Lexikon der Neurowissenschaft: Unsicherheit
Unsicherheit w, E uncertainty, Zustand unvollständiger oder fehlender Gewißheit. Unsicherheit kann aus unvollständiger Information resultieren oder aus widersprüchlichen Quellen; man kann sich teilweise nicht einmal über den Grad dieser Unsicherheit sicher sein. Man drückt die Unsicherheit durch den Glauben an das Wahr- oder Falschsein einer Aussage aus. Dieser Glaube kann z.B. in der Häufigkeit begründet sein, mit der ein bestimmtes Ereignis in einer großen Anzahl von Versuchen aufgetreten ist. Oder es wird die subjektive Interpretation einer zu befragenden Person verwendet, unter Berücksichtigung aller Informationen, die dieser momentan zur Verfügung stehen. Eine andere Form der Unsicherheit resultiert aus der subjektiven linguistischen Interpretation. Wenn jemand sagt, etwas sei groß, so ist diese Aussage ungenau, wenn sie nicht in Relation zu einem bereits bekannten Objekt gesetzt wird. – Es gibt verschiedene Ansätze, mit denen man Unsicherheit behandelt. In der künstlichen Intelligenz gelten fast alle Informationen als unsicher; es wurden viele Methoden entwickelt, um mit diesem unsicheren Wissen umzugehen, vor allem für wissensbasierte Systeme und Expertensysteme. Die Wahrscheinlichkeitsrechnung (Wahrscheinlichkeit) ist die bekannteste Methode, um Unsicherheit zu modellieren. Ihre Unzulänglichkeiten und Einschränkungen für den Gebrauch mit wissensbasierten Systemen haben jedoch dazu geführt, daß weitere Alternativen entwickelt wurden. Gewißheitsfaktoren (E certainty factors; siehe Zusatzinfo ) bilden eine Algebra, die nicht so rigoros wie die Wahrscheinlichkeitsrechnung ist: Sie stützt sich nicht auf mathematische Axiome, sondern wurde aus dem Stegreif definiert. Doch durch ihre Einfachheit und die Möglichkeit, einzelne Glaubenswerte ad hoc zuzuweisen, ist sie eine der erfolgreichsten Methoden auf dem Gebiet der wissensbasierten Systeme und Expertensysteme. In der Dempster-Shefer-Theorie unterscheidet man zusätzlich zwischen dem Unwissen und der Unsicherheit selbst. Die Fuzzy-Logik erlaubt die Repräsentation von kontinuierlichen Werten zwischen den Aussagen "wahr" und "falsch". Die Bayes-Theorie erlaubt die Berechnung von komplexeren Wahrscheinlichkeiten, ausgehend von bekannten Ergebnissen. Die Abhängigkeiten zwischen den einzelnen Ereignissen und ihren Wahrscheinlichkeiten können graphisch durch die belief-Netzwerke repräsentiert werden. In der Logik wird das nichtmonotone Schließen verwendet, um unsicheres Wissen darzustellen. probabilistisches Schließen.
Lit.: Spies, M.: Unsicheres Wissen. Heidelberg 1993.
Unsicherheit
Ein Gewißheitsfaktor wird bestimmt, indem jeweils ein Maß für das Vertrauen und das Nichtvertrauen in eine Hypothese festlegt wird. Beide Maße sind auf den Bereich 0 bis 1 begrenzt; der Gewißheitsfaktor wird durch die Subtraktion beider Werte berechnet und ist somit auf das Intervall von -1 (kein Vertrauen) bis 1 (vollkommenes Vertrauen) begrenzt. Es gibt weiterhin Vorschriften für die Kombination und die Verkettung von einzelnen Regeln.
Schreiben Sie uns!