Maschinensemiotik

Abstract

Trotz teils hervorragender Spracherkennungsleistungen verfügen aktuelle Sprachassistenzsysteme weder über eine geeignete automatische Semantikana­lyse noch eine brauchbare Weltwissensrepräsentation. Dementsprechend behilft man sich damit, den Nutzer Signal- oder Befehlswörter zur Steuerung der Maschine lernen zu las­sen. Ein solcher, für den Anwender oft frustrierender, Ansatz wäre jedoch unnötig, wenn man sich eines grundlegenden Unterschieds in der Semiotik von Menschen und Maschi­nen vergegenwärtigt: Für Maschinen ergibt sich die Bedeutung einer (menschlichen) Äuße­rung ausschließlich aus ihrem maschinellen Handlungsspielraum. Maschinen müssen daher auch nicht die Bedeutung einzelner Wörter und die sich aus diesen Wortbedeutun­gen und zusätzlichem impliziten Weltwissen ergebende Satzsemantik verstehen. Es reicht aus, dass man die Maschine im Trial-and-Error-Verfahren die maschinenspezifischen Bedeutungen menschlicher Äußerungen lernen lässt. Dieses Erlernen lässt sich formal auf Grundlage von B. F. Skinners Lerntheorie als das Erlernen von Äußerungs-Bedeu­tungs-Paaren (Utterance-Meaning-Pairs) modellieren, was am Beispiel einer trivialen kog­nitiven Heizung gezeigt werden soll. Abschließend erfolgt eine ausführliche semiotische Kontextualisierung der derart modellierten Zeichen.