Morgen Elite.
Die Fähigkeit des Verstehens ist eine der wichtigsten Eigenschaften des menschlichen Verstandes.
Und die Meinung ist weit verbreitet, dass sie dem menschlichen Verstand allein vorbehalten sei.
Ironischerweise ist der Vorgang des Verstehens noch nicht vollständig verstanden.
Ein klassisches Szenario der Problematik ist J.R. Searles Modell des chinesischen Zimmers, worin sich die Frage stellt, ob ein Mensch (oder wahlweise Computer), der in der Lage ist, Sprachbausteine sinnvoll zu kombinieren, die Sprache zugleich versteht.
Die Befürworter dieser These sagen zusammengefasst: Verstehen heißt geeignet zuordnen.
Die Gegner sehen darin einen unerträglichen Reduktionismus.
Möglicherweise haben beide recht.
Zunächst muss man erläutern, was man sich unter diesem lapidaren Satz vorstellen darf: Verstehen heißt geeignet zuordnen
Unsere biochemische Basis des Verstehens, die Neuronen, liefern den Bauplan für die Logik des Verstehens auf primitivster Basis.
Dieser logische Bauplan wird imitiert von den neuronalen Netzen in der Informatik, und wie das funktioniert lässt sich am einfachsten an einem Phänomen erklären, das nahezu jeder schon kennen dürfte:
Man stöbert in einem Online-Buchladen nach einem Thema, und bekommt von diesem Betreiber sofort weitere Buchvorschläge gemacht, die zum Thema passen.
Es sind aber keine gelehrten Bibliothekare, die diese Auswahl getroffen haben, sondern relativ simple Algorithmen, basierend auf profaner Statistik.
Es ist kein Geheimnis, wie es dazu kommt, die Aussage lautet klipp und klar: "Leute, die dieses Buch gekauft haben, interessierten sich auch für..."
Jedes vorher und nachher betrachtete Buch wird registriert und in Bezug gesetzt.
Bildlich gesprochen wird ein Faden gezogen zwischen dem ursprünglichen Buch und einem anderen.
Nun bekommt dieser Bezug jedesmal einen Punkt in der Gewichtung, wenn die gleiche Beziehung erneut auftritt, der Faden wird gewissermaßen ein zweites mal gezogen.
Dabei kann es durchaus oft passieren, dass Verbindungen zwischen Büchern hergestellt werden, die überhaupt nichts miteinander zu tun haben.
Aber die fallen weniger ins Gewicht , weil sich die stärksten Gewichtungen (also die dicksten Fäden) immer bei den inhaltlich ähnlichen Büchern bilden werden.
Es liegt auf der Hand, dass solche Zuordnungen umso zuverlässiger werden, je mehr Input erfolgt ist.
Den gleichen Effekt nutzen inzwischen auch Musiksender und Suchmaschinen.
Nichts anderes tun neuronale Netze in der Informatik, also die stark vereinfachten virtuellen Abbildungen echter neuronaler Netze:
Sie stellen Bezüge zwischen Inputneuronen und Outputneuronen her und durchlaufen eine Trainingsphase, in der sie die Gewichtungen entwickeln.
Weil diese Gewichtungen vom Input in der Trainingsphase abhängig sind, ist nicht festgelegt wie das fertige neuronale Netz am Schluss aussehen wird.
Aus genau diesem Grund sind diese neuronalen Netze auch so hochflexibel, weshalb sie bspw. für den Einsatz bei Robotern interessant sind, die sich einer unbekannten Umwelt anpassen müssen. Solche Systeme lernen z.B. quasi von alleine laufen.
Aber weiter wollen wir an dieser Stelle nicht in die Materie eindringen.
Was so ein neuronales Netz macht, ist in erster Linie einen Input mit einem Output verbinden.
Zum Beipiel den Input "Der Schatz im Silbersee" mit "Winnetou".
Dabei könnten an dieser Stelle genauso 24B-12 und 38829 stehen.
Dieser Zustand verdient eine etwas genauere Betrachtung.
Das neuronale Netz hat hier Zuordnungen hergestellt, die für uns Betrachter stimmig sind.
Obwohl es keine Vorstellung von den Inhalten hat, trifft es Zuordnungen, deren Funktionalität für uns gegeben ist.
Dabei macht es für das Neuronetz keinen Unterschied, ob da 24B-12 steht, oder "Der Schatz im Silbersee".
Die Zuordnung wird gewissermaßen blind getroffen.
Dennoch sind die im Neuronetz gegebenen Bezüge Abbildungen von Bezügen, die ihre Entsprechung in der Realität haben.
Das Neuronetz ist insofern eine Reflektion, eine Spiegelung von realen Bezügen.
Das hat insofern sehr viel mit Verstehen zu tun, als unsere Neuronen zunächst nichts anderes tun, als blind Bezüge herzustellen.
Dennoch ist der Streit um diesen Begriff von Verstehen in vollem Gange, weil nicht jeder, der "verstehen" sagt das Gleiche damit meint.
Kann z.B. jemand, der keine Farben sieht verstehen, was mit der Farbe blau gemeint ist?
Ein Mensch (oder wahlweise ein Roboter), der in Graustufen sieht, könnte durchaus in der Lage sein, eine bestimmte Graustufe dem Wort "blau" zuzuordnen.
Nach dem Modell "Verstehen heißt geeignet zuordnen" hätte er dann verstanden, was sich hinter der Farbe blau verbirgt.
Es ist aber offensichtlich, dass das nicht zutrifft.
Nennen wir den oben beschriebenen Vorgang einmal "blindes Verstehen", weil hier Begriffe wie 24B-12 zwar blind zugeordnet werden, aber dennoch so, dass die Funktionalität gewährleistet ist.
Hier haben wir es mit einer Art von Verstehen zu tun, die nicht wenige Schüler praktizieren - bspw. wenn sie auswendig lernen.
Die nächsthöhere Ebene der Kompexität ist erreicht, wenn mit dem Prozess des Verstehens eine funktionale Bedeutung verknüpft ist.
Also bspw. wenn der Roboter seine Batterie nur an blauen Steckdosen aufladen kann.
Nehmen wir an, der Roboter findet dies durch Try and Error heraus und identifiziert fortan in allen neuen Räumen die blauen Steckdosen.
Wir wissen nun, dass er keine Farbwahrnehmung hat, sondern lesen seine Chipsätze aus und stellen fest, dass er die Farbe blau als Graustufe B24-12 gespeichert hat.
Er kann also nach wie vor die Farbe blau nach unserem Emfpinden nicht kennen, dennoch beherrscht er die funktionale Zuordnung.
Er hat ein funktionales Verständnis dessen was blau ist.
Das funktionale Verstehen äußert sich darin, dass er in Zukunft keine Try and Error Versuche starten muss, sondern die Farbe GrauB24-12/blau der Ladefunktion zuordnet.
Die Übergänge zwischen blindem und funktionalem Verstehen sind fließend.
Ein Reisender in einer fremden Kultur, der die Verhaltensmuster bei Begrüßung und Abschied adaptiert tut dies auch ohne zu wissen ob eine gelernte Vokabel "guten Tag" oder "Friede sei mit dir" oder etwas ganz anderes bedeutet. Die Funktionalität ist ihm aber vertraut.
Eine dritte Variante des Vestehens, die hier aufgetaucht ist, ist die kognitive.
Die genannte Try-and-Error-Methode ist dabei nur eine von vielen möglichen. Das kognitive Verstehen scheint mir hier allerdings den Rahmen zu sprengen, deshalb spare ich mir das lieber für einen anderen Thread und gehe noch auf kontextuelles und interkontextuelles Verstehen ein.
Kontextuelles Verstehen beginnt da, wo so viele Zuordnungen getroffen werden, dass diese dem System als Hintergrund zur Auswertung dienen.
Ein mit Verstehen ausgestattetes System erzeugt Reflektionen seiner Umwelt. Diese Reflektionen haben ab einer gewissen Menge mitunter Schnittmengen, durch die Verknüpfungen wie von selbst entstehen können. Bei einer großen Menge solcher mit Schnittpunkten versehenen Reflektionen kristallisiert sich so fast wie von selbst ein (Ab-)Bild von der Umwelt heraus, das zwar mit Lücken versehen, aber im großen und ganzen geschlossen ist.
Man kann sich das wie ein Korbgeflecht vorstellen, dessen Maschen immer enger geflochten werden.
Ein solches Geflecht bietet einen ausgesprochen guten Nährboden für weiterführende Kognitionsprozesse, viele Verbindungen warten sozusagen geradezu darauf geknüpft zu werden.
Beim menschlichen Verstand darf man bisher das engmaschigste Netz auf diesem Planeten vermuten.
Da Menschen strukturell sehr ähnlich beschaffen sind, entwickeln sie in ihren Weltreflektionen (Korbgeflechten) grundlegende strukturelle Übereinstimmungen.
Die Kontexte, in die Zuordnungen eingebettet werden korrelieren daher weitgehend.
In den meisten Fällen meinen zwei Menschen genau den gleichen Sachverhalt, wenn sie "blau" sagen.
Man kann daher von interkontextuellem Verstehen sprechen.
Je mehr Gemeinsamkeiten Menschen haben, desto größer wird das interkontextuelle Verstehen ausfallen.
Dass ein solches de facto besteht, lässt sich allerdings nicht beweisen, sondern nur aufgrund von Indizien vermuten.
Euer Pedo
Die Fähigkeit des Verstehens ist eine der wichtigsten Eigenschaften des menschlichen Verstandes.
Und die Meinung ist weit verbreitet, dass sie dem menschlichen Verstand allein vorbehalten sei.
Ironischerweise ist der Vorgang des Verstehens noch nicht vollständig verstanden.
Ein klassisches Szenario der Problematik ist J.R. Searles Modell des chinesischen Zimmers, worin sich die Frage stellt, ob ein Mensch (oder wahlweise Computer), der in der Lage ist, Sprachbausteine sinnvoll zu kombinieren, die Sprache zugleich versteht.
Die Befürworter dieser These sagen zusammengefasst: Verstehen heißt geeignet zuordnen.
Die Gegner sehen darin einen unerträglichen Reduktionismus.
Möglicherweise haben beide recht.
Zunächst muss man erläutern, was man sich unter diesem lapidaren Satz vorstellen darf: Verstehen heißt geeignet zuordnen
Unsere biochemische Basis des Verstehens, die Neuronen, liefern den Bauplan für die Logik des Verstehens auf primitivster Basis.
Dieser logische Bauplan wird imitiert von den neuronalen Netzen in der Informatik, und wie das funktioniert lässt sich am einfachsten an einem Phänomen erklären, das nahezu jeder schon kennen dürfte:
Man stöbert in einem Online-Buchladen nach einem Thema, und bekommt von diesem Betreiber sofort weitere Buchvorschläge gemacht, die zum Thema passen.
Es sind aber keine gelehrten Bibliothekare, die diese Auswahl getroffen haben, sondern relativ simple Algorithmen, basierend auf profaner Statistik.
Es ist kein Geheimnis, wie es dazu kommt, die Aussage lautet klipp und klar: "Leute, die dieses Buch gekauft haben, interessierten sich auch für..."
Jedes vorher und nachher betrachtete Buch wird registriert und in Bezug gesetzt.
Bildlich gesprochen wird ein Faden gezogen zwischen dem ursprünglichen Buch und einem anderen.
Nun bekommt dieser Bezug jedesmal einen Punkt in der Gewichtung, wenn die gleiche Beziehung erneut auftritt, der Faden wird gewissermaßen ein zweites mal gezogen.
Dabei kann es durchaus oft passieren, dass Verbindungen zwischen Büchern hergestellt werden, die überhaupt nichts miteinander zu tun haben.
Aber die fallen weniger ins Gewicht , weil sich die stärksten Gewichtungen (also die dicksten Fäden) immer bei den inhaltlich ähnlichen Büchern bilden werden.
Es liegt auf der Hand, dass solche Zuordnungen umso zuverlässiger werden, je mehr Input erfolgt ist.
Den gleichen Effekt nutzen inzwischen auch Musiksender und Suchmaschinen.
Nichts anderes tun neuronale Netze in der Informatik, also die stark vereinfachten virtuellen Abbildungen echter neuronaler Netze:
Sie stellen Bezüge zwischen Inputneuronen und Outputneuronen her und durchlaufen eine Trainingsphase, in der sie die Gewichtungen entwickeln.
Weil diese Gewichtungen vom Input in der Trainingsphase abhängig sind, ist nicht festgelegt wie das fertige neuronale Netz am Schluss aussehen wird.
Aus genau diesem Grund sind diese neuronalen Netze auch so hochflexibel, weshalb sie bspw. für den Einsatz bei Robotern interessant sind, die sich einer unbekannten Umwelt anpassen müssen. Solche Systeme lernen z.B. quasi von alleine laufen.
Aber weiter wollen wir an dieser Stelle nicht in die Materie eindringen.
Was so ein neuronales Netz macht, ist in erster Linie einen Input mit einem Output verbinden.
Zum Beipiel den Input "Der Schatz im Silbersee" mit "Winnetou".
Dabei könnten an dieser Stelle genauso 24B-12 und 38829 stehen.
Dieser Zustand verdient eine etwas genauere Betrachtung.
Das neuronale Netz hat hier Zuordnungen hergestellt, die für uns Betrachter stimmig sind.
Obwohl es keine Vorstellung von den Inhalten hat, trifft es Zuordnungen, deren Funktionalität für uns gegeben ist.
Dabei macht es für das Neuronetz keinen Unterschied, ob da 24B-12 steht, oder "Der Schatz im Silbersee".
Die Zuordnung wird gewissermaßen blind getroffen.
Dennoch sind die im Neuronetz gegebenen Bezüge Abbildungen von Bezügen, die ihre Entsprechung in der Realität haben.
Das Neuronetz ist insofern eine Reflektion, eine Spiegelung von realen Bezügen.
Das hat insofern sehr viel mit Verstehen zu tun, als unsere Neuronen zunächst nichts anderes tun, als blind Bezüge herzustellen.
Dennoch ist der Streit um diesen Begriff von Verstehen in vollem Gange, weil nicht jeder, der "verstehen" sagt das Gleiche damit meint.
Kann z.B. jemand, der keine Farben sieht verstehen, was mit der Farbe blau gemeint ist?
Ein Mensch (oder wahlweise ein Roboter), der in Graustufen sieht, könnte durchaus in der Lage sein, eine bestimmte Graustufe dem Wort "blau" zuzuordnen.
Nach dem Modell "Verstehen heißt geeignet zuordnen" hätte er dann verstanden, was sich hinter der Farbe blau verbirgt.
Es ist aber offensichtlich, dass das nicht zutrifft.
Nennen wir den oben beschriebenen Vorgang einmal "blindes Verstehen", weil hier Begriffe wie 24B-12 zwar blind zugeordnet werden, aber dennoch so, dass die Funktionalität gewährleistet ist.
Hier haben wir es mit einer Art von Verstehen zu tun, die nicht wenige Schüler praktizieren - bspw. wenn sie auswendig lernen.
Die nächsthöhere Ebene der Kompexität ist erreicht, wenn mit dem Prozess des Verstehens eine funktionale Bedeutung verknüpft ist.
Also bspw. wenn der Roboter seine Batterie nur an blauen Steckdosen aufladen kann.
Nehmen wir an, der Roboter findet dies durch Try and Error heraus und identifiziert fortan in allen neuen Räumen die blauen Steckdosen.
Wir wissen nun, dass er keine Farbwahrnehmung hat, sondern lesen seine Chipsätze aus und stellen fest, dass er die Farbe blau als Graustufe B24-12 gespeichert hat.
Er kann also nach wie vor die Farbe blau nach unserem Emfpinden nicht kennen, dennoch beherrscht er die funktionale Zuordnung.
Er hat ein funktionales Verständnis dessen was blau ist.
Das funktionale Verstehen äußert sich darin, dass er in Zukunft keine Try and Error Versuche starten muss, sondern die Farbe GrauB24-12/blau der Ladefunktion zuordnet.
Die Übergänge zwischen blindem und funktionalem Verstehen sind fließend.
Ein Reisender in einer fremden Kultur, der die Verhaltensmuster bei Begrüßung und Abschied adaptiert tut dies auch ohne zu wissen ob eine gelernte Vokabel "guten Tag" oder "Friede sei mit dir" oder etwas ganz anderes bedeutet. Die Funktionalität ist ihm aber vertraut.
Eine dritte Variante des Vestehens, die hier aufgetaucht ist, ist die kognitive.
Die genannte Try-and-Error-Methode ist dabei nur eine von vielen möglichen. Das kognitive Verstehen scheint mir hier allerdings den Rahmen zu sprengen, deshalb spare ich mir das lieber für einen anderen Thread und gehe noch auf kontextuelles und interkontextuelles Verstehen ein.
Kontextuelles Verstehen beginnt da, wo so viele Zuordnungen getroffen werden, dass diese dem System als Hintergrund zur Auswertung dienen.
Ein mit Verstehen ausgestattetes System erzeugt Reflektionen seiner Umwelt. Diese Reflektionen haben ab einer gewissen Menge mitunter Schnittmengen, durch die Verknüpfungen wie von selbst entstehen können. Bei einer großen Menge solcher mit Schnittpunkten versehenen Reflektionen kristallisiert sich so fast wie von selbst ein (Ab-)Bild von der Umwelt heraus, das zwar mit Lücken versehen, aber im großen und ganzen geschlossen ist.
Man kann sich das wie ein Korbgeflecht vorstellen, dessen Maschen immer enger geflochten werden.
Ein solches Geflecht bietet einen ausgesprochen guten Nährboden für weiterführende Kognitionsprozesse, viele Verbindungen warten sozusagen geradezu darauf geknüpft zu werden.
Beim menschlichen Verstand darf man bisher das engmaschigste Netz auf diesem Planeten vermuten.
Da Menschen strukturell sehr ähnlich beschaffen sind, entwickeln sie in ihren Weltreflektionen (Korbgeflechten) grundlegende strukturelle Übereinstimmungen.
Die Kontexte, in die Zuordnungen eingebettet werden korrelieren daher weitgehend.
In den meisten Fällen meinen zwei Menschen genau den gleichen Sachverhalt, wenn sie "blau" sagen.
Man kann daher von interkontextuellem Verstehen sprechen.
Je mehr Gemeinsamkeiten Menschen haben, desto größer wird das interkontextuelle Verstehen ausfallen.
Dass ein solches de facto besteht, lässt sich allerdings nicht beweisen, sondern nur aufgrund von Indizien vermuten.
Euer Pedo
Kommentar