Kausales Denken, Bayes-Netze und die Markov-Bedingung

17
menschlichen Bedürfnisses, aktiv seine Umwelt zu manipulieren. Und so mag es
nicht verwundern, dass die Möglichkeit der Intervention das Lernen um die richtige
kausale Struktur erheblich beschleunigt oder gar erst ermöglicht (siehe u.a.
Campbell, 2007; Hagmayer, Sloman, Lagnado & Waldmann, 2007; Lagnado &
Sloman, 2004; Meder, 2006; Meder, Hagmayer & Waldmann, 2008; Schulz,
Gopnik & Glymour, 2007; Schulz, Kushnir & Gopnik, 2007; Sloman & Lagnado,
2005; Sommerville, 2007; Waldmann & Hagmayer, 2005). Dabei profitieren nicht
nur Menschen von der Möglichkeit des Intervenierens. Auch Ratten scheinen
sensitiv für die Konsequenzen ihrer Interventionen in Kausalsysteme zu sein
(Blaisdell, Sawa, Leising & Waldmann, 2006; Leising, Wong, Waldmann &
Blaisdell, 2008).
Kausale Grammatiken. Stehen weder Wissen um die zeitliche Abfolge noch die
Möglichkeit einer Intervention und nur eine sehr beschränkte Menge an Beobachtungsdaten
zur Verfügung, so scheint ein Lernen zugrunde liegender Kausalrelationen
schwierig bis ausgeschlossen. Dennoch identifizieren erwachsene
Probanden wie auch Kleinkinder kausale Zusammenhänge in einigen Experimenten
bereits nach der Beobachtung weniger Lerntrials (siehe u.a. Meltzoff, 2007;
Sobel & Kirkham, 2007; Sobel, Tenenbaum & Gopnik, 2004). Eine Erklärung hierfür
scheint zu sein, dass die Probanden abstraktes Wissen über das kausale System
nutzen, um den Hypothesenraum einzuschränken oder Beobachtungen restriktiver
zu interpretieren. Dieses abstrakte Vorwissen, z.B. dass Risikofaktoren
Krankheiten und Krankheiten ihre Symptome verursachen, kann in einer kausalen
Grammatik formalisiert werden (siehe Griffiths & Tenenbaum, 2007b;
Tenenbaum, Griffiths & Niyogi, 2007; für einen weniger formalisierten, ähnlichen
Ansatz siehe bereits Waldmann, 1996, 2007; für verwandte Ansätze siehe auch
Kemp, Perfors & Tenenbaum, 2007; Kemp & Tenenbaum, 2008; Kemp &
Tenenbaum, in press; Tenenbaum, Griffiths & Kemp, 2006). Eine kausale Grammatik
beschreibt dabei in Anlehnung an probabilistische Grammatiken im sprachlichen
Bereich (siehe u.a. Chater & Manning, 2006; Xu & Tenenbaum, 2007) einen
generativen Algorithmus, der diejenigen Strukturen – hier also die verschiedenen
Bayes-Netze bzw. Strukturhypothesen – produziert, über denen die Inferenz
stattfindet und der die Strukturen in der Regel auch mit einer A-priori-