Gödel, Escher, Bach - ein Endloses Geflochtenes Band

einen — oder vielleicht mehrere — Grade schwieriger.
Die Crux von AI: Repräsentierung von Wissen
    Viele der obigen Beispiele wurden angeführt, um zu betonen, daß die Art, wie ein Bereich dargestellt wird, einen ganz wesentlichen Einfluß darauf hat, wie dieser Bereich „verstanden“ wird. Ein Programm, das einfach S ÄTZE von TNT in einer bestimmten Reihenfolge ausdruckt, hätte die Zahlentheorie nicht „verstanden“. Von einem Programm wie dem von Lenat mit seinen zusätzlichen Schichten von Wissen könnte man sagen, es besitze einen rudimentären Sinn für Zahlentheorie und einen, der mathematisches Wissen in einen größeren Wirklichkeitszusammenhang einbettet. Es wäre wahrscheinlich am ehesten fähig ihn so zu verstehen, wie wir das tun. Diese Repräsentierung von Wissen ist die Crux von AI.
    Ursprünglich nahm man an, daß Wissen die Gestalt von satzähnlichen „Paketen“ habe und daß die beste Methode, einem Programm Wissen einzupflanzen, darin bestehe, ein einfaches Verfahren zu entwickeln, um Tatsachen in kleine, passiveDatenpakete zu übersetzen. Dann wäre jede Tatsache ganz einfach eine Menge von Daten, auf die von jedem Programm, das sie benötigt, zurückgegriffen werden kann. Das trifft z. B. für Schachprogramme zu, bei denen die Stellungen irgendwie als Matrizen oder Listen codiert und gespeichert werden, wo man sie abrufen und als Unterroutine mit ihnen operieren kann.
    Daß der Mensch Tatsachen auf komplexe Art speichern kann, war den Psychologen seit geraumer Zeit bekannt und wurde erst vor kurzem von AI-Forschern wiederentdeckt, die sich jetzt dem Problem des „geballten Wissens“ gegenübersehen und dem Unterschied zwischen prozeduralen und deklarativen Typen von Wissen, der, wie wir in Kapitel XI sahen, verwandt ist mit dem zwischen Wissen, welches der Introspektion zugänglich ist, und solchem Wissen, das der Introspektion verschlossen bleibt.
    Der naiven Annahme, daß alles Wissen in passive Daten codiert werden sollte, widerspricht der fundamentalste Satz für den Bau von Computern, nämlich, daß die Art, wie sie addieren, subtrahieren, multiplizieren usw. nicht in Bestandteilen von Daten codiert und im Gedächtnis gespeichert ist; tatsächlich sind sie nirgends im Gedächtnis repräsentiert, sondern in den Verdrahtungen der Hardware. Ein Taschenrechner hat in seinem Gedächtnis kein Wissen, wie man addiert. Dieses Wissen ist in seine „Eingeweide“ eingebaut. Es gibt keine Stelle in seinem Speicher, auf die man deuten könnte, wenn jemand fordert: „Zeige mir, wo das Wissen, wie man addiert, in der Maschine sitzt.“
    Dennoch galt in der AI-Forschung sehr viel Arbeit den Systemen, in denen der größte Teil des Wissens an spezifizierten Orten gespeichert ist - das heißt deklarativ. Selbstverständlich muß etwas Wissen im Programm enthalten sein, sonst hätte man überhaupt kein Programm, sondern lediglich ein Lexikon. Die Frage ist die, wie man Wissen zwischen Programm und Daten aufteilen soll. Nicht daß es immer leicht wäre, zwischen Programm und Daten zu unterscheiden, beileibe nicht! Hoffentlich habe ich das in Kapitel XVI deutlich genug gemacht. Wenn bei der Entwicklung eines Systems der Programmierer intuitiv eine bestimmte Einzelheit als Datum (oder Programm) auffaßt, kann das sehr bedeutsame Rückwirkungen auf die Struktur des Systems haben, weil man während der Programmierung tatsächlich dazu neigt, zwischen datenähnlichen und programmähnlichen Objekten zu unterscheiden.
    Wichtig ist, daß im Prinzip jede Codierungsmethode so gut wie die andere ist, und zwar in dem Sinne, daß, wenn man sich nicht so sehr um die Effizienz kümmert, das, was man in einem Schema tun kann, auch in anderen getan werden kann. Indessen gibt es Gründe, die darauf hinzuweisen scheinen, daß eine Methode der anderen eindeutig überlegen ist. Man betrachte zum Beispiel das folgende Argument zugunsten von rein prozeduraler Repräsentation: „Sobald man versucht, Eigenschaften von hinlänglicher Komplexität in Daten zu codieren, ist man gezwungen, etwas zu entwickeln, das eine neue Sprache, ein neuer Formalismus ist. So werden die Datenstrukturen programmähnlich, wobei ein gewisser Teil des Programms als Interpreter fungiert; man könnte geradesogut dieselbe Information gleich von Anfang an direkt in prozeduraler Form vorlegen und zusätzliche Interpretationsebenen vermeiden.“
DNS und Proteine als Erkenntnishilfe
    Das Argument klingt ganz überzeugend und läßt sich, wenn