Künstliche Neuronale Netze und Selbstorganisation. zur Bedeutung paralleler Informationsverarbeitung für die Sozialwissenschaften

Künstliche Neuronale Netze (KNN) vermitteln einen Eindruck von den Funktionsprinzipien,

die menschlicher Informationsverarbeitung auf neuronaler Ebene zugrunde liegen. In dieser

Arbeit wird gefragt, inwieweit sich aus den Eigenschaften paralleler Informationsverarbeitung

Erklärungsmöglichkeiten für unterschiedliche sozialwissenschaftliche Fragestellungen

ableiten lassen.

Nach einer kurzen Erklärung der Funktionsweise und typischer Netzwerkarchitekturen unter

Berücksichtigung überwachter und unüberwachter Lernverfahren werden grundlegende

Eigenschaften Künstlicher Neuronaler Netze und deren Abhängigkeit von der Art der

Wissensrepräsentation erläutert. Daran anschließend werden systemtheoretische Kategorien

u.a. von Maturana und Luhmann eingeführt. Hierbei steht die Frage im Vordergrund, ob KNN

mittels dieser Kategorien beschreibbar sind und inwieweit KNN geeignet sind, reale Systeme

abzubilden.

Es folgt eine Analyse erkenntnistheoretischer Positionen, des ¿psychologischen

Induktionsproblemes¿ (Popper) sowie der Variation und Bewährung von Wissen unter

Bezugnahme auf die Wissensverarbeitung in KNN. Der Unterschied zwischen

selbstorganisierten Systemen in Form von KNN und trivialen ebenso wie nicht-trivialen

Maschinen sowie einfachen Regelkreisen wird nachfolgend diskutiert. Aus dem Vergleich

ergibt sich eine Definition des Begriffes Selbstorganisation, die überwachtes ebenso wie

unüberwachtes Lernen einschließt. Überträgt man diese Definition auf ökonomische (Teil-)

Systeme, so können diese entweder durch den Aspekt der Regelung oder durch den Aspekt

der Selbstorganisation beschrieben werden. Die Möglichkeit selbstorganisierter Veränderung

setzt ein gewisses Maß an Stabilität und Anpassungsfähigkeit der Beziehungen innerhalb des

Systems voraus.

Selbstorganisation, wie sie in KNN modelliert wird, stellt eine Möglichkeit dar, die

Entstehung endogener Ordnung in einer durch chaotische Beziehungen geprägten Umwelt zu

erklären.

Parallele Informationsverarbeitung legt in Bezug auf das ökonomische Verhaltensmodell eine

andere Art ¿begrenzter Rationalität¿ nahe, die nicht notwendigerweise als irrational zu

beschreiben ist. Die Bedeutung von Heuristiken in der Entscheidungsfindung kann bspw.

durch die verteilte Speicherung von Wissen als einem Element paralleler

Informationsverarbeitung erklärt werden. Eine Berücksichtigung dieser Form begrenzter

Rationalität im Rahmen ökonomischer Modellbildung ist insofern wünschenswert.