Research Colloquium Cognitive Systems

There are no credits for participation in the colloquium.

All public talks are disclosed with time and location in the schedule below.

General Information

The research colloquium CogSys is a platform for scientific discussion between lecturers and doctorate, diploma and master students. Talks are on concepts and results of theses as well as current research in the field cognitive systems. Sometimes external researchers are invited. Furthermore current subjects of more general interest can be presented and discussed. General Informations
Das Forschungscolloquium CogSys ist ein Forum zum wissenschaftlichen Austausch von Dozenten, Doktoranden und Studierenden (insbesondere aktuellen und künftigen Diplomanden). Vorgetragen werden Konzepte bzw. Ergebnisse von Diplom- und Promotionsarbeiten sowie aktuelle Forschung aus dem Fachgebiet Kognitive Systeme. Teilweise werden externe Wissenschaftler eingeladen. Zudem können aktuelle Themen, die von allgemeinerem Interesse sind, vorgestellt und diskutiert werden. Allgemeines

Schedule and Speakers

Di, 24.7.2007, 16 Uhr in F 384

Verhaltenssynthese unter dem Einfluss von Bewertungen

Fritz Wysotzki, TU Berlin

Nach einleitenden Bemerkungen zum Lernen von automatisierten Verhalten und (beim Menschen) begleitenden physiologischen Mechanismen werden zwei Schwerpunkte behandelt

  • 1. Das Lernen von Steuerungen in kontinuierlichen Zustandsräumen und
  • 2. Reinforcementlernen

Beim ersten Schwerpunkt werden anhand von Simulationen analoger technischer Systeme (Steuerung einer Talsperre, Lagekorrektur eines Nachrichtensatelliten) Methoden des Nachahmungslernens und die modellgesteuerte Synthese von Steuerungen vorgestellt (Ziel als Attraktor, Potenzial-/Lyapunovfunktionen als Zustandsbewertungsfunktionen, Zielgradienten zur Erreichung von Stabilitäts- bzw. Zielzuständen, Lernen von generalisierenden Klassifizierungsfunktionen als Steuerautomatismen).

In diesem Zusammenhang wird ansatzweise eine mögliche regelungstheo-retische Interpretation und Unterscheidung von Emotionen und Affekten angesprochen.

Im zweiten Schwerpunkt werden zunächst Grundmechanismen des Reinforcementlernens (speziell das Q-Lernen) vor allem unter dem Gesichtspunkt des modellfreien Lernens von zielgesteuerten Bewertungsfunktionen eingeführt. Den Forschungsarbeiten von P. Geibel folgend, wird das klassische Q-Lernen durch die Einführung von negativen, Hindernisse repräsentierenden Bewertungen und zusätzlichen allgemeineren Wahrscheinlichkeitsconstraints sowie die Kombination mit Potenzialfunktionen ("Instinkte") ergänzt. Daraus ergibt sich ein (formalisierender) Bezug zu K.Lewins Feldtheorie. Experimente zum Steuerungslernen eines unbemannten Hubschraubers und zur Stabilisierung des Tanks einer Destillationskolonne werden vorgestellt.

In einem Ausblick erfolgt ein Vergleich physikalischer und neuronaler Schwingungsvorgänge unter dem Gesichtspunkt von Resonanzerzeugung als ein mögliches Grundphänomen analoger Kommunikation im biologischen Bereich.

Fritz Wysotzki, TU Berlin: Verhaltenssynthese unter dem Einfluss von Bewertungen
Mo, 14.5.2007, 14 Uhr in F 125

How IGORII uses MAUD's Constructor Term Rewriting Methodology

Emanuel Kitzelmann
Emanuel Kitzelmann: How IGORII uses MAUD's Constructor Term Rewriting Methodology
Montag, 23.4. 2007, 14-16 Uhr, Raum F 380

Klassisches Planen in Forschung und Anwendungen

Ulrich Scholz (European Media Laboratory GmbH, Heidelberg)

Seit kurzem bin ich ich als Anbieter einer externen Masterarbeit mit Prof. Ute Schmid und dem CogSys verbunden.  Mit diesem Vortrag möchte ich mich vorstellen und gebe einen kleinen Einblick in meine Arbeit und meine Forschungsinteressen.

Zunächst stelle ich die EML GmbH vor und gebe einen Überblick über zwei unserer Projekte: HD Mobil und DynAMITE.

  • Heidelberg Mobil ist ein adaptives Portal für Fußgänger, daß es z.B. Touristen erlaubt sich in einer fremden Stadt zurechtzufinden und ortsbezogene Daten zu nutzen.  Die Firma HD Mobil hat in Heidelberg eine Infrastruktur geschaffen, mit der dieser Dienst im Moment kostenlos für  Nutzer zur Verfügung steht.
  • DynAMITE erlaubt es verschiedenen Geräten selbständig und ad-hoc miteinander kooperieren.  Damit können Ziele des Nutzers identifiziert und von den Geräten gemeinsam erreicht werden.

 Im zweiten Teil gehe ich auf mein aktuelles Forschungsprojekt ein: Das Finden von Zustandsinvarianten für klassische KI Planungsprobleme.  Einfach gesagt sind Zustandsinvarianten Eigenschaften, die in allen Zuständen einer Welt wahr sind, zum Beispiel dass ein Gegenstand zu jedem Zeitpunkt an genau einem Ort ist.  Wissen dieser Art ist praktisch für jeden Planer hilfreich und das Interesse an Methoden, Invarianten automatisch zu finden ist entsprechend groß.  Ich stelle eine Methode vor, die Zustandsinvarianten in STRIPS-Weltbeschreibungen findet, und umreiße, wie man dieses Verfahren auf komplexe Beschreibungen in PDDL erweitern kann.

Ulrich Scholz:
Klassisches Planen in Forschung und Anwendungen
Dienstag, 18.7. 2006, 12-14 Uhr, Raum F 380

Personal Knowledge Management and Social Software

Martin Christof Kindsmüller

Shouting "assistant, assistant, assistant" is the quickest way to be connected to a human operator if you dial into the Delta Airlines automatic reservation system. And even we, who are generally - as developers of this kind of systems - not regarded as especially critical towards technology, often prefer talking to human operators to interacting with automatic speech recognition systems. On the other hand an increasing number of people - and not only the early adopters of technological innovations - love to interact with software - especially web services - that brings them together with others, who share similar interests. The difference in between the two use cases can be summarized as the first being a human-computer interaction (HCI) issue while the latter can be described as computer mediated human-human communication (CMC). Concomitant with the increasing success of the World Wide Web as communication platform more and more systems show up that address CMC. This systems are usually labeled social software or SocialWare. Besides the mere communication facet SocialWare is often used as a tool for personal knowledge management (PKM). In this lecture I will give a brief introduction to SocialWare and PKM. Basic terms will be defined, important discriminations to related concepts will be motivated, and some common principles will be illustrated.

Martin Christof Kindsmüller:
Personal Knowledge Management and Social Software
Dienstag, 11.07.2006, 16:00 - 18:00, Raum F381 (Fakultätskolloquium)

Lernen aus strukturierten Beschreibungen

Peter Geibel, Institut für Kognitionswissenschaften, Universität Osnabrück

Das Maschinelle Lernen ist das Teilgebiet der Künstlichen Intelligenz, welches sich mit der Entwicklung von automatischen Lernverfahren befasst. Dies beinhaltet das Lernen von Klassifikatoren z.B. für Texte oder chemische Substanzen, das Auffinden von nützlichen Mustern in Datenbanken (sog. Data Mining) und das Lernen von Regelungen für verfahrenstechnische Prozesse oder Roboter.
Zum Lernen wird oft eine vektorielle Beschreibung der Daten zugrunde gelegt. So werden im Text Mining die Dokumente häufig als sog. TFIDF-Vektoren dargestellt, welche letztendlich auf dem Zählen der vorkommenden Wörter (bzw. Tokens) beruhen. Die Dokumentstruktur und die Einbettung in ihren Kontext (z.B. des Webs) werden oft vernachlässigt, oder ebenfalls in dieser vektoriellen Darstellung approximativ durch Merkmale kodiert.
Für Texte und in biotechnologischen Anwendungen ist aber häufig eine nicht-vektorielle Datenbeschreibung in Form von Sequenzen, Bäumen, Graphen oder logischen Formeln angemessener. Chemische Moleküle können beispielsweise in besonders natürlicher Weise durch Graphen mit Knoten und Kanten dargestellt werden, Texte als Sequenzen oder Bäume.
In den vergangenen Jahren haben Lernverfahren für strukturierte Beschreibungen erheblich an Bedeutung gewonnen. Dies hat zum Teil mit den relativ neuen Anwendungen des Text Minings und der Bioinformatik zu tun, aber auch mit der Entwicklung von effizienteren Verfahren für strukturierte Daten. Im Vortrag möchte ich  auf eigene Arbeiten im Bereich der Klassifikation von Strukturen mit kernelbasierten Verfahren und Entscheidungsbäumen eingehen, sowie auf Fragestellungen des relationalen Reinforcement Learnings, bei dem es um den Erwerb von Steuerstrategien für probabilistische Planungsprobleme geht.

Peter Geibel:
Lernen aus strukturierten Beschreibungen

Montag, 03.07.2006, 16:00 - 18:00, Raum F384

Modellierung von Prozessen der Neurosenbildung mit Methoden der Künstlichen Intelligenz und Kybernetik

Prof. Fritz Wysotzki, TU Berlin

Es wird der Prozess einer neurotischen Erkrankung anhand zweier Fallbeispiele aus psychoanalytischer und aus kybernetischer Sicht beschrieben. Ziel der zusammen mit J. Körner (FU Berlin, Lehrstuhl für Sozialpädagogik) durchgeführten Untersuchungen ist es, komplexe klinische Phänomene mit Hilfe der Methoden der Künstlicher Intelligenz und der Entscheidungstheorie zu modellieren und als Lerngeschichte abzubilden. Dann erscheint z. B. der „Wiederholungszwang“ (Freud), dem eine Patientin unterliegt, indem sie ihr altruistisches Verhalten aus der Kindheit auf alle sozialen Situationen auch außerhalb der Familie überträgt, als Folge einer Übergeneralisierung, mit der sie negative Emotionen als Kosten für Fehlentscheidungen vermeidet (subjektive Kostenminimierung). Es wird gezeigt, wie eine derartige Lerngeschichte in einem iterativen Lernprozess (Regelkreis) dazu führt, dass der Patient nicht mehr unterscheiden kann, ob sein Verhalten in der aktuellen sozialen Situation überhaupt angemessen ist oder nicht. Mit Mitteln der Informationstheorie wird gezeigt, dass unter den gegebenen Bedingungen keine Informationsübertragung durch Merkmale, die eine Unterscheidung der handlungsrelevanten Situationen gestatten würden, mehr erfolgt. Der Aufbau von begrifflichen Entscheidungsstrukturen (z.B. von Entscheidungsbäumen) auf symbolischer Basis wird dadurch nicht möglich.
Die Schlussfolgerungen aus diesen Betrachtungen stimmen wieder mit psychoanalytischen Behandlungserfahrungen gut überein: Therapeutische Veränderungen lassen sich nicht allein mit Hilfe sprachlicher, also symbolischer Interventionen erzielen. Denn die unbewußten Phantasien werden nicht digital, sondern analog nach den Prinzipien neuronaler Netzwerke verarbeitet; sie müssen in der Übertragungsanalyse erst affektiv erlebt und dadurch dem Bewusstsein zugänglich werden.

Prof. Fritz Wysotzki:
Modellierung von Prozessen der Neurosenbildung mit Methoden der Künstlichen Intelligenz und Kybernetik

Donnerstag, 20.4. 2006, 14 Uhr, Raum F 125

Vorstellung des Diplomarbeitskonzepts

Matthias Raps, Universität Bamberg

Matthias Raps, Bamberg:
Vorstellung des Diplomarbeitskonzepts
Mittwoch, 30.11. 2005, 16 -18 Uhr, Raum F 381

Solving Proportional Analogies with E-Generalization

Stephan Weller, Universität Bamberg

E-Generalization (or E-Anti-Unification) is a method to incorporate background knowledge into a generalization process. The generalization is realized in the form of first-order Anti-Unification, a syntactical method to construct the common structure of two terms. As background knowledge can be given in the form of an equational theory, this is a relatively powerful extension of syntactic Anti-Unification. This approach can be used to solve proportional analogies, i.e. analogies of the form A is to B like C to D. Such analogies, especially in the string domain, are also used in intelligence tests (for example: abc is to abd like ghi to ?) and their solution requires abstraction and a description of the "common structure" of the terms. Such a solution can be reached by E-Generalization by purely algebraic means. The "common structure" of the terms is an abstraction from the concrete terms. Using E-Generalization, this abstraction does not need to be computed in a further step, but is obtained as a by-product. E-Generalization may thus serve as a model for human analogy-solving and even learning by analogy.

Stephan Weller, Bamberg: Solving Proportional Analogies with E-Generalization
Mittwoch, 23.11. 2005, 16 -18 Uhr, Raum F 381

An Explanation-based Generalization Approach to the Inductive Synthesis of Functional Programs

Emanuel Kitzelmann, Universität Bamberg

Induktive Programmsynthese ist das automatische Generieren von Programmen/Algorithmen aus unvollständigen Spezifikationen. Eine unvollständige Spezifikation ist i.d.R. eine endliche Menge von Input/Output-Paaren, die beispielhaft darstellen, was der Algorithmus leisten soll. Die erklärungsbasierte induktive Synthese funktionaler Programme erfolgt in zwei Schritten: Zunächst wird ein endlicher Programmterm berechnet, der genau die gegebenen Input/Output-Beispiele erklärt, d.h. der mit einem gegebenen Input aus den I/O-Beispielen zu dem entsprechenden Output und für alle anderen Inputs zu "undefiniert" evaluiert. Anschließend wird dieser initiale Term zu einer Menge von rekursiven Gleichungen generalisiert, die das synthetisierte funktionale Programm darstellen und die auch für andere Inputs einen sinnvollen Output berechnen.

Emanuel Kitzelmann, Bamberg: An Explanation-based Generalization Approach to the Inductive Synthesis of Functional Programs
Dienstag 8.11.2005, 16-18 Uhr, Raum F381. (WIAI-Kolloquium, Achtung: Termin geändert)

Interaktives Theorembeweisen im Software Engineering

Florian Kammüller, TU Berlin

In diesem Vortrag wird zuerst der Hintergrund und die Funktionsweise von interaktiven Theorembeweisern erläutert und an den beiden Beispielen Coq und Isabelle durch Gegenüberstellung wichtiger Grundkonzepte aufgezeigt. Dann wird am Beispiel der Formalisierung von Sicherheitseigenschaften der Java Virtual Machine (JVM) in Coq erläutert, wie man eine Anwendung in einen Beweiser einbettet. Abschliessend gebe ich einen Ueberblick über weitere Anwendungen, eine Zusammenfassung meiner Erfahrungen und Einschätzung des Nutzens der Anwendung von Theorembeweisern.

Florian Kammüller, TU Berlin: Interaktives Theorembeweisen im Software Engineering

Mittwoch, 26. Oktober 2005, 14:15 - 15:30 Uhr, Raum F 087.

Kognitive Modellbildung und Simulation in der human- und sozialwissenschaftlichen Beratung

Dr. Markus Bresinsky und Prof. Dr. Harald Schaub, IABG, Human Factors Team

Gegenstand der Kurzpräsentation wird ein Einblick in die Arbeite des Human Factors Teams der IABG sein. An ausgewählten Beispielen werden die Anforderungen unserer Arbeit im Bereich Modellbildung und Simulation verdeutlicht. Abschließend soll ein Qualifiaktionsprofil und mögliche Themen für eine Mitarbeit in unserem Team vorgestellt werden.

Dr. Markus Bresinsky und Prof. Dr. Harald Schaub: Kognitive Modellbildung und Simulation in der human- und sozialwissenschaftlichen Beratung

Jul. 6, 4-6 pm, room F 380

Ein Ansatz zur Beschreibung kognitiver technischer Systeme im Kontext der Produktentwicklung

Dr.-Ing. Kristin Paetzold, Lehrstuhl für Konstruktionstechnik, Friedrich-Alexander-Universität Erlangen-Nürnberg

Die logische Fortsetzung mechatronischer Systeme ist die Integration kognitiver Fähigkeiten in ein technisches System. Der vorliegende Beitrag will zunächst klären, was Kognition im Kontext technischer Systeme bedeutet. Daraus lassen sich erste Ansätze zur Beantwortung von Fragestellungen zur Systemarchitektur ableiten, die kurz vorgestellt werden.

Dr.-Ing. Kristin Paetzold: Ein Ansatz zur Beschreibung kognitiver technischer Systeme im Kontext der Produktentwicklung
Jun. 8, 4-6 pm, room F 380

Lernen von Entscheidungshierarchien bei Trainingsobjekten mit individuellen Kosten für Fehlentscheidungen

Prof. Dr. Fritz Wysotzki, Institut für Softwaretechnik und Theoretische Informatik, Technische Universität Berlin

Am Beispiel eines konkreten Lernalgorithmus (CAL5) zum Klassifizierungslernen wird gezeigt, wie objekt-(bzw. situations-)abhängige Kosten für Fehlentscheidungen bei Trainingsobjekten benutzt werden können, um kostenoptimale statt fehleroptimale Entscheidungsbäume zu lernen. Ein Anwendungsbeispiel sind optimale Entscheidungen bei der Vergabe von Krediten durch Banken. Im Vortrag wird der durch Kosten modifizierte Lernalgorithmus dargestellt, entscheidungstheoretisch begründet und über anhand von künstlichen und Anwendungsdatensätzen durchgeführte Experimente berichtet. Als überraschendes Resultat ergibt sich, dass für die Klassentrennung objektiv irrelevante Merkmale durch die Einbeziehung von Kosten relevant werden können. Die Entscheidungsgebiete im Merkmalsraum werden für die "wichtigen", d.h. mit hohen Kosten für Fehlentscheidungen behafteten Klassen vergrößert. Die Algorithmen und Resultate werden vom kognitionswissenschaftlichen Standpunkt interpretiert, beispielsweise ergibt sich eine Erklärung für bestimmte psychopathologische Phänomene. Kosten werden dabei allgemein interpretiert als negative Gefühle, Energieaufwand, Verletzung von moralischen Normen etc.

Prof. Dr. Fritz Wysotzki: Lernen von Entscheidungshierarchien bei Trainingsobjekten mit individuellen Kosten für Fehlentscheidungen
Feb. 2, 3-6 pm, room F 384 (note: particular time and location)

MicroPsi: Ein Toolkit zur Programmierung kognitiver Agenten

Joscha Bach, Institut für Kognitionswissenschaft, Universität Osnabrück

MicroPsi ist eine kognitive Architektur auf der Grundlage der Psi-Theorie des Bamberger Psychologen Dietrich Dörner. Im Gegensatz zu anderen Ansätzen im Bereich kognitiver Modellierung (wie z.B. ACT-R und SOAR), die sich vorwiegend auf Problemlösen und Gedächtnisfunktionalität konzentrieren, legt die Psi-Theorie ihren Schwerpunkt auf die Einbettung kognitiver Prozesse in ein Motivations-/Emotionssystem und die Modellierung der Interaktion zwischen Agent und Umwelt. Die Kontrollstrukturen, Pläne und Perzepte von MicroPsi-Agenten werden durch hierarchische Spreading-Activation-Netze repräsentiert. Wir werden ein Toolkit vorstellen, daß die Implementation und das Experimentieren mit MicroPsi-Agenten erlaubt. Weitere Informationen gibt es unter http://www.cognitive-agents.org

Joscha Bach: MicroPsi