Begriffserwerb aus großen Mengen von Beispielen

Menschen verfügen über Begriffe, um die Welt zu erfassen und über sie zu kommunizieren. Die Begriffe sind aber (zumindest zum größten Teil) nicht angeboren, sondern durch den Umgang mit und die Kommunikation über Objekte der Umwelt erworben. Die Objekte stellen dabei Beispiele der Begriffe dar. Über besonders detaillierte Begriffe verfügen menschliche Experten, die diese Begriffe durch intensive Beschäftigung mit einem Gegenstandsbereich zu einer großen Menge von Beispielen erworben haben. Will man die menschliche Fähigkeit, Begriffe aus Beispielen zu erwerben, auf ein maschinelles System bertragen, stellen sich folgende Fragen: Wie lassen sich (individuelle) Begriffe und deren Erzeugung (Erwerb) aus Beispielen psychologisch fundiert beschreiben? Wie sieht ein psychologisch plausibles, effizientes und möglichst effektives Verfahren zum Begriffserwerb aus? Welche Ergebnisse liefert das Verfahren in einem Anwendungsbereich mit einer großen Menge von Beispielen, wie z.B. für die Erzeugung von Regeln zum Führen von Schachendspielen aus einer großen Menge von Beispielstellungen oder -zügen? Für diese Fragen werden in der vorliegenden Arbeit Antworten vorgeschlagen. Dabei wird der genaue Zusammenhang eines Problems des Begriffserwerbs zum Problem der zweistufigen logischen Minimierung (Logiksynthese) und zu einem Problem der kombinatorischen Optimierung (einer Verallgemeinerung des SCP)dargestellt. Vom entwickelten System Lascer wird gezeigt, dass es in den genannten Bereichen sowie in den Anwendungsbereichen Klassifikation und Schachendspiele bessere Ergebnisse liefert als einige der besten Systeme in diesen Bereichen.