bereits beim Dateneingang zum Einsatz kam um die Schlüssigkeit zu bewahren.

… in der Biometrie, Für jedwede Bildanalyse braucht das IDRS einen Erfahrungsstand, der in einem vergleichsweise aufwändigen Entwicklungsprozess zu trainieren ist. Wie ein Kind an ansteigenden Fähigkeiten Helligkeitseindrücke, Umrisse, Farben, Formen, Objekte, Arrangements und Raumstellungen zu differenzieren lernt, ist es auch für das IDRS erforderlich, soll es Bildeindrücke an erkennbaren und ihm bekannten Merkmalen analysieren. Es kann auch um Erkenntnisse bereichert werden, die bereits formulierbar vorliegen. Neben diesem Unterschied ist es den weichen Methoden die dafür bisher zum Einsatz kommen unterlegen, würde beispielsweise ein Gesicht mit Bart nur unter höherem Aufwand wiedererkennen.

… der Qualitätssicherung (Produktion), Hierfür gilt in etwa dasselbe. Vorteil des IDRS ist allerdings, dass ihm die Vergleichsdaten (Optimalform) in Daten statt in Trainingsansichten zu übermitteln sind. Damit ist es leichter umzustellen. Das kann aber auch eine der KI vorgeschaltete Instanz, wie da der technische Stand ist, weiß ich nicht.

…der Datensicherheit (Spam- und Schädlingsabwehr) Menschlicher Einfallsreichtum ist vom IDRS am Stand der Hardwaretechnik nicht nachvollziehbar. Die Mischung der formulierbaren Merkmale wird allerdings erkannt. Auch hier liegen neuronale und genetische Analyse im Vorteil, weil sie flexibler und umfassender bewertet, wenn auch weniger genau.

…Datenleit- und Suchsysteme Welche Technologien die Suchmaschinenanbieter verwenden, ist unklar. IDRS berücksichtigt jedenfalls den thematischen Kontext von Suchbegriffen und klassifiziert die Inhalte auch daran.

Für nahezu jede über das Spielerische hinaus gehende marktwirksame Lösung ist das Entwicklungssystem mit
Datenbankhintergrund essentiell. Daran arbeiten wir. Was ohnedem machbar ist, findet im Markt entweder schon mehr oder weniger gereifte Realisierung vor oder zeigt im Wesentlichen Potentiale auf. Über ein hinzulernendes mathematisches Grundsystem als Proof of Concept musste ich mir einmal anhören: “Ich habe aber schon einen Taschenrechner”. Intelligenz ist ein problematisches Produkt, wer sie braucht erkennt es nicht so leicht.

Als Vertriebsweg hätten wir ein Onlineangebot gewählt um nicht veröffentlichen zu müssen, wie es funktioniert. Dienlich hierfür ist die Tatsache, dass Verknüpfungsdaten und Werte voneinander getrennt sein können. Das Datenbanksystem muss die Werte nicht kennen sondern nur den darüber liegenden Zuordnungskomplex. Das Online-Angebot ist an dieser Stelle also einigermaßen datensicher für den Kunden. Weder Serviceanbieter noch Lauscher kennen die Bezeichnungen und die Inhalte der Daten, die bleiben beim Client, wenn er es so will. Nur Zuordnungsdaten werden dann ausgetauscht.

Das Entwicklungssystem passt man an spezielle Erfordernisse an, indem man es mit einem Funktionshintergrund versieht oder dazu trainiert, der auf die speziellen Anforderungen ausgelegt ist. Das Frontend kann man fließend so gestalten, dass es den Anwender von der darunterliegenden Logik abschirmt. Die Ergebnisdaten werden auch so aufbereitet. Das System ist bereits so geplant, dass es in der Ein- und Ausgabe mit feinkörnig definierbaren Sichten arbeitet. Der Anpassungsaufwand hängt somit von der Problemstellung ab. Für eine allgemeine Datamining-Lösung nach heutigem Vorbild wäre er gering. Ein-
und Ausgabe gehen bereits über XML. Der Funktionsumfang ist in regulärer Programmierung vorzugeben.
Die Entwicklung von Standard- und Speziallösungen respektive die Unterstützung dabei wäre das (auch finanziell) interessantere Betriebsfeld, das sich aus der Präsenz eines IDRS-Systems ergibt.

Lizenzierung wäre auf dieser Ebene ein Dienstleistungsangebot für Ermittlungskapazitäten, Datenabfragen, Speicher- und Übertragungsvolumina von Null bis oben offen. Der Kunde kann darauf theoretisch ein Onlineangebot hosten denn Datensichten können auch (X)HTML-Seiten sein (ist es öffentlich, muss der Server die Datenwerte allerdings kennen).

Um *das* zu erreichen wären zwischen fünf und zehn Entwickler-Mannjahre anzusetzen, zuzüglich entsprechendem Testaufwand und Maschinenausstattung.