Oruga: Ein Avatar der Representational Systems Theory

ArXiv hat ein neues Papier veröffentlicht (ID 2509.04041v1), das die Vision vorstellt, Maschinen die gleiche Flexibilität zu geben, die Menschen beim Umgang mit Darstellungen besitzen. Durch das gezielte Wechseln von Diagrammen, die Anpassung von Repräsentationen und die Nutzung kreativer Analogien über verschiedene Domänen hinweg soll die Interaktion zwischen Mensch und Maschine verbessert werden.

Im Kern steht die Representational Systems Theory (RST), die die Struktur und Transformation von Repräsentationen untersucht. Oruga, benannt nach dem spanischen Wort für Raupe – ein Symbol für Wandel – ist eine praktische Umsetzung mehrerer RST‑Konzepte. Sie besteht aus einem Kern von Datenstrukturen, einer eigenen Sprache zur Kommunikation mit diesem Kern und einem Transformationsmotor, der die Methode „structure transfer“ nutzt.

Der Artikel gibt einen Überblick über die Architektur von Oruga und demonstriert anhand eines kurzen Beispiels, wie „structure transfer“ komplexe Repräsentationswechsel erzeugen kann. Damit eröffnet Oruga neue Möglichkeiten, maschinelles Lernen und KI-Systeme stärker an menschliche Denkprozesse anzupassen.