\documentclass[10pt,a4paper,portrait]{article}
\usepackage[pdftex]{graphicx}
\usepackage[dutch]{babel}
%\usepackage{fullpage}
\usepackage{sober}
\usepackage{url}

\begin{document}
\begin{center}
Filosofie van Kunstmatige Intelligentie, 2008 \\
0440949 Andreas van Cranenburgh \\
{\em Mon Nov 10 18:21:42 CET 2008}
\end{center}

%Lees: Stevan Harnad, The Symbol Grounding Problem
%
%http://cogprints.org/3106/1/sgproblem1.html
%
%Beschrijf in eigen woorden wat het 'symbol grounding' probleem is. Leg uit
%waarom volgens Harnad noch puur symbolische modellen noch puur
%connectionistische modellen van intelligentie adequaat kunnen zijn. Denk je
%dat Harnad's hybride oplossing wel voldoet?  Waarom (niet)?
%
%Omvang ongeveer 300 woorden.
%
%Inleveren per email, uiterlijk dinsdag 25 november 2008, om 14.00 uur, aan
%Steijn.Kistemaker@student.uva.nl. Zet in de subjectregel: "[FAI] wk 13"

\section{Het Symbool-grondings probleem}
Het {\em symbol grounding} probleem houdt in dat het definieren van symbolen
moeilijk is, aangezien de verleiding groot is symbolen te definieren met weer
andere symbolen. Deze regressie moet ergens ophouden, ergens moet een primitief
symbool gedifinieerd kunnen worden. Hoe dit zou moeten is het {\em symbol
grounding} probleem.

Symbolische systemen hebben last van dit probleem omdat hun operatisch puur op
syntaxis berusten, op de vorm van de symbolen. De interpretatie van de symbolen
staat los van deze syntaxis, zoals dat gaat bij formele systemen.  Van het
gedrag van mensen worden bepaalde regelmatigheden afgeleid, deze zouden het
gevolg zijn van een symbolisch systeem dat bepaalde regels lijkt te volgen.
Echter, of er ook echt regels worden gevolgd is niet te achterhalen met behulp
van reactietijden en dergelijke. Een consistente interpretatie is niet genoeg.

Connectionistisch modellen hebben weer het `nadeel' dat ze niet compositioneel,
systematisch en symbolisch werken. Systematisch gedrag, zoals schaken, wiskunde
bedrijven en dergelijke, kunnen niet zozeer beschreven worden door een neuraal
netwerk, maar hoogstens ge\"emuleerd worden. Mensen hebben bij dit gedrag een
duidelijk gevoel dat ze systematisch te werk gaan, en kunnen als gevolg
uitleggen welke stappen gevolgd zijn. Een neuraal net kan alleen maar vuren. 

\subsection{De hybride oplossing}
Harnad komt vervolgens met een voorstel: laten we het beste van twee werelden
nemen. Ik vind dit zelf interessant, maar het zou theoretisch onnodig moeten
zijn. Neurale netwerken kunnen elke berekenbare functie leren, en dus kunnen ze
een formeel systeem omvatten. Echt hybride hoeft het dan niet te worden, want
het geheel blijft een neuraal netwerk. Het is wel zo dat bij een hybride
oplossing met minder capaciteiten evenveel bereikt kan worden, aangezien een
expliciet formeel systeem efficienter en descriptiever zal zijn dan datzelfde
systeem ge\"implementeerd in een neuraal netwerk. Ik denk wel dat neurale
netwerken benodigd zijn, aangezien ze, met de juiste hardware, continue en
analoge in-/uitvoer aankunnen --- dit zal nodig zijn om het dynamische karakter
van de werkelijkheid aan te kunnen.

\subsection{Bronnen}
Harnad, S. (1990) The Symbol Grounding Problem. Physica D 42: 335-346.

\end{document}