Die Philosophie der Psychologie

Parallel Distributed Processing

PDP-Leistung und psychologische Plausibilität

Welches Paradigma ist wahrscheinlich erfolgreicher, um menschliche Kognition zu erklären? Das einflussreichste Argument für klassische gegenüber konnektionistischen Ansätzen stützt sich auf die Systematik des Denkens, wie von Fodor und Fodor und Pylyshyn vorgebracht. Dieses Argument wurde bereits zuvor diskutiert, daher werde ich es hier nicht behandeln. Stattdessen werde ich kurz die Perspektiven des Konnektionismus beleuchten und dann eine vermittelnde Sichtweise betrachten, die beiden Architekturen Raum für eine wichtige Rolle in der Kognitionsbeschreibung lässt.

PDP-Systeme sind klassischen überlegen, wenn es um die Erkennung physischer Formen und Muster geht. Unklar bleibt, wie weit diese Fähigkeit in den Bereich der Kognition reicht. Offensichtlich lässt sich nicht die gesamte menschliche Kognition als Erkennung physischer Formen denken. Es könnte jedoch sein, dass ein Großteil menschlicher Kognition unter die allgemeinere Rubrik der Erkennung abstrakter Muster fällt. Die Reichweite konnektionistischer Erklärungen hängt also von zwei Faktoren ab: Erstens davon, inwieweit die Erkennung abstrakter Muster denselben Prozess darstellt wie die Erkennung physischer Muster, und zweitens davon, wie weit sich das Konzept der abstrakten Mustererkennung auf kognitive Aktivitäten ausdehnen lässt.

Es erscheint beispielsweise plausibel, dass Schachfähigkeiten die Erkennung abstrakter Muster auf dem Brett einschließen. Diese Muster sind nicht physisch oder geometrisch im offensichtlichen Sinn, da sie die Rollen spezifischer Figuren betreffen: Eine Konfiguration mit einem Turm an einer bestimmten Position unterscheidet sich deutlich von derselben Konfiguration mit einem Springer an der Stelle des Turms. Der relevante Unterschied zwischen Springer und Turm liegt jedoch in der Art ihrer Bewegung auf dem Schachbrett, was wiederum eine geometrische Angelegenheit ist. Im Fall der kognitiven Fähigkeit, Schach zu spielen, besteht also zumindest eine prima-facie-Basis dafür, dass die abstrakte Mustererkennung der geometrischen Mustererkennung allgemein ähnelt und dass die kognitive Fähigkeit tatsächlich das Erkennen abstrakter Muster umfasst.

Ein schwierigerer Fall ist das wissenschaftliche induktive Schließen. In einfachen Fällen beinhaltet es lediglich die Verallgemeinerung von Einzelfällen: Man stellt beispielsweise fest, dass alle Kupferstücke in einer Stichprobe Strom leiten, und nimmt daraufhin an, dass dies für alle Kupferstücke gilt. Selbst ein so scheinbar einfacher Schluss birgt versteckte Komplexität. Angenommen, die Stichprobe enthält sechs Kupferstücke. Diese sechs Objekte teilen die Eigenschaft, aus Kupfer zu bestehen, und genau diese Eigenschaft wählt der Wissenschaftler für die Verallgemeinerung. Die sechs Objekte besitzen jedoch unendlich viele weitere gemeinsame Eigenschaften, etwa lang und dünn zu sein, aus Metall im Labor des Wissenschaftlers zu bestehen oder vor dem Jahr 2000 untersucht worden zu sein. Der Wissenschaftler könnte jede dieser Eigenschaften für die Verallgemeinerung wählen. Würde er die letzte wählen, könnte er annehmen, dass nur Kupferstücke, die vor dem Jahr 2000 untersucht wurden, Strom leiten. Diese Verallgemeinerung wäre zwar mit den Beobachtungen kompatibel, aber falsch: Selbst nicht untersuchte Kupferstücke leiten Strom.

Menschen allgemein und Wissenschaftler im Besonderen scheinen darin geübt zu sein, die richtigen Eigenschaften für Verallgemeinerungen zu wählen, nicht die falschen. Beinhaltet diese kognitive Fähigkeit grundsätzlich Mustererkennung? Wenn ja, in welchem Sinn und Ausmaß? Diese Fragen überlasse ich der Betrachtung des Lesers.

Wir haben nun kurz ein Argument für eine konnektionistische Sichtweise der Kognition betrachtet. Wenden wir uns nun der Möglichkeit zu, eine Herangehensweise zu finden, die sowohl klassischen als auch konnektionistischen Theorien Raum lässt. Eine offensichtliche Möglichkeit besteht darin anzuerkennen, dass der Konnektionismus bestimmte Aspekte der Kognition erklären kann, etwa solche, die zentral auf Mustererkennung beruhen, während der klassische Computationalismus andere Aspekte erklärt, beispielsweise systematische wie die Bildung propositionaler Einstellungen und das Erlernen und Anwenden von Sprache. Eine zweite, interessantere Möglichkeit erweitert dies um eine weitere Rolle des Konnektionismus. Tatsächlich lassen sich klassische Systeme in PDP-Netzwerken implementieren. Das bedeutet, dass klassische Systeme aus konnektionistischen Netzwerken aufgebaut werden könnten.

Um dies zu verdeutlichen, betrachten wir die hierarchische Zerlegung eines klassischen Systems. Ein großes klassisches System besteht meist aus kleineren klassischen Systemen – den Teilprozessoren –, die zusammenarbeiten. Diese Teilprozessoren können selbst aus noch kleineren klassischen Systemen bestehen – den Unterteilprozessoren – und diese wiederum aus weiteren Unterunterprozessoren. Offensichtlich muss die hierarchische Zerlegung jedoch irgendwann enden. An einem Punkt stoßen wir auf sogenannte primitive Prozessoren. Diese erhalten Repräsentationen als Eingaben und liefern Repräsentationen als Ausgaben. Ihre Funktionsweise wird nicht durch weitere Repräsentationsprozessoren erklärt, sondern durch etwas anderes. Eine Möglichkeit ist, dass sie PDP-Netzwerke sind. PDP-Netzwerke sind tatsächlich Repräsentationsprozessoren, wobei die Repräsentationen durch die Aktivierungsmuster der Eingangs- und Ausgangseinheiten realisiert werden. Es könnte also sein, dass sowohl klassische als auch konnektionistische Ansätze korrekt sind. Klassische Systeme sind notwendig, um systematische Aspekte der Kognition zu erklären, während die Erklärung der Funktionsweise dieser klassischen Systeme schließlich auf konnektionistische Netzwerke zurückgreift.