Kontext, Kontextwissen und Ontologie

Lange Zeit war es so, dass sich Automaten Zusammenhänge aus explizit vermittelten Informationen erschließen mussten. Die Qualität der Metadaten bestimmte dadurch die Qualität des Systems. Selbstlernende Systeme nehmen die Metadaten lediglich als Zielhilfe. Die wesentliche Erkenntnis gelingt erst durch möglichst viele Wiederholungen. Ein bekanntes Beispiel dazu ist das KI-System, das sich 2017 selbst das Spiel „Go“ beibringen konnte. Forscher gaben nur Spielregeln vor. Anschließend schlug die Software jeden Großmeister.

hier geht es um

watchdog context

Menschen haben historisches Kontextwissen.

Menschen nutzen gespeichertes Wissen, indem sie auf ihr Grund- und Kontextwissen des jeweiligen Wissensbereichs zurückgreifen, Lehrbücher, Regelwerke, Lexika und Schlagwortregister verwenden und mit den gespeicherten Inhalten verbinden.

Automaten lesen Zusammenhänge aus Metadaten

Automaten benötigen dazu eine Repräsentation der zugrunde liegenden Begriffe und derer Zusammenhänge. Dafür hat sich in einigen Zweigen der Informatik in den letzten Jahren der Begriff Ontologie eingebürgert.

Selbstlernende Systeme erkennen neue Zusammenhänge

Selbstlernende Systeme erkennen Zusammenhänge sehr schnell. Diese Zusammenhänge können zuerst lediglich Korrelationen sein. Bei Korrelationen verändern sich Variablen zwar gemeinsam, es ist aber unklar, ob die Veränderung aufeinander beruht.

Wirklichen Erkenntniswert hat die Untersuchung dann, wenn auch die Beziehung zwischen Ursache und Wirkung erkennbar wird. Das eine verursacht das andere – kann bedeuten, dass eine krankheitsverursachende Variable erst durch ein selbstlernendes System offengelegt wird.