Agentenbasierte Modellierung von Pers onlichkeitsunterschieden auf der Grundlage der PSI-Theorie Ein Bilderbuch - Ivo Siekmann 13. Oktober 2004
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Agentenbasierte Modellierung von
Persönlichkeitsunterschieden auf der Grundlage
der PSI-Theorie
Ein Bilderbuch
Ivo Siekmann
13. Oktober 20041 Das Fühlen: Informationsübertragung zwischen
OES und EG
IG EG
6
?
HC interne Zustände $
'
6 Bedürfnisse
? A−
IVS - OES
A+
& %
Abbildung 1: Hier ist die Informationsübertragung zwischen Extensionsgedächt-
nis (EG) und den anderen kognitiven Makrosystemen dargestellt. Die Vermitt-
lung erfolgt über einen simulierten Hippocampus (HC), der die in [McClelland
et al.] beschriebene Rolle spielen soll: Durch das Objekterkennungssystem (OES)
wahrgenommene Statusinformationen (Affekt, zuletzt ausgeführte Verhaltenswei-
sen, wahrgenomene Objekte, Befriedigung einzelner Bedürfnisse) werden in binäre
Muster konvertiert und durch HC selektiert. Die ausgewählten Muster werden im
EG gespeichert. Bei einer Abfrage des EG übersetzt HC die binären Pattern wie-
der in Statusinformationen zurück.
12 Modellannahme: Das OES speichert Zustände
— als “Assoziationen”
A+ = 1.03, A− = 0.97, Verhalten: Annnäherung (Ann), Objekt: 000
Abbildung 2: Das OES fertigt für jeden Zeitschritt ein Zustandsprotokoll an. Es
werden die Affekte, ein möglicherweise ausgeführtes Verhalten und die Objekte
protokolliert, die Gegenstand der Aufmerksamkeit der Person waren.
Unter einer Assoziation wird im folgenden eine von der Person hergestellte
Verbindung zwischen mehreren Zustandsmerkmalen verstanden, die dazu führt,
dass das Richten der Aufmerksamkeit auf eines der Merkmale unter bestimmten
Bedingungen automatisch das Übergehen der Aufmerksamkeit auf die mit diesem
Merkmal assoziativ verknüpften Merkmale zur Folge hat.
A+ Ann 000 und A− 111
Abbildung 3: Assoziationen werden bei gleichzeitigem Auftreten verschiedener Zu-
standsmerkmale vom OES gebildet. Wird beispielsweise Annäherungsverhalten
A+ auf ein Objekt der Kategorie 000 hin ausgeführt und tritt dabei positiver
Affekt A+ auf, erhält man die links im Bild gezeigte Assoziation. In der rechts
gezeigten Assoziation wird negativer Affekt mit einem Objekt der Kategorie 111
verknüpft.
23 Das EG repräsentiert Assoziationen in einem
Hopfield-Netzwerk
Abbildung 4: Ein allgemeines rekurrentes Netzwerk besitzt Verknüpfungen aller
Nervenzellen...
Die Gewichte des Netzes lassen sich in einer Matrix
w11 · · · w1n
. ... ..
W = ..
.
wn1 · · · wnn
darstellen. Für ein Hopfield-Netz ist die Gewichtsmatrix W — wie in Abb. 5
Abbildung 5: ...bei einem Hopfield-Netz stimmen die Gewichte wij und wji zwi-
schen einer Nervenzelle i und einer anderen Nervenzelle j überein.
erläutert — symmetrisch. Die Arbeitsweise eines Hopfield-Netzes lässt sich am be-
sten durch Ausprobieren verstehen. Der Link http://diwww.epfl.ch/w3mantra/
tutorial/english/hopfield/html/index.html stellt hierzu ein JAVA-Applet
bereit.
3A+ Ann 000 A− M eid 111
~ ~ ~ n n n
Abbildung 6: In der Zeichnung stehen ausgefüllte Kreise für aktivierte und nicht
ausgefüllte Kreise für deaktivierte Nervenzellen. Dieses aus sechs Nervenzellen
bestehende Hopfield-Netzwerk zeigt eine Assoziation zwischen positivem Affekt,
Annäherungsverhalten und einem Objekt der Kategorie 000 an — die deaktivier-
ten Nervenzellen sind so zu verstehen, dass die betreffenden Situationsmerkma-
len mit den assoziierten Merkmalen nicht in Verbindung stehen. Im Hopfield-
Netzwerk können also Assoziationen der in Abb. 3 dargestellten Art repräsentiert
werden.
4 Begrenzte Speicherkapazität, Selektion der Ein-
gabemuster
Für beliebige, mit zufälligen Werten initialisierte Muster haben Hopfield-Netze
eine sehr geringe Speicherkapazität. Man kann zeigen, dass sie nur 0.14N Muster
speichern können, wobei N die Anzahl der Nervenzellen des Hopfield-Netzes ist.
Zur Untersuchung der Speicherkapazität ist es sinnvoll, die Muster als Vektoren
aufzufassen. Hopfield-Netze können sicher solche Muster speichern, die “orthogo-
nal” sind, d.h., dass das Skalarprodukt der Muster-Vektoren verschwindet. Das
Verschwinden des Skalarprodukts bedeutet geometrisch, dass die Vektoren senk-
recht aufeinander stehen. Andererseits hat der Winkel noch eine andere Bedeu-
6
-
Abbildung 7: Orthogonale Vektoren können stets gemeinsam im selben Hopfield-
Netz gespeichert werden.
tung: Er kann als Maß für die Verschiedenheit zweier Muster angesehen werden.
Damit hat er nicht nur eine technische, sondern auch eine psychologische Inter-
pretation: Er ist ein Maß für die “Interessantheit” einer Menge von Mustern. Für
die Informationsübertragung zwischen OES und EG wird also folgende Strategie
angewandt: In einem zwischengeschalteten System, das die Rolle des Hippocam-
pus nach [McClelland et al.] einnimmt, werden die Zustandsprotokolle des OES
gesammelt und in binäre Muster übersetzt. Aus den binären Mustern wird an-
hand des Winkels eine Teilmenge ausgewählt, die möglichst gut zu speichern
4
α
:
Abbildung 8: Für allgemeine Muster ist der Winkel α zwischen den beiden Mu-
stervektoren ein Mäß dafür, wie gut sich beide Mustervektoren gemeinsam im
selben Hopfield-Netz speichern lassen.
A+ A− Ann Lust F urcht
~ n ~ ~ n
A+ A− Ann Lust F urcht
~ n n n ~
Abbildung 9: Bei binären Mustern-Vektoren “zählt” das Skalarprodukt die Über-
einstimmungen zweier Muster. Hier stimmen die zwei Muster nur darin überein,
dass sie beide jeweils positiven Affekt enthalten.
und gleichzeitig “interessant” erscheint, da die Übereinstimmung innerhalb der
Teilmenge minimal ist.
5 Der Einfluss des EG auf das Verhalten —
Assoziationen und Kausalbeziehungen
Die Verhaltenssteuerung ist wie bisher mithilfe von WENN-DANN-Regeln imple-
mentiert. Annäherungsverhalten, das auf das Erlangen positiver Affekte und das
Vermeiden negativer Affekte ausgerichtet ist, kann z.B. so dargestellt werden:
WENN GetPosAff ODER MindNegAff DANN Annäherung
Durch Bilden von Regeln, die das EG abfragen, kann also ein auf dem Erfah-
rungswissen des Selbst beruhendes Verhalten simuliert werden.
Allerdings stellt sich die Frage: Wie “erkennt” eine Person, dass Annäherung an
ein bestimmtes Objekt bedürfnisbefriedigend ist? Hierzu wird auf den Kausa-
litätsbegriff des britischen Empiristen David Humes zurückgegriffen, der das Er-
kennen von Ursache-Wirkungs-Beziehungen letztlich nur als Gewohnheit ansieht:
Wenn zwei Dinge stets zur gleichen Zeit oder am gleichen Ort im Raum geschehen,
wird zwischen ihnen eine Ursache-Wirkungs-Verknüpfung hergestellt. Ursache-
Wirkungs-Beziehungen werden ausschließlich durch “Gewöhnung” an bestimmte
5Assoziationen gebildet. Das Erkennen der Ursache-Wirkungs-Beziehung zwischen
einem bestimmten Objekt und positivem Affekt ist in diesem Modell entsprechend
des Humeschen Kausalitätsbegriffes realisiert.
6 Unterschiede der im EG gespeicherten Inhal-
te bei verschiedenen Persönlichkeitstypen
Wird angenommen, das das OES nur dann in der Lage ist, Informationen ins EG
zu übertragen, wenn das EG gemäß der Affektdynamik aktiviert ist, ergeben sich
schon in einem einfachen Experiment Persönlichkeitsunterschiede.
Tabelle 1: Stabile Assoziationsmuster in 27 Simulationsläufen
Gruppe 1: Belohnungssensitive Persönlichkeitstypen
Persönlichkeitsstil A+ A+ A+ A+-(000) A+-App-(100 ) (4x) tend (nend )
A+-App-(000) A+-App-(100) A+-App-(000) A+-App-(100)
A+-App-(100)
liebenswürdig 1 2 3 20 1 131.2 (27)
selbstbestimmt 1 2 3 20 1 131.2 (27)
ehrgeizig 1 4 22 84.3 (27)
Tabelle 2: Stabile Assoziationsmuster in 27 Simulationsläufen
Gruppe 2: Bestrafungssensitive Typen
Persönlichkeitsstil A+-(0) A−-(0) A−-(0) nichts tend (nend )
App-(100) A+-App-(100) App-(111) A+-(000)
A−-(000)
App-(000)
sorgfältig 11 2 11 1 130.4(14)
selbstkritisch 10 1 14 1 147(16)
zurückhaltend 6 3 14 1 128.4(12)
Persönlichkeitsstil A+-(000) A−-(000) A−-(000)
A−-App-(111) App-(100) A+-App-(100)
sorgfältig 2 10 1
selbstkritisch 1 10
zurückhaltend 3 11 1
6Tabelle 3: Stabile Assoziationsmuster in 27 Simulationsläufen
Gruppe 3: Eigenwillige Persönlichkeit
Persönlichkeitsstil A+-(000) nichts nichts nichts tend (nend )
App-(100) A+-App-(000) App-(100) A+-(000)
App-(000)
eigenwillig 24 1 1 1 139.6
Tabelle 4: Stabile Assoziationsmuster in 27 Simulationsläufen
Gruppe 4: Ahnungsvolle Persönlichkeit
Persönlichkeitsstil A+-(000) A− A−-(000) nichts tend (nend )
A+-App-(100) A+-App-(100) A+-App-(100) A+-App-(100)
ahnungsvoll 3 2 4 1 63.7(10)
A+ A−-(000)
A−-(000) A+-App-(100)
ahnungsvoll 3 14
7Abbildung 10: Die Persönlichkeiten des STAR-Modells können aufgrund ihres
Verhaltens in einem Experiment zu inhaltlichen Unterschiden der im EG gespei-
cherten Assoziationsmuster in vier Gruppen aufgeteilt werden.
8Sie können auch lesen
