Kommunikation mit/ohne Annahme geteilten Wissens

Größe: px
Ab Seite anzeigen:

Download "Kommunikation mit/ohne Annahme geteilten Wissens"

Transkript

1 Ludwig-Maximilians-Universität München Fakultät für Sprach- und Literaturwissenschaften Centrum für Informations- und Sprachverarbeitung (CIS) Hauptseminar: Geteiltes Wissen und spieltheoretische Semantik Dozent/en: Dr. Hans Leiß, Prof. Dr. Martin Hofmann Sommersemester 2011 Kommunikation mit/ohne Annahme geteilten Wissens Ausarbeitung des Seminarvortrags vom 18. Juli 2011 Janika Jürgens Magisterstudiengang Computerlinguistik

2 Vorbemerkung Mein Vortrag am 18. Juli 2011 sowie die vorliegende Ausarbeitung für das Hauptseminar Geteiltes Wissen und spieltheoretische Semantik stützen sich auf Kapitel 6 von Prashant Parikhs Buch The Use of Language (2001). Da ich mich in den folgenden Seiten ausschließlich an dieser Textgrundlage orientieren werde, habe ich versucht, Parikhs Terminologie sowie seine Definitionen größtenteils in englischer Sprache beizubehalten. Der Lesbarkeit, der Einfachheit und der Deutlichkeit halber werde ich jedoch einige Abkürzungen und Bezeichnungen etwas abändern. Diese Ausarbeitung verfolgt das Ziel, die teils recht komplexen Beschreibungen und Sachverhalte in möglichst einfachen Worten zu rekapitulieren, zu analysieren und zu problematisieren. Einführung Eigentlich würde man ein Kapitel, das Definitions heißt und tatsächlich fast ausschließlich aus Definitionen besteht, in einem Einführungsabschnitt zu Beginn Parikhs Buch The Use of Language erwarten und nicht in der Mitte. In den ersten fünf Kapiteln werden bereits einige Prinzipien, Bedingungen und Definitionen von Kommunikation erläutert. Kapitel 6 beschäftigt sich mit einer Reihe von Annahmen, die in den sog. BC-Assumptions aufgeführt sind und dahingehend modifiziert werden, dass wir letztlich ein vollständiges Set von Definitionen erhalten, welches das Phänomen Kommunikation und einige eng verwandte Konzepte präzise formalisiert. Ausgehend von den BC-Assumptions, die sich aus den Background Assumptions und den Circumstantial Assumptions zusammensetzen, verallgemeinern und generalisieren wir eine Ausgangsdefinition im Zuge eines Abstraktionsprozesses, in dem wir einige Annahmen davon fallen lassen oder neu aufgreifen. The Assumptions (BC-Assumptions) Unser Set von Annahmen (BC-Assumptions) setzt sich, wie bereits erwähnt, aus den Background Assumptions (BA-Assumptions) und den Circumstantial Assumptions (CA-Assumptions) zusammen. 1

3 Wie die Bezeichnungen bereits vermuten lassen, liefern uns die Background Assumptions einige wichtige Hintergrundinformationen. Darunter die Annahme, dass es sich bei den Spielern A und B um zwei kooperierende, rationale Agenten handelt, wobei unter rational zu verstehen ist, dass beide Spieler die jeweils beste Strategie verfolgen. Die sog. meaning-funktion m mit der Menge aller Aktionen als Definitionsbereich und der Potenzmenge der Menge aller Propositionen P als Wertebereich, stellt eine Verbindung zwischen einer Äußerung u und einer endlichen Menge von Propositionen her, d.h.: m(u) = P. Vereinfacht gesagt ist mit m die Bedeutung der gemeinsamen Sprache L gemeint. Ferner sind alle Annahmen, die in den Background Assumptions aufgeführt sind, common knowledge. Die Circumstantial Assumptions variieren mit der Diskurssituation d. So hat Agent A die Intention einen bestimmten Sachverhalt, eine Proposition p zu übermitteln und äußert zu diesem Zweck beispielsweise einen Satz oder eine andere (sprachliche) (Laut-)äußerung. Da Agent B die Absicht verfolgt, das was Agent A sagt bzw. gesagt hat zu interpretieren, muss er die Nachricht, die diese bestimmte Absicht transportieren soll, zumindest einmal empfangen und interpretieren. Mit der Bedeutungsfunktion m können wir die Proposition p identifizieren. Wenn es zwei Propositionen gibt, gehen wir davon aus, dass eine wahrscheinlicher ist als die andere, wobei jede eindeutige Äußerung u mit größerem Aufwand verbunden wäre als eine mehrdeutige Äußerung u. Mit Ausnahme der Punkte (1) und (3) sind alle aufgeführten Annahmen der Circumstantial Assumptions common knowledge. Das vollständige Annahmenset sei hier aus Gründen der Vollständigkeit noch einmal aufgeführt: Background Assumptions 1. A, B are rational. 2. L is a shared language. 3. m is a function from L to the power set of the collection of propositions. I call it the meaning function of L or just the meaning of L. 4. The above assumptions are common knowledge between A and B. 2

4 Circumstantial Assumptions 1. A intends to convey p. 2. A utters u. 3. B intends to interpret u. 4. B receives and interprets u. 5. m(u) = {p,p'}. 6. p' is relatively unlikely. 7. Expressing p, p' unambiguously takes greater effort than expressing them ambiguously. 8. All of the above except (1) and (3) are common knowledge. Definitionen Wir fordern, dass unser Spiel eine eindeutige Lösung hat. Wie wir zu dieser eindeutigen Lösung kommen, lässt Parikh in diesem 6. Kapitel offen. Da wir den genauen Spielablauf hier außer Acht lassen, ziehen wir die Annahmen über Wahrscheinlichkeiten (probabilities) und Nutzen (payoffs) nicht in Betracht. Wünschenswert ist eine explizite, doch gleichzeitig auch möglichst allgemein gehaltene Definition von Kommunikation, die sich nicht allein auf Sprache beschränkt. Da Kommunikation auch innerhalb und zwischen verschiedenen Gattungen erfolgen kann, liegt die Vermutung nahe, dass es Unterschiede zwischen dem Kommunikationsakt von Mensch zu Mensch, Mensch zu Tier, Mensch zu Maschine oder ähnlicher Konstellationen geben muss. Es wird versucht dieser Intuition in den Definitionen (3) und (10) zumindest ein Stück weit Rechnung zu tragen. Da wir eine nicht mehr sprachspezifische Definition von Kommunikation anstreben, müssen wir unsere meaning-funktion m für alle Aktionen erweitern. Dies bedeutet, dass wir die Annahme über eine gemeinsame Sprache L verwerfen können. Common knowledge fordern wir nicht mehr allgemein, sondern nur noch für die Teile, die auch wirklich für den Kommunikationsakt relevant sind, d.h. insbesondere für die konkrete Äußerung u. Es ist offensichtlich, dass wir dann auch unsere reception -Annahme (vgl. Punkt (4) CA-Assumptions) verwerfen können, da eine zusätzliche Aufführung von receive redundant wäre. 3

5 DEFINITION (1) - communication A communicates p to B by producing u iff 1. A intends to convey p to B. 2. A utters u. 3. (2) is common knowledge between A and B. 4. B intends to interpret u. 5. B interprets u. 6. (5) is common knowledge between A and B. 7. p ϵ m(u). 8. (7) is common knowledge between A and B. 9. g(u) has the unique solution <u,p> for A and B. Unter convey in Punkt (1) aus Definition (1) bzw. Punkt (1) der Circumstantial Assumptions verstehen wir schlicht einen Transfer von Informationen oder Missinformationen, ähnlich einer Übertragung von Daten von einer Festplatte zu einer anderen. Gehen wir auf Punkt (9) unserer ersten Definition etwas genauer ein. Da wir in game theory standardmäßig sämtliche Wahrscheinlichkeiten und Nutzwerte als common knowledge betrachten, ist auch das lokale Spiel g(u) common knowledge, welches wir explizit mit folgender Schreibweise ausdrücken können: <g(u),i>, wobei I die Informationsstruktur repräsentiert, die das Wissen und Glauben jedes Agenten über das Modell des jeweils anderen Agenten sowie über die objektive Situation enthält. In diesem Fall repräsentiert I common knowledge von g(u). Wir haben also gemeinsame Baumstrukturen und Wissenszustände, sodass der Spielbaum zwar der gleiche, jedoch unterschiedliche Wahrscheinlichkeiten und Nutzwerte möglich sind. Wie auch immer die Wahrscheinlichkeiten und Nutzwerte genau aussehen mögen, sie sind common knowledge. Ebenso die Baumstruktur und die Wissenszustände. Da in aller Regel sowohl der Sprecher als auch der Adressat bzw. der 4

6 Hörer wenig über die Strategien des jeweils anderen wissen, nehmen wir an, dass es zwei unterschiedliche Spiele gibt. Parikh verzichtet in diesem Kapitel auf eine Ausarbeitung der Spielabläufe und die Festlegung spezifischer probabilities und payoffs. Wir differenzieren folglich zwischen dem Spiel des Sprechers g A (u), dem Spiel des Adressaten g B (u) und ihrer gemeinsamen Lösung <u,p>, die ein Strategiekonzept der jeweils besten Aktionen jedes Spielers formalisieren soll. So können wir Punkt (9) aus Definition (1) folgendermaßen ausdrücken: 9.' <g A (u), g B (u),i> has the unique solution <u,p> for A and B. Definition (1), die unsere Ausgangsdefinition darstellen soll und von der wir im folgenden weiter abstrahieren und generalisieren werden, soll zum Ausdruck bringen, dass eine ganze Reihe von Faktoren zusammen kommen müssen, damit Kommunikation funktionieren kann. So ist neben der Sprecherintention, die Äußerung selbst und ihre Bedeutung entscheidend. Hinzu kommen die Intention des Adressaten, die Art und Weise wie er die Äußerung interpretiert (Interpretationsakt) sowie common knowledge, die Spiele und schließlich deren Lösung(en). An dieser Stelle sollten wir anmerken, dass der Begriff der Äußerung recht weit gefasst ist und sich nicht auf sprachliche Äußerungen oder gar Sätze einer Sprache beschränken muss. Theoretisch können z.b. auch bestimmte Gestiken, das Zeigen eines Bildes, ein Fauchen oder eine symbolische Handlung mit u bezeichnet werden. Diese Handlungen im weitesten Sinne müssen nicht zwangsläufig eindeutig sein. Solange die Bedingungen aus Definition (1) erfüllt sind, können wir behaupten, dass eine Aktion kommunizierbar ist. Prinzipiell kann also jede Aktion für Kommunikation genutzt werden, solange der Sprecher die Bedeutung m ausnutzt bzw. zu nutzen versteht, oder anders ausgedrückt: Die Äußerung u muss eine Verbindung mit m aufweisen. Die Art und Weise wie der Hörer eine Äußerung interpretiert ist nicht direkt beobachtbar. Unsere Definition muss demnach fordern, dass B's Interpretationsakt common knowledge ist. Tatsächlich können in kurzer Zeit viele Äußerungen gemacht werden, sodass wir Kommunikation in den seltensten Fällen auf nur eine einzige Äußerung u zurückführen können. Da wir nicht immer wissen können, ob unser Gegenüber eine Äußerung u richtig interpretiert und ein Dialog auch mit zahlreichen kommunikativen Handlungen durchsetzt sein kann, können wir Kommunikation oft nur approximieren. Strawson (1964) hat versucht zu zeigen, dass eine gewisse Art von Symmetrie zwischen Sprecher und Adressat existiert. Für den Fall, dass wir uns nicht mehr nur auf zwei Agenten beschränken wollen, sondern mehrere Personen an einem Kommunikationsakt beteiligt sind, müssen wir Definition (1) wie folgt erweitern, um von einem joint act sprechen zu können: 5

7 DEFINITION (2) joint act A 1, A 2,,A n perform a joint act a by performing a 1, a 2,,a n respectively iff 1. A 1, A 2,,A n intend to perform a. 2. A 1, A 2,,A n perform a 1, a 2,,a n respectively. 3. (2) is common knowledge among A 1, A 2,,A n. 4. a 1, a 2,,a n result in a. 5. (4) is common knowledge among A 1, A 2,,A n. 6. <g A1 (a), g A2 (a),,g An (a), I> has the (unique) solution <a 1, a 2,,a n > for A 1, A 2,,A n. Jeder Agent A i kann für sich entscheiden, ob und welche individuelle Aktion a i er ausführt, um letztlich zur gemeinsamen Aktion a, dem joint act, beizutragen. Da nicht alle Aktionen zum Erfolg führen können, sondern nur bestimmte Kombinationen, müssen die individuellen Aktionen a i entsprechend koordiniert sein. Alle individuellen Aktionen der beteiligten Agenten sind common knowledge. Beispiel: Eine Anzahl von Personen in einem Ruderboot mit dem gemeinsamen Ziel das Boot vorwärts zu bewegen. Aus der Definition ist allerdings nicht ersichtlich, ob die einzelnen Agenten gleichzeitig agieren oder nacheinander am Zug sind. Uns erscheint plausibel, dass n Personen nacheinander ihre Aktionen ausführen und nicht simultan. Intuitiv gehen wir davon aus, dass sich die Spiele der einzelnen Agenten wieder in Wahrscheinlichkeiten und Nutzwerten unterscheiden, doch bleibt uns Parikh an dieser Stelle eine genaue Definition des lokalen Spiels g(a) schuldig. Besonders für Computerlinguisten ist interessant, wie sich Kommunikation zwischen Maschinen und Kommunikation zwischen Mensch und Maschine beschreiben lassen. Wir können nicht 6

8 behaupten, dass Computer Intentionen haben, weshalb sich uns die Frage stellt, ob sie das nicht aus dem gesamten Komplex Kommunikation ausschließt, da eine der wesentlichen Bedingungen der bisher genannten Definitionen nicht mehr gegeben ist. Es ist nicht zwangsläufig der Fall, dass der Programmierer bzw. Designer einer Anwendung immer der Sprecher und der Benutzer immer der Adressat sein muss. Parikh schlägt deshalb folgende leichte Modifikation von Definition (1) vor, in dem er zu Beginn der Definition explizit betont, dass wir es (in diesem Fall) mit einem menschlichen Agenten als Adressaten zu tun haben: DEFINITION (3) A communicates p by producing u iff there is an agent B such that 1. A intends to convey p to B. 2. A utters u. 3. (2) is common knowledge between A and B. 4. B intends to interpret u. 5. B interprets u. 6. (5) is common knowledge between A and B. 7. p ϵ m(u). 8. (7) is common knowledge between A and B. 9. g(u) has the unique solution <u,p> for A and B. Obwohl wir betont haben, dass Computer keine Intentionen haben, fällt uns in Definition (3) sofort auf, dass in den Punkten (1) und (4) paradoxerweise dennoch von intends die Rede ist. Wir vermuten, dass hier die intention -Annahme auftaucht, damit der Benutzer in der Lage ist voll auswerten zu können und um implizit anzudeuten, dass die Intention der Maschine genau der Zweck ist, zu dem sie erfunden wurde. Dies scheint uns zumindest die nahelegendste Interpretation von Definition (3). Ähnlich wie bei Definition (2) halten wir fest, dass Punkt (6) mit nur einer einzigen Äußerung u für gewöhnlich nicht zu erreichen ist. Computer können aber 7

9 so programmiert werden, dass sie die Absichten des Benutzers durch seine Folge von Aktionen berechnen können. In diesem Zusammenhang deutet Parikh an, dass das Konzept information flow besser geeignet sei, um zu verstehen was unter Computerkommunikation im weitesten Sinne zu verstehen ist. Doch auch diese Erklärungen und Ausführungen suchen wir in Kapitel 6 vergebens, sodass unklar bleibt was Parikh mit Definition (3) wirklich zeigen wollte. Im Umgang mit natürlichen Sprachen sehen wir uns mit dem nicht zu unterschätzenden Problem der Ungenauigkeit konfrontiert, weshalb es unbedingt notwendig ist, dieses Phänomen in unser Definitionenset aufzunehmen. Hierzu unterscheiden wir nun zwei sich überlappende Bedeutungen, nämlich eine Bedeutung des Sprechers m A und eine Bedeutung des Adressaten m B. Es ist offensichtlich, dass m nun kein common knowledge mehr ist. In der Konsequenz ergeben sich für unsere beiden Agenten auch zwei Lösungen: <u,p A > und <u,p B >. Unter der Bedingung, dass sich p A und p B ausreichend überlappen. Auf die interessante und wichtige Frage wie groß der Overlap der beiden Propositionen von A und B sein muss bzw. ob und inwiefern dieser Overlap nutzenorientiert sein soll, geht Parikh bedauerlicherweise nicht näher ein, sondern verweist auf die Erläuterungen von Rohit Parikh (1994). Anscheinend fordert Prashant Parikh für sein Konzept von Kommunikation ganz allgemein die Unterscheidung der Propositionen des Sprechers p A und des Hörers p B. Falls p A = p B, gibt es folgerichtig keine Ungenauigkeiten oder Mehrdeutigkeiten. Da dies aber in den seltensten Fällen wirklich so sein wird, gehen wir davon aus, dass sich beide Propositionen in aller Regel zumindest in irgendeiner Form überschneiden. m A (u) = P A und m B (u) = P B, wobei P A und P B endliche Mengen von Propositionen sind. Wir definieren ungenaue Kommunikation ( vagueness ) wie folgt: DEFINITION (4) - vagueness A communicates p to B by producing u iff 1. A intends to convey p to B. 2. A utters u. 3. (2) is common knowledge between A and B. 4. B intends to interpret u. 5. B interprets u. 8

10 6. (5) is common knowledge between A and B. 7. p A ϵ m A (u). 8. p B ϵ m B (u). 9. <g A (u), g B (u), I> has the unique solution <u, p A, p B > for A and B. 10. p A and p B have sufficient overlap. An dieser Stelle sollte sich dem Leser die Frage aufdrängen, was Parikh genau mit dem ungenauen Begriff vagueness meint. So ist unklar, ob er diese Bezeichnung mit ambiguity gleichsetzt oder nicht. Da hier keinerlei Präzisierung erfolgt, spekulieren wir und machen uns die Unterschiede folgendermaßen plausibel: Das Lexem Bank hat zwei fixe Bedeutungen, die im Allgemeinen bekannt sind und die man durch Nachschlagen aus einem Lexikon entnehmen kann, nämlich Geldinstitut und Sitzgelegenheit. Wir können vermuten, dass die meaning-funktion m die Bedeutung des Lexems Bank situationsabhängig eindeutig liefert und würden in diesem Zusammenhang von ambiguity sprechen. Angenommen wir haben kein solches Lexikon, so folgern wir, dass jedes Individuum unter einem sprachlichen Ausdruck ein bisschen etwas anderes versteht. Wir haben keine allgemein bekannten fixen Bedeutungen wie im Falle von ambiguity sondern höchstens für jedes Individuum fixe Bedeutungen, wie es etwa bis zu einem gewissen Grad bei Eigennamen vorstellbar wäre. In diesem Zusammenhang würden wir von vagueness sprechen und hoffen, dass Parikh mit dieser Erläuterung einverstanden wäre. Aus Punkt (9) von Definition (4) können wir erahnen, dass sowohl die Art und Weise wie A eine Äußerung u interpretiert als auch die Art und Weise wie B eine Äußerung u interpretiert zum Lösungsbegriff gehören. Um verstehen zu können was auf der Seite des Sprechers passiert bzw. passieren muss wenn u geäußert wird, schlägt Parikh folgende Definition der Sprecherintention ( speaker meaning, meaning C ) vor: 9

11 DEFINITION (5) - speaker meaning, meaning C A means C p by producing u iff there is an agent B such that 1. A intends to convey p to B. 2. A utters u. 3. A believes that (2) is common knowledge between A and B. 4. p ϵ m(u). 5. A believes that (4) is common knowledge between A and B. 6. A believes that g(u) has the unique solution <u,p> for A and B. Im Buch wird zwischen kommunikativen Aktionen ( communicative actions ) und nichtkommunikativen Aktionen ( non-communicative actions ) unterschieden. Mit dem Subskript C in meaning C soll angedeutet werden, dass eine Aktion nur dann kommunikativ ist, wenn die Forderungen aus Definition (5) erfüllt sind. Aufbauend auf Strawsons Konzept der Symmetrie zwischen Sprecher und Adressat definieren wir in Definition (6) den entsprechenden Gegenpart, nämlich die sog. Intention des Adressaten ( addressee interpretation ) im folgenden als interpretation C notiert: DEFINITION (6) - addressee interpretation, interpretation C B interprets C u as conveying p iff there is an agent A such that 1. A utters u. 2. B believes that (1) is common knowledge between A and B. 3. B intends to interpret u. 4. B interprets u. 10

12 5. p ϵ m(u). 6. B believes that (5) is common knowledge between A and B. 7. B believes that g(u) has the unique solution <u,p> for A and B. Um zu zeigen, wie die bisher vorgestellten Konzepte miteinander in Verbindung stehen, schlussfolgert Parikh aus seinen Definitionen folgendene interconnections : 1. Communication implies meaning C. 2. Communication implies interpretation C. 3. Meaning C and interpretation C do not together imply communication. 1. Communication implies that it is (becomes) common knowledge that B has (the information or misinformation that) p. 2. Communication implies that A s intention to convey p to B is (becomes) common knowledge. Sofern man sich bewusst ist, dass common knowledge über einen Sachverhalt ebenfalls Glauben an common knowledge über einen Sachverhalt impliziert und der Glaube, dass ein Sachverhalt common knowledge ist nicht impliziert, dass tatsächlich common knowledge vorliegt, sind die oben genannten Schlussfolgerungen recht intuitiv. Erfahrungen aus dem täglichen Leben wie beispielsweise das Senden von s oder das Vorhaben einen Sachverhalt lediglich anzudeuten statt explizit zu formulieren, zeigen, dass die Forderung nach common knowledge nicht immer eingehalten werden kann. Bevor wir näher auf das Konzept information flow in Abgrenzung zu communication eingehen, sei hier zunächst die Definition gezeigt: 11

13 DEFINITION (7) information flow A makes p flow to B by producing u iff 1. A intends to convey p to B. 2. A utters u. 3. B intends to interpret u. 4. B receives and interprets u. 5. p ϵ m A (u) and p ϵ m B (u). 6. <g A (u), g B (u), I> (where I is the empty information structure) has the unique solution <u,p> for A and B. Die Informationsstruktur, aus Punkt (6) von Definition (7) soll wieder die common knowledge Annahme über die Spiele repräsentieren und das Wissen, dass die Agenten über den Spielbaum des anderen haben, formalisieren. Etwas merkwürdig erscheint hier die Ergänzung empty und dass die sog. leere Informationsstruktur in diesem Kontext betonen soll, dass keinem Agenten irgendwelche Informationen über das Strategiemodell des anderen vorliegen. Doch wenn die Agenten überhaupt nichts über den Spielbaum des anderen wissen, was mit der leeren Informationsstruktur angedeutet werden soll, kann dann überhaupt eine gemeinsame Lösung zustande kommen? Wenn ja, wie, wenn dies nicht dem Zufall überlassen werden soll? Da die Informationsstruktur I in diesem Fall keine Informationen beinhaltet, also leer ist, könnten wir sie hier auch weglassen. Keinesfalls dürfen wir communication mit information flow verwechseln oder gar gleichsetzen, denn bei letzterem haben wir kein common knowledge über die Äußerung u mehr, wie es bei communication noch der Fall war. Aus diesem Grund müssen wir in Definition (7) erneut die reception -Annahme, die wir aus Redundanzgründen in Definition (1) streichen konnten, hier wieder aufnehmen. Analog zur Definition vagueness (Definition (4)) 12

14 unterscheiden wir hier erneut zwischen den Bedeutungen m A und m B, doch p ist im Gegensatz zu Definition (4) hier beiden Agenten bekannt. Im übrigen können wir davon ausgehen, dass auch in unserer Ausgangsdefinition (1) zwischen m A und m B differenziert wurde, diese aber identisch waren. Entsprechend unserer Vorgehensweise bei communication definieren wir für die Abstraktionsstufe information flow ebenfalls eine Sprecherintention meaning F (Definition (8)) und eine Adressateninterpretation interpretation F (Definition (9)), die sich folgendermaßen von meaning C und interpretation C unterscheiden: DEFINITON (8) meaning F A means F p by producing u iff there is an agent B such that 1. A intends to convey p to B. 2. A utters u. 3. A believes that B receives u. 4. p ϵ m A (u) and A believes that p ϵ m B (u). 5. A believes that <g A (u), g B (u), I> (where I is the empty information structure) has the unique solution <u,p> for A and B. DEFINITION (9) interpretation F B interprets F u as conveying p iff there is an agent A such that 1. A utters u. 2. B intends to interpret u. 3. B receives and interprets u. 4. p ϵ m B (u) and B believes that p ϵ m A (u). 13

15 5. B believes that <g A (u), g B (u),i> (where I is the empty information structure) has the unique solution <u,p> for A and B. Aus diesen Definitionen lassen sich wieder einige recht offensichtliche Schlussfolgerungen ableiten: 1. Making information flow implies meaning F. 2. Making information flow implies interpretation F. 3. Meaning F and interpretation F do not together imply making information flow. 1. Communication implies making information flow. 2. Meaning C implies meaning F. 3. Interpretation C implies interpretation F. Da wir auch über natürliche Ereignisse wie beispielsweise Rauch bedeutet Feuer! sprechen und deren kommunikativen Gehalt analysieren möchten, versuchen wir im nächsten und damit auch letzten Abstraktionsschritt natürlichen Informationsfluss zu definieren. Da wir nicht sagen können, dass die Natur ein Agent ist, können wir infolgedessen auch nicht mehr behaupten, dass ein Sprecher A einem Adressaten B etwas vermitteln möchte. Wir können lediglich von einer Tatsachenbeschreibung ausgehen, die etwas bedeuten bzw. einen gewissen propositionalen Gehalt vermitteln kann. Diese Tatsachenbeschreibung sei durch den Begriff des sog. Infons s, ein Informationstupel, formalisiert und folgendermaßen konkretisiert: Infon s, (informational tuple / state of affairs): <<R n, a 1,,a n ; i>>, wobei R n eine n-stellige Relation ist, a i Individuen sind und i angibt, ob die Individuen in Relation zueinander stehen oder nicht. Definition (10) definiert gewissermaßen die natürliche Bedeutung eines Infons s: 14

16 DEFINITION (10) An infon s conveys p to B iff 1. B intends to interpret s. 2. B perceives and interprets s. 3. p ϵ m B (s). 4. g(s) has the solution <p> for B. Das lediglich durch unser Infon s definierte Spiel g(s) können wir uns etwa als Spiel mit der Natur in dem Sinne vorstellen, dass die Natur ein Zeichen bzw. ein Signal sendet und dieses Signal als Tatsache zu verstehen ist, die wir mit s bezeichnen würden, und B dieses Infon s entsprechend m interpretiert. Die Interpretation eines Infons s ist also abhängig vom Beobachter. Wenn jedoch in der Natur ein Ereignis stattfindet, aber kein Beobachter existiert, der dieses Signal als solches wahrgenommen hat, ist dann dieses Ereignis überhaupt noch ein Zeichen für etwas? Analog zur bisherigen Vorgehensweise definieren wir noch eine Sprecherintention (Definition (11)) für natürliche Ereignisse sowie eine Adressateninterpretation (Definition (12)): DEFINITION (11) meaning C_nat An infon s means C_nat p iff there is an agent B such that 1. p ϵ m B (s). 2. g(s) (abstractly) has the solution <p> for B. 15

17 DEFINITION (12) interpretation C_nat B interprets C_nat s as conveying p iff 1. B intends to interpret s. 2. B perceives and interprets s. 3. p ϵ m B (s). 4. B believes that g(s) has the solution <p> for B. Schließlich tragen wir folgende Schlussfolgerungen zusammen: 1. Conveying implies meaning C_nat. 2. Conveying implies interpretation C_nat. 3. Meaning C_nat and interpretation C_nat do not together imply conveying. 1. Communication implies making information flow implies conveying. 2. Meaning C implies meaning F implies meaning C_nat. 3. Interpretation C implies interpretation F implies imterpretation C_nat. Zusammenfassung Wesentliches Ziel dieses 6. Kapitels Parikhs Buch The Use of Language war es, Kommunikation formal zu definieren. Im Zuge eines fortlaufenden Abstraktionsprozesses haben wir versucht nachzuvollziehen, wie Parikh durch eine Reihe von Definitionen die Symmetrien zwischen Sprecher und Adressat formalisiert. Auch die vagueness -Problematik findet in seinen Definitionen Eingang. Nachdem wir information flow in Abgrenzung zu communication betrachtet haben, haben wir unseren Blick abschließend auf die Formalisierung von Kommunikationsereignissen natürlichen Ursprungs geworfen. 16

18 Durch diesen stellenweise nicht leicht nachvollziehbaren und partiell auch nicht ganz schlüssig anmutenden Abstraktionsprozess haben wir nun ein vollständiges Set von Definitionen vorliegen, mit dem wir weiter arbeiten können. Literatur: Parikh, Prashant: The Use of Language, Stanford, Calif., CSLI Publ., Kapitel 6, S

Kommunikation als Spiel zwischen rationalen Agenten

Kommunikation als Spiel zwischen rationalen Agenten Kommunikation als Spiel zwischen rationalen Agenten Stefan Partusch Hauptseminar Logik des geteilten Wissens, Centrum für Informations- und Sprachverarbeitung, Ludwig-Maximilians-Universität München 18.

Mehr

Kommunikation als Spiel zwischen rationalen Agenten

Kommunikation als Spiel zwischen rationalen Agenten Kommunikation als Spiel zwischen rationalen Agenten Nach Prashant Parikh, The Use of Language, 2001, Kap. 2-5 David Kaumanns Hauptseminar Geteiltes Wissen und spieltheoretische Semantik Dr. Hans Leiß,

Mehr

Folgen. Definition. Sei M eine beliebige Menge. Eine Abbildung a : N M oder a : N 0 M heißt eine Folge.

Folgen. Definition. Sei M eine beliebige Menge. Eine Abbildung a : N M oder a : N 0 M heißt eine Folge. Folgen Eine Folge stellt man sich am einfachsten als eine Aneinanderreihung von Zahlen (oder Elementen irgendeiner anderen Menge) vor, die immer weiter geht Etwa,,,,,, oder,,, 8,,,, oder 0,,,,,,,, In vielen

Mehr

Grundbegriffe der Mengenlehre

Grundbegriffe der Mengenlehre Grundbegriffe der Mengenlehre Krzysztof P. Rybakowski Universität Rostock Fachbereich Mathematik 2003 11 07 1 Vorbemerkungen Ohne die Sprache der Mengenlehre lässt sich Mathematik nicht verstehen. Die

Mehr

KAPITEL I EINLEITUNG

KAPITEL I EINLEITUNG KAPITEL I EINLEITUNG A. Hintergrunds Eines des wichtigsten Kommunikationsmittel ist die Sprache. Sprache ist ein System von Lauten, von Wörtern und von Regeln für die Bildung von Sätzen, das man benutzt,

Mehr

12. Vorlesung. 19. Dezember 2006 Guido Schäfer

12. Vorlesung. 19. Dezember 2006 Guido Schäfer LETZTE ÄNDERUNG: 6. JANUAR 007 Vorlesung: Einführung in die Spieltheorie WS 006/007. Vorlesung 9. Dezember 006 Guido Schäfer 4 Bayesian Games Wir haben bisher immer angenommen, dass jeder Spieler vollständige

Mehr

Mengenlehre und vollständige Induktion

Mengenlehre und vollständige Induktion Fachschaft MathPhys Heidelberg Mengenlehre und vollständige Induktion Vladislav Olkhovskiy Vorkurs 018 Inhaltsverzeichnis 1 Motivation 1 Mengen.1 Grundbegriffe.................................. Kostruktionen

Mehr

Ein Problem der Bedeutungsanalyse nach Grice

Ein Problem der Bedeutungsanalyse nach Grice Ein Problem der Bedeutungsanalyse nach Grice Fabian Hundertmark Matrikel-Nummer: 1769284 30. Juli 2008 1 Was werde ich tun? Herbert Paul Grice beschäftigt sich in seinem Aufsatz Meaning mit der Bedeutung

Mehr

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte Einige mathematische Konzepte 1 Mengen 1.1 Elementare Definitionen Mengendefinition Die elementarsten mathematischen Objekte sind Mengen. Für unsere Zwecke ausreichend ist die ursprüngliche Mengendefinition

Mehr

4. Interaktion und Interdependenz: Die Mesoebene Interdependenz, Beziehung, Interaktion: Klärung der Grundbegriffe

4. Interaktion und Interdependenz: Die Mesoebene Interdependenz, Beziehung, Interaktion: Klärung der Grundbegriffe 4. Interaktion und Interdependenz: Die Mesoebene 4.1. Interdependenz, Beziehung, Interaktion: Klärung der Grundbegriffe Akteure handeln nicht als isolierte Einzelpersonen, sondern in sozialen Kontexten:

Mehr

Eine Menge ist die Zusammenfassung von bestimmten unterschiedenen Objekten zu einem Ganzen.

Eine Menge ist die Zusammenfassung von bestimmten unterschiedenen Objekten zu einem Ganzen. 1. Grundlagen Damit wir uns im Gebiet der Zahlen orientieren können, müssen wir uns einer gemeinsam festgelegten Sprache bedienen. In diesem ersten Kapitel erhalten Sie einen kurzen Abriss über die gängigsten

Mehr

15.5 Welche Information steckt im Bit?

15.5 Welche Information steckt im Bit? 15.5 Welche Information steckt im Bit? Das Bit gilt als Grundelement der Information. Welche Information steckt in diesem Grundelement? Welche Information steckt im Grundbaustein der Information? Paradoxerweise

Mehr

Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1

Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1 Mathem.Grundlagen der Computerlinguistik I, WS 2004/05, H. Leiß 1 1 Vorbemerkungen Mathematische Begriffe und Argumentationsweisen sind in vielen Fällen nötig, wo man über abstrakte Objekte sprechen und

Mehr

Teil 1: Statische Spiele mit vollständigen Informationen

Teil 1: Statische Spiele mit vollständigen Informationen Teil 1: Statische Spiele mit vollständigen Informationen Kapitel 1: Grundlagen und Notation Literatur: Tadelis Chapter 3 Statisches Spiel In einem statischen Spiel...... werden die Auszahlungen durch die

Mehr

Mathe <> Deutsch. Die 7 verwirrendsten Mathe-Floskeln einfach erklärt! Math-Intuition.de

Mathe <> Deutsch. Die 7 verwirrendsten Mathe-Floskeln einfach erklärt! Math-Intuition.de Mathe Deutsch Die 7 verwirrendsten Mathe-Floskeln einfach erklärt! Inhalt hinreichend & notwendig kanonisch wohldefiniert beliebig paarweise trivial o.b.d.a & o.e. hinreichend & notwendig Bei jeder

Mehr

Teil 2: Dynamische Spiele mit vollständigen Informationen

Teil 2: Dynamische Spiele mit vollständigen Informationen Teil : Dynamische Spiele mit vollständigen Informationen Kapitel 5: Grundsätzliches Literatur: Tadelis Chapter 7 Prof. Dr. Philipp Weinschenk, Lehrstuhl für Mikroökonomik, TU Kaiserslautern Kapitel 5.:

Mehr

Kapitel 4: Gemischte Strategien. Literatur: Tadelis Chapter 6

Kapitel 4: Gemischte Strategien. Literatur: Tadelis Chapter 6 Kapitel 4: Gemischte Strategien Literatur: Tadelis Chapter 6 Idee In vielen Spielen gibt es kein Nash Gleichgewicht in reinen Strategien (und auch kein Gleichgewicht in dominanten Strategien) Darüber hinaus

Mehr

Seminararbeit zur Spieltheorie. Thema: Rationalisierbarkeit und Wissen

Seminararbeit zur Spieltheorie. Thema: Rationalisierbarkeit und Wissen Seminararbeit zur Spieltheorie Thema: Rationalisierbarkeit und Wissen Westfälische-Wilhelms-Universität Münster Mathematisches Institut Dozent: Prof. Dr. Löwe Verfasst von: Maximilian Mümken Sommersemester

Mehr

Statische Spiele mit unvollständiger Information: Bayesianische-Spiele

Statische Spiele mit unvollständiger Information: Bayesianische-Spiele Statische Spiele mit unvollständiger Information: Bayesianische-Spiele In einigen Situationen verfügen Spieler (nur) über unvollständige Information. Möglicherweise kennen sie die relevanten Charakteristika

Mehr

Verfeinerungen des Bayesianischen Nash Gleichgewichts

Verfeinerungen des Bayesianischen Nash Gleichgewichts Spieltheorie Sommersemester 007 Verfeinerungen des Bayesianischen Nash Gleichgewichts Das Bayesianische Nash Gleichgewicht für Spiele mit unvollständiger Information ist das Analogon zum Nash Gleichgewicht

Mehr

Diskrete Strukturen Vorlesungen 5 und 6

Diskrete Strukturen Vorlesungen 5 und 6 Sebastian Thomas RWTH Aachen, WS 2016/17 07.11.2016 09.11.2016 Diskrete Strukturen Vorlesungen 5 und 6 3 Abbildungen In diesem Abschnitt führen wir Abbildungen zwischen Mengen ein. Während Mengen von der

Mehr

Teil 1: Statische Spiele mit vollständigen Informationen

Teil 1: Statische Spiele mit vollständigen Informationen Teil 1: Statische Spiele mit vollständigen Informationen Kapitel 1: Grundlagen und Notation Literatur: Tadelis Chapter 3 Prof. Dr. Philipp Weinschenk, Lehrstuhl für Mikroökonomik, TU Kaiserslautern Statisches

Mehr

2.3 Kriterien der Entscheidungsfindung: Präferenzen

2.3 Kriterien der Entscheidungsfindung: Präferenzen .3 Kriterien der Entscheidungsfindung: Präferenzen Der Einfachheit halber beschränken wir uns auf n = ( zwei Güter). Annahme: Konsumenten können für sich herausfinden, ob sie x = ( x, ) dem Güterbündel

Mehr

Theoretische Informatik: Berechenbarkeit und Formale Sprachen

Theoretische Informatik: Berechenbarkeit und Formale Sprachen Theoretische Informatik: Berechenbarkeit und Formale Sprachen Prof. Dr. F. Otto Fachbereich Elektrotechnik/Informatik, Universität Kassel 34109 Kassel, Germany E-mail: otto@theory.informatik.uni-kassel.de

Mehr

Ästhetik ist die Theorie der ästhetischen Erfahrung, der ästhetischen Gegenstände und der ästhetischen Eigenschaften.

Ästhetik ist die Theorie der ästhetischen Erfahrung, der ästhetischen Gegenstände und der ästhetischen Eigenschaften. 16 I. Was ist philosophische Ästhetik? instrumente. Die Erkenntnis ästhetischer Qualitäten ist nur eine unter vielen möglichen Anwendungen dieses Instruments. In diesem Sinn ist die Charakterisierung von

Mehr

Tilman Bauer. 4. September 2007

Tilman Bauer. 4. September 2007 Universität Münster 4. September 2007 und Sätze nlogik von Organisatorisches Meine Koordinaten: Sprechstunden: Di 13:30-14:30 Do 9:00-10:00 tbauer@uni-muenster.de Zimmer 504, Einsteinstr. 62 (Hochhaus)

Mehr

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte

1 Mengen. 1.1 Elementare Definitionen. Einige mathematische Konzepte Einige mathematische Konzepte 1 Mengen 1.1 Elementare Definitionen Mengendefinition Die elementarsten mathematischen Objekte sind Mengen. Für unsere Zwecke ausreichend ist die ursprüngliche Mengendefinition

Mehr

Kapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung

Kapitel 2. Mathematische Grundlagen. Skript zur Vorlesung Einführung in die Programmierung LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 2 Mathematische Grundlagen Skript zur Vorlesung Einführung in die Programmierung im Wintersemester 2012/13 Ludwig-Maximilians-Universität

Mehr

Kapitel 4: Gemischte Strategien

Kapitel 4: Gemischte Strategien Kapitel 4: Gemischte Strategien Literatur: Tadelis Chapter 6 Prof. Dr. Philipp Weinschenk, Lehrstuhl für Mikroökonomik, TU Kaiserslautern Kapitel 4.1: Motivation Motivation In vielen Spielen gibt es kein

Mehr

1.9 Beweis durch Kontraposition

1.9 Beweis durch Kontraposition 1.9 Beweis durch Kontraposition 1.9 Beweis durch Kontraposition Ein Beweis durch Kontraposition ist ein Spezialfall des indirekten Beweises. Wir betrachten zwei Aussagen A und B und wollen A B zeigen,

Mehr

Kapitel 1. Mengen und Abbildungen. 1.1 Mengen

Kapitel 1. Mengen und Abbildungen. 1.1 Mengen Kapitel 1 Mengen und Abbildungen 1.1 Mengen Die Objekte der modernen Mathematik sind die Mengen. Obwohl die Logik einen axiomatischen Zugang zur Mengenlehre bietet, wollen wir uns in dieser Vorlesung auf

Mehr

Theoretische Informatik: Berechenbarkeit und Formale Sprachen

Theoretische Informatik: Berechenbarkeit und Formale Sprachen Theoretische Informatik: Berechenbarkeit und Formale Sprachen Prof. Dr. F. Otto Fachbereich Elektrotechnik/Informatik, Universität Kassel 34109 Kassel, Germany E-mail: otto@theory.informatik.uni-kassel.de

Mehr

Grice sche Maximen und Gleichgewichte in Spielen

Grice sche Maximen und Gleichgewichte in Spielen Paul Schmitt Hauptseminar Geteiltes Wissen und spieltheoretische Semantik Dr. Hans Leiß, Prof. Martin Hoffman Ludwig-Maximilians-Universität München Grice sche Maximen und Gleichgewichte in Spielen 1 Überblick

Mehr

lyondellbasell.com Effektive Kommunikation

lyondellbasell.com Effektive Kommunikation Effektive Kommunikation Was bedeutet Kommunikation? Kommunikation ist ein gegenseitiger Prozess des Informationsaustauschs. Informationen werden mit Worten, Klang der Stimme und Körpersprache vermittelt.

Mehr

Spieltheorie Teil 4. Tone Arnold. Universität des Saarlandes. 20. März 2008

Spieltheorie Teil 4. Tone Arnold. Universität des Saarlandes. 20. März 2008 Spieltheorie Teil 4 Tone Arnold Universität des Saarlandes 20. März 2008 Tone Arnold (Universität des Saarlandes) Spieltheorie Teil 4 20. März 2008 1 / 64 Verfeinerungen des Nash GGs Das Perfekte Bayesianische

Mehr

HM I Tutorium 1. Lucas Kunz. 27. Oktober 2016

HM I Tutorium 1. Lucas Kunz. 27. Oktober 2016 HM I Tutorium 1 Lucas Kunz 27. Oktober 2016 Inhaltsverzeichnis 1 Theorie 2 1.1 Logische Verknüpfungen............................ 2 1.2 Quantoren.................................... 3 1.3 Mengen und ihre

Mehr

Zweite und dritte Sitzung

Zweite und dritte Sitzung Zweite und dritte Sitzung Mengenlehre und Prinzipien logischer Analyse Menge Eine Menge M ist eine Zusammenfassung von wohlbestimmten und wohlunterschiedenen Objekten unserer Anschauung und unseres Denkens

Mehr

b liegt zwischen a und c.

b liegt zwischen a und c. 2 DIE ANORDNUNGSAXIOME 5 (2.4) a, b, c R : (a < b 0 < c) ac < bc Monotoniegesetz der Multiplikation Bezeichnungen a > b : b < a (> wird gelesen: größer als ) a b : a < b oder a = b a b : a > b oder a =

Mehr

Mathematische Grundlagen der Computerlinguistik I. Mengen und Mengenoperationen (Teil 2)

Mathematische Grundlagen der Computerlinguistik I. Mengen und Mengenoperationen (Teil 2) Mathematische Grundlagen der Computerlinguistik I Mengen und Mengenoperationen (Teil 2) Exzerpt aus dem Skript von Prof. Dr. Klaus U. Schulz Michaela Geierhos M.A. Centrum für Informations- und Sprachverarbeitung

Mehr

Da diese Zahlenmenge nicht unter Subtraktion abgeschlossen ist, erweitert man sie zur Menge der ganzen Zahlen

Da diese Zahlenmenge nicht unter Subtraktion abgeschlossen ist, erweitert man sie zur Menge der ganzen Zahlen Kapitel 2 Die reellen Zahlen Die reellen Zahlen werden zunächst und vorübergehend als Dezimalzahlen eingeführt. Die wichtigsten Eigenschaften werden aus dieser Darstellung hergeleitet, mit denen dann die

Mehr

Ordinalzahlen. Sei (X, ) eine total geordnete Menge und a X. Dann

Ordinalzahlen. Sei (X, ) eine total geordnete Menge und a X. Dann Ordinalzahlen Im Rahmen der Ordnungsrelationen wurden bisher die Begriffe Partialordnung und Totalordnung (lineare Ordnung) erwähnt. Ein weiterer wichtiger Ordnungsbegriff ist die Wohlordnung. Wohlgeordnete

Mehr

3.5 Mehrstufige Spiele und Teilspiel-perfektes Gleichgewicht

3.5 Mehrstufige Spiele und Teilspiel-perfektes Gleichgewicht 3.5 Mehrstufige Spiele und Teilspiel-perfektes Gleichgewicht Von der spieltheoretischen Situation her gesehen war das Dixit-Modell von den vorangegangenen Modellen insoweit unterschiedlich, als hier eine

Mehr

Christian Nimtz //

Christian Nimtz  // Programm Christian Nimtz www.nimtz.net // lehre@nimtz.net Klassische Fragen der Sprachphilosophie Kapitel 10: Grice über Bedeutung 2 Grices Erklärung von Sprecherbedeutung 3 Probleme für Grices Erklärung

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion

Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten

Mehr

Vorlesung 1: Einleitung

Vorlesung 1: Einleitung Vorlesung 1: Einleitung Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 1, FS 12 Einleitung 1/17 1.1 Motivation In der Vorlesung Intermediate Microecoomics haben

Mehr

9. Polynom- und Potenzreihenringe

9. Polynom- und Potenzreihenringe 64 Andreas Gathmann 9. Polynom- und Potenzreihenringe Bevor wir mit der allgemeinen Untersuchung von Ringen fortfahren, wollen wir in diesem Kapitel kurz zwei sehr wichtige weitere Beispiele von Ringen

Mehr

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 2

D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 2 D-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler Lösung 2 Hinweise 1. Eine Möglichkeit ist, auf diese Forderungen massgeschneiderte Relationen explizit anzugeben. Dies ist aber nicht

Mehr

27 Zufallsvariablen. Erwartungswert. Median. Perzentilen

27 Zufallsvariablen. Erwartungswert. Median. Perzentilen 27 Zufallsvariablen. Erwartungswert. Median. Perzentilen Jörn Loviscach Versionsstand: 21. September 2013, 15:56 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen)

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

Wiederholte Spiele. Grundlegende Konzepte. Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität.

Wiederholte Spiele. Grundlegende Konzepte. Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität. Spieltheorie Sommersemester 2007 1 Wiederholte Spiele Grundlegende Konzepte Zwei wichtige Gründe, wiederholte Spiele zu betrachten: 1. Wiederholte Interaktionen in der Realität. 2. Wichtige Phänomene sind

Mehr

Freie Bäume und Wälder

Freie Bäume und Wälder (Martin Dietzfelbinger, Stand 4.6.2011) Freie Bäume und Wälder In dieser Notiz geht es um eine besondere Sorte von (ungerichteten) Graphen, nämlich Bäume. Im Gegensatz zu gerichteten Bäumen nennt man diese

Mehr

Wie in der reellen Analysis üblich notiert man Folgen f in der Form

Wie in der reellen Analysis üblich notiert man Folgen f in der Form 2.1.3 Folgen und Konvergenz Viele aus der Analysisvorlesung bekannte Begriffe lassen sich in den Bereich der metrischen Räume verallgemeinern. Diese Verallgemeinerung hat sich als sehr nützliches mathematisches

Mehr

Probleme bei reinen Strategien. Nash Gleichgewichte in gemischten Strategien Kopf 1, 1 1, 1 Zahl 1, 1 1, 1. Gemischte Strategien

Probleme bei reinen Strategien. Nash Gleichgewichte in gemischten Strategien Kopf 1, 1 1, 1 Zahl 1, 1 1, 1. Gemischte Strategien Probleme bei reinen Strategien Bisher hatten wir angenommen, daß sich jeder Spieler b auf genau eine Strategie S b S b festlegt. Das ist nicht immer plausibel. Nash Gleichgewichte in gemischten Strategien

Mehr

Erklärung und Kausalität. Antworten auf die Leitfragen zum

Erklärung und Kausalität. Antworten auf die Leitfragen zum TU Dortmund, Sommersemester 2009 Institut für Philosophie und Politikwissenschaft C. Beisbart Erklärung und Kausalität Antworten auf die Leitfragen zum 16.6.2009 Textgrundlage: J. L. Mackie, Causes and

Mehr

5. Äquivalenzrelationen

5. Äquivalenzrelationen 36 Andreas Gathmann 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will so kann es sinnvoll sein zunächst kleinere einfachere Mengen (bzw. Gruppen) zu betrachten

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 19 8. Juli 2010 Kapitel 14. Gewöhnliche Differentialgleichungen zweiter Ordnung 14.1 Systeme gewöhnlicher linearer Differentialgleichungen erster

Mehr

5. Äquivalenzrelationen

5. Äquivalenzrelationen 5. Äquivalenzrelationen 35 5. Äquivalenzrelationen Wenn man eine große und komplizierte Menge (bzw. Gruppe) untersuchen will, so kann es sinnvoll sein, zunächst kleinere, einfachere Mengen (bzw. Gruppen)

Mehr

10. Vorlesung. 12. Dezember 2006 Guido Schäfer

10. Vorlesung. 12. Dezember 2006 Guido Schäfer LETZTE ÄNDERUNG: 5. JANUAR 2007 Vorlesung: Einführung in die Spieltheorie WS 2006/2007 10. Vorlesung 12. Dezember 2006 Guido Schäfer 3 Spiele in extensiver Form Bisher haben wir uns ausschliesslich mit

Mehr

Klausur zur Statistik

Klausur zur Statistik Klausur zur Statistik. Hinweis: Es können 94 Punkte erreicht werden. Zum Bestehen reichen 4 Punkte sicher aus.. Hinweis: Achten Sie darauf das Ihre Rechnungen nachvollziehbar sind und geben Sie alle Schritte

Mehr

Skalare Differenzialgleichungen

Skalare Differenzialgleichungen 3 Skalare Differenzialgleichungen Differenzialgleichungen stellen eine Beziehung her zwischen einer oder mehreren Funktionen und ihren Ableitungen. Da Ableitungen Veränderungen beschreiben, modellieren

Mehr

Programme erstellen in Java

Programme erstellen in Java Programmieren mit Java Modul 0 Programme erstellen in Java Theorieteil Inhaltsverzeichnis 1 Modulübersicht 3 2 Schreiben von Computerprogrammen 3 2.1 Computerprogramme bestehen aus Daten und Instruktionen.......

Mehr

27 Zufallsvariablen. Erwartungswert. Median. Perzentilen

27 Zufallsvariablen. Erwartungswert. Median. Perzentilen 27 Zufallsvariablen. Erwartungswert. Median. Perzentilen Jörn Loviscach Versionsstand: 7. Januar 2011, 21:03 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:

Mehr

Erklärung und Kausalität. Antworten auf die Leitfragen zum

Erklärung und Kausalität. Antworten auf die Leitfragen zum TU Dortmund, Sommersemester 2009 Institut für Philosophie und Politikwissenschaft C. Beisbart Erklärung und Kausalität Antworten auf die Leitfragen zum 5.5.2009 Textgrundlage: C. G. Hempel, Aspekte wissenschaftlicher

Mehr

Definition: Die Menge der Imputationen ist die Menge I aller Nutzenallokationen, die erreichbar und individuell rational sind.

Definition: Die Menge der Imputationen ist die Menge I aller Nutzenallokationen, die erreichbar und individuell rational sind. Spieltheorie Sommersemester 2007 1 Der Kern Sei I = {1, 2,...,n} und Γ = (I, v). Definition: Die Menge der Imputationen ist die Menge I aller Nutzenallokationen, die erreichbar und individuell rational

Mehr

Axiomatische Mengenlehre

Axiomatische Mengenlehre Axiomatische Mengenlehre Die Wahl von Axiomen für ein Gebiet ist nicht völlig beliebig. Zumeist steht im Hintergrund die Absicht, damit gewisse Theoreme beweisen zu können. Darüber hinaus sollte die Anzahl

Mehr

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 13 EBENE KOORDINATENGEOMETRIE DER ORTSVEKTOR

Mathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 13 EBENE KOORDINATENGEOMETRIE DER ORTSVEKTOR ARBEITSBLATT 13 EBENE KOORDINATENGEOMETRIE DER ORTSVEKTOR Bei sehr vielen mathematischen Aufgabenstellungen ist nicht nur die Länge von bestimmten Strecken oder der Umfang interessant, sondern auch die

Mehr

Alternative Lösung. Analysis I (WS 08/09) Denk/Rheinländer Gruppe 1 (Sylvia Lange) Universität Konstanz FB Mathematik & Statistik.

Alternative Lösung. Analysis I (WS 08/09) Denk/Rheinländer Gruppe 1 (Sylvia Lange) Universität Konstanz FB Mathematik & Statistik. Gruppe 1 (Sylvia Lange) Alternative Lösung zur Aufgabe 2 Aufgabe: Seien X, X Mengen und f : X X ein Abbildung. Beweisen Sie, dass folgende Aussagen äquivalent sind: a) f injektiv b) f(a B) = f(a) f(b)

Mehr

Anwendungen der Logik, SS 2008, Martin Goldstern

Anwendungen der Logik, SS 2008, Martin Goldstern Anwendungen der Logik, SS 2008, Martin Goldstern Total geordnete Körper Ein total geordneter Körper ist ein Körper (K, +,, 0, 1, ) mit einer totalen (=linearen) Ordnung, die mit den Operationen verträglich

Mehr

4. Das Problem der möglichen und unmöglichen Gegenstände

4. Das Problem der möglichen und unmöglichen Gegenstände 4. Das Problem der möglichen und unmöglichen Gegenstände Betrachten wir folgende Sätze: (1) Der goldene Berg ist golden. (2) Das runde Viereck ist rund. (3) Das Perpetuum mobile ist identisch mit dem Perpetuum

Mehr

DIE SPRACHE DER WAHRSCHEINLICHKEITEN

DIE SPRACHE DER WAHRSCHEINLICHKEITEN KAPITEL 1 DIE SPRACHE DER WAHRSCHEINLICHKEITEN Es ist die Aufgabe der ersten drei Kapitel, eine vollständige Beschreibung des grundlegenden Tripels (Ω, A, P) und seiner Eigenschaften zu geben, das heutzutage

Mehr

Mathematische Grundlagen der Computerlinguistik

Mathematische Grundlagen der Computerlinguistik überblick Centrum für Informations- und Sprachverarbeitung (CIS) 2. Juni 2014 Allgemeines Termine Übung und Skript Plan Table of Contents 1 Allgemeines Termine Übung und Skript Plan 2 Allgemeines Termine

Mehr

Änderungen und Klarstellungen im Anwendungsbereich der Maschinenrichtlinie

Änderungen und Klarstellungen im Anwendungsbereich der Maschinenrichtlinie Seite 1 2.1.2.2 2.1.2.2 Änderungen und Klarstellungen im der Maschinenrichtlinie Begriff der Maschine Die sich nunmehr in Art. 2 a) der Maschinenrichtlinie 2006/42/EG findende Begriffsbestimmung einer

Mehr

Modellierung von Wissen

Modellierung von Wissen Martin LMU 9. Mai 2011 Schmutzige Kinder Eine Anzahl Kinder, manche haben eine schmutzige Stirn vom Spielen, manche nicht. Kein Kind kann seine eigene Stirn sehen und auch nicht befühlen. Kann ein Kind

Mehr

Algorithmen und Datenstrukturen I - Exkurs Formale Sprachen -

Algorithmen und Datenstrukturen I - Exkurs Formale Sprachen - Algorithmen und Datenstrukturen I - Exkurs Formale Sprachen - Thies Pfeiffer Technische Fakultät tpfeiffe@techfak.uni-bielefeld.de Vorlesung, Universität Bielefeld, Winter 2012/2013 1 / 1 Exkurs: Formale

Mehr

Über Wittgensteins Logikbegriff in der Logischphilosophischen

Über Wittgensteins Logikbegriff in der Logischphilosophischen HU Berlin SS 06 Seminar Wittgensteins Tractatus Logico-Philosophicus von Uwe Scheffler und Ulrich Schlösser Essay von Johannes Stein Über Wittgensteins Logikbegriff in der Logischphilosophischen Abhandlung

Mehr

Logik und modelltheoretische Semantik. Was ist Bedeutung?

Logik und modelltheoretische Semantik. Was ist Bedeutung? Logik und modelltheoretische Semantik Was ist Bedeutung? Robert Zangenfeind Centrum für Informations- und Sprachverarbeitung, LMU München 30.5.2017 Zangenfeind: Was ist Bedeutung? 1 / 19 Zunächst: der

Mehr

Dynamische Spiele mit unvollständiger Information. Perfektes Bayesianisches Gleichgewicht

Dynamische Spiele mit unvollständiger Information. Perfektes Bayesianisches Gleichgewicht Dynamische Spiele mit unvollständiger Information Perfektes Bayesianisches Gleichgewicht Spieltheorie University of Bonn Dezsö Szalay Dieser Teil basiert auf Kapitel 4 "Gibbons (1992), A primer in Game

Mehr

7 Gültigkeit und logische Form von Argumenten

7 Gültigkeit und logische Form von Argumenten 7 Gültigkeit und logische Form von Argumenten Zwischenresümee 1. Logik ist ein grundlegender Teil der Lehre vom richtigen Argumentieren. 2. Speziell geht es der Logik um einen spezifischen Aspekt der Güte

Mehr

Vorkurs Mathematik Abbildungen

Vorkurs Mathematik Abbildungen Vorkurs Mathematik Abbildungen Philip Bell 19. September 2016 Diese Arbeit beruht im Wesentlichen auf dem Vortrag Relationen, Partitionen und Abbildungen von Fabian Grünig aus den vorangehenden Jahren.

Mehr

Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man

Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man Die Schreibweise x M bedeutet, dass das Objekt x in der Menge M liegt. Ist dies nicht der Fall, dann schreibt man x / M. Man sagt, M ist Teilmenge von N und schreibt M N, wenn für jedes x M auch x N gilt.

Mehr

auf einer Suche basierender problemlösender Agent (Kapitel 3) logischer Planungsagent (Kapitel 10)

auf einer Suche basierender problemlösender Agent (Kapitel 3) logischer Planungsagent (Kapitel 10) 11 Planen Zentrale Fragestellung: Wie kann ein Agent die Struktur eines Problems nutzen, um komplexe Aktionspläne zu konstruieren? Bisher zwei Beispiele für planende Agenten: auf einer Suche basierender

Mehr

Semantik und Pragmatik

Semantik und Pragmatik Semantik und Pragmatik SS 2005 Universität Bielefeld Teil 2, 22. April 2005 Gerhard Jäger Semantik und Pragmatik p.1/14 Wahrheitsbedingungen Wahrheit eines Satzes ist zentral bei Definition von Sinn-Relationen

Mehr

Natürliche Häufigkeiten zur intuitiven Einführung der bedingten Wahrscheinlichkeiten Eine Idee für den Mathematikunterricht der gymnasialen Oberstufe

Natürliche Häufigkeiten zur intuitiven Einführung der bedingten Wahrscheinlichkeiten Eine Idee für den Mathematikunterricht der gymnasialen Oberstufe Natürliche Häufigkeiten zur intuitiven Einführung der bedingten Wahrscheinlichkeiten Eine Idee für den Mathematikunterricht der gymnasialen Oberstufe Axel Müller 7. Oktober 2017 1 Der Begriff der bedingten

Mehr

Abschnitt 3: Mathematische Grundlagen

Abschnitt 3: Mathematische Grundlagen Abschnitt 3: Mathematische Grundlagen 3. Mathematische Grundlagen 3.1 Mengen und Abbildungen 3.2 Induktion und Rekursion 3.3 Ausdrücke 3 Mathematische Grundlagen Einf. Progr. (WS 08/09) 102 Überblick 3.

Mehr

Das sequentielle Gleichgewicht

Das sequentielle Gleichgewicht Das sequentielle Gleichgewicht Seminarvortrag von Florian Lasch Dozent: Prof. Dr. Matthias Löwe Seminar: Anwendungen der Wahrscheinlichkeitstheorie Institut für Mathematische Statistik Fachbereich Mathematik

Mehr

Satz 16 (Multiplikationssatz)

Satz 16 (Multiplikationssatz) Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.

Mehr

Gliederung. 1. Kurzeinstieg 2. Warum ist die Semantik so wichtig? 3. OWL 4. GO 5. Übersetzung 6. Zusammenfassung 7. Quellen

Gliederung. 1. Kurzeinstieg 2. Warum ist die Semantik so wichtig? 3. OWL 4. GO 5. Übersetzung 6. Zusammenfassung 7. Quellen Gliederung Gliederung 1. Kurzeinstieg 2. Warum ist die Semantik so wichtig? 3. OWL 4. GO 5. Übersetzung 6. Zusammenfassung 7. Quellen Marcus Lechner - Institut für Informatik Seite 1 Kurzeinstieg 1. Kurzeinstieg

Mehr

Einführung in die Informatik I (autip)

Einführung in die Informatik I (autip) Einführung in die Informatik I (autip) Dr. Stefan Lewandowski Fakultät 5: Informatik, Elektrotechnik und Informationstechnik Abteilung Formale Konzepte Universität Stuttgart 24. Oktober 2007 Was Sie bis

Mehr

Spieltheorie. Dezsö Szalay. Winter 2013/14. University of Bonn. Dezsö Szalay (University of Bonn) Spieltheorie Winter 2013/14 1 / 1

Spieltheorie. Dezsö Szalay. Winter 2013/14. University of Bonn. Dezsö Szalay (University of Bonn) Spieltheorie Winter 2013/14 1 / 1 Spieltheorie Dezsö Szalay University of Bonn Winter 2013/14 Spieltheorie University of Bonn Professor Dezsö Szalay Winter 2013/14 Re nements of Perfect Bayesian Equilibrium Dieser Teil basiert auf Gibbons,

Mehr

Das Phänomen der Willensschwäche in Hares präskriptivistischer Ethik

Das Phänomen der Willensschwäche in Hares präskriptivistischer Ethik Geisteswissenschaft Anonym Das Phänomen der Willensschwäche in Hares präskriptivistischer Ethik Studienarbeit Inhaltsverzeichnis Einleitung... 2 I. Grundzüge von Hares präskriptivistischer Ethik... 2

Mehr

KTdCW Artificial Intelligence 2016/17 Practical Exercises - PART A

KTdCW Artificial Intelligence 2016/17 Practical Exercises - PART A KTdCW Artificial Intelligence 2016/17 Practical Exercises - PART A Franz Wotawa Technische Universität Graz, Institute for Software Technology, Inffeldgasse 16b/2, A-8010 Graz, Austria, wotawa@ist.tugraz.at,

Mehr

WS 20013/14. Diskrete Strukturen

WS 20013/14. Diskrete Strukturen WS 20013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314

Mehr

Interdisziplinäre fachdidaktische Übung: Sprache und Modelle. SS 2015: Grossmann, Jenko

Interdisziplinäre fachdidaktische Übung: Sprache und Modelle. SS 2015: Grossmann, Jenko Interdisziplinäre fachdidaktische Übung: Sprache und Modelle SS 2015: Grossmann, Jenko Einleitung Was ist ein Modell? Sprachlich orientierte Modelle Beispiele Wie entstehen Modelle? Zusammenhang Modell

Mehr

Die Individualität der Welt

Die Individualität der Welt Die Individualität der Welt 1. Einleitung: 1.1 Jedes Individuum erkennt die Welt auf individuelle Weise mit Hilfe seiner Sinnesorgane. Es gibt kein allgemeines Kriterium für die Richtigkeit oder Unrichtigkeit

Mehr

Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen.

Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen. Jeweils am Montag um 18:30 treffen sich Studenten in Seminarraum 3 zum gemeinsamen Lernen. Betrachtungen zu Sprache, Logik und Beweisen Sprache Wir gehen von unserem Alphabet einigen Zusatzsymbolen aus.

Mehr