im FORMES-Projekt (Cointe et al. 1987; Rodet / Cointe 1991) sowie im Bereich eines Multimedia-Projektes des DIST in Genua (Camurri 1993; Camurri et al. 1993b).

Aus diesem Bereich dürften in Zukunft in Verbindung mit der objektorientierten Programmierung wichtige Impulse für die Konzeptbildung in der musiktheoretischen Forschung zu erwarten sein.

4.3 Die subsymbolische KI

Die subsymbolische KI wird auch als Konnektionismus (connectionism) oder Künstliche Neurale Netzwerke (artificial neural networks) bezeichnet. Aus Platzgründen können hier nur die Grundideen dieses Paradigmas skizziert werden. Für eine weiterführende Beschäftigung muß auf die Fachliteratur verwiesen werden (z. B. die einführenden Bücher von Spies 1993, S. 258-366, Hoffmann 1993 und den Aufsatz von Mallot 1993).

Die grundlegende Metapher dieses Modellbildungsansatzes stellt das Gehirn verstanden als Nervennetz von interagierenden Neuronen dar. In Anlehnung an das Gehirn wird ein Künstliches Neurales Netzwerk bestehend aus verbundenen interagierenden Einheiten gedacht, die einfache Berechnungen durchführen. Die einzelnen Einheiten sind einfache mathematische Prozessoren, die mathematische Funktionen berechnen. Eine Einheit wird aus drei verschiedenen Funktionen bestehend vorgestellt, die wiederum aus grundlegenden mathematischen Funktionen aufgebaut sind: Eingangsfunktion, Aktivierungsfunktion und Ausgangsfunktion. Häufig werden auch die Aktivierungsfunktion und die Ausgangsfunktion zu einer Funktion, der Transferfunktion, zusammengefaßt. Die Verkettung von Eingangsfunktion, Aktivierungsfunktion und Ausgangsfunktion berechnet aufgrund eines Eingabewertes einen Ausgabewert, der wiederum als Eingabewert anderer Einheiten dienen kann.

Bestimmte Verbindungstopologien der einzelnen Einheiten dienen zur Klassifikation verschiedener Netztypen wie rekurrente Netze, feed-forward-Netze etc. Die Veränderung der Intensität der Verbindungen innerhalb einer Topologie bildet die Grundlage für das "Lernen" eines Netzwerkes, um eine gewisse Aufgabe approximativ zu erfüllen. Optimierungsmethoden, wie sie aus den Wirtschaftswissenschaften bekannt sind, finden bevorzugt Anwendung. Das "Lernen" erfolgt durch systematische Veränderung der Intensitäten der Verbindungen zwischen den Einheiten mittels Lernalgorithmen. Lernalgorithmen bilden das theoretische Forschungsfeld des Konnektionismus, denn es muß sichergestellt sein, daß der Lernalgorithmus bei entsprechenden Problemstellungen konvergiert, d. h., daß er, wenn es eine angemessene Lösung gibt, diese auch liefert: das Lösungsverfahren wird sozusagen erlernt.

Unter psychologischem Gesichtspunkt wurden im wesentlichen so grundlegende Wahrnehmungsmechanismen wie Generalisierung, Diskrimination und Klassifizierung modelliert, wie sie besonders in der Psychophysik erforscht wurden. In letzter Zeit zeichnet sich eine Verbindung der klassischen, statistischen Verfahren der Psy-