Kausales Denken, Bayes-Netze und die Markov-Bedingung

3
priori angenommen (Anderson, 1990), im Sinne einer optimalen Adaptation des
menschlichen Gehirns an seine Umwelt. 1 Weicht beobachtetes Verhalten von
postulierten Normen (= computationale Theorie) ab, so dokumentiert dies die
Unangepasstheit der Normen, an denen wir das menschliche Denken messen,
und nicht die Unangemessenheit des menschlichen Denkens. Ziel muss es folglich
sein, computationale Theorien zu entwickeln, die menschliches Verhalten
beschreiben und vorhersagen, sich dabei aber gleichzeitig in der Form der Beschreibung
auf der Basis normativer Axiome (wie z.B. Wahrscheinlichkeitskalkül)
bewegen und sich daraus in konsistenter Weise ableiten. 2
Ziel der vorliegenden Arbeit ist es, dieses Konzept auf menschliches Kausaldenken
anzuwenden und dieses auf computationaler Ebene in Situationen zu
untersuchen, in denen es sich nach den Untersuchungen von Rehder und Burnett
(2005) als „Markov verletzend“ herausgestellt hat. Die Arbeit gliedert sich dabei
wie folgt:
In Kapitel 2 werden als Ausgangspunkt die Literatur zum kausalen Lernen
und Denken überblicksartig dargestellt und eine Einführung in die aktuellere Forschung
im Bereich der Bayes-Netze als psychologische Theorien kausalen Denkens
und die damit als zentrale Annahme eng verbundene Markov-Bedingung
gegeben. Dabei werden insbesondere die Arbeiten von Rehder und Burnett
(2005) genauer vorgestellt, die die Abweichungen von dieser zentralen Annahme
(„Markov-Verletzungen“) empirisch untersucht und dokumentiert haben. Die
Studien dienen sodann als Motivation für die Entwicklung der Idee, dass Probanden
bei Kausalinferenzen systematisch weiteres Wissen, insbesondere um die
zugrunde liegenden kausalen Prozesse, miteinbeziehen und dieses sich vor allem
auf die repräsentierte Fehlerstruktur auswirkt.
1 Diese Sichtweise ist dabei vor allem aus der Perspektive der Künstlichen-Intelligenz-Forschung
motiviert, da es bis heute nicht gelungen ist, eine Maschine zu konstruieren, die den Leistungen
des menschlichen Gehirns, z.B. im Bereich der visuellen Wahrnehmung oder der autonomen
Handlungsplanung und -steuerung in komplexen Situationen, auch nur im Entferntesten nahe
kommt. Aus dieser Perspektive erscheint es daher vermessen, menschliches Verhalten deshalb
als irrational zu deklarieren, weil es von „normativen“ Modellen abweicht, die sich in realen Situationen
aufgrund ihrer simplifizierenden Annahmen überhaupt nicht implementieren lassen. In
diesem Sinne gilt mithin das menschliche Verhalten und Denken als Messlatte, die es (vorerst) zu
erreichen gilt und nicht umgekehrt.
2 Für eine ausführliche Debatte dieses Ansatzes siehe u.a. Brighton & Gigerenzer, 2008; Chater
und Oaksford (2008a, 2008b), Danks (2008), Oaksford und Chater (2007),Shultz (2007), Sloman
und Fernbach (2008) sowie Waldmann et al. (2008).