„Von nichts kommt nichts!“ Oder doch? Evolution im Computer

Präsentation zum Thema: "„Von nichts kommt nichts!“ Oder doch? Evolution im Computer"—  Präsentation transkript:

1 „Von nichts kommt nichts!“ Oder doch? Evolution im Computer
* Vor etwa 10 Jahre las ich das Buch „KL Künstliches Leben aus dem Computer“ * Ich dachte zuerst: Die spinnen, die Amerikaner! * Dann stolperte ich über ein Experiment, das Forscher mit einem Supercomputer unternommen hatten (S.205ff) * Ich hatte gearde einen PC (ATARI ST) und Programmierumgebungen gekauft (GFA Basic, Borland C) und war auf der Suche nach Einem lohnenden Projekt EvoLab 2 ist die dritte Implementierung des Programmes aus diesem Projetkt Es war nicht für die Schule gedacht, sondern ein Hobby-Produkt! Martin Reiche, 2005

2 Themenbereiche Evolution als Informationserzeugung
Formale Modellierung einer Orientierungsleistung Zustandsautomat „Kombinatorische Explosion“ und „reiner Zufall“ Optimierung, Zielfunktion, „Fitnesslandschaft“ Modellierung des Evolutionsprozesses als „Algorithmus“ Außerordentliche Leistungsfähigkeit und Universalität der Evolution Wesen und Wirkung von Reproduktion, Selektion, Mutation, Fitness Explizites vs. implizites Wissen/Lernen, Abstraktion Martin Reiche, 2005

3 Leben und Information  Die Evolution erzeugt also Information.
Das Leben auf der Erde besteht aus einzelnen Individuen, die ständig neu geboren werden und wieder sterben. Was nicht stirbt, ist der Bauplan, nach dem ihr Körper aufgebaut ist und der ihr Verhalten steuert. Dieser Bauplan ist Ergebnis der Evolution. Er wird immer wieder kopiert und verändert. Jeden Plan können wir als Information darüber begreifen, wie etwas zu geschehen hat.  Die Evolution erzeugt also Information. Martin Reiche, 2005

4 Information und Computer
Ein Computer ist eine Maschine zur Informationsverarbeitung. Kann er nicht auch Information „produzieren“, so wie die Evolution? Und was bedeutet das eigentlich? Wir wissen doch: „Von nichts kommt nichts!“ Martin Reiche, 2005

5 Zweck von EvoLab (allgemein) Wir stellen dem Computer eine Aufgabe, für die er selbständig eine Lösung, einen Plan finden soll. Dabei soll er wie bei der Evolution der Lebewesen verfahren. Dazu bräuchte man nicht unbedingt einen PC: Bleistift, Papier und Würfel täten es auch, allerdings würde das dann sehr zeitaufwändig... Martin Reiche, 2005

6 Zweck von EvoLab (speziell) Der Computer soll „künstliche Ameisen“ züchten, die in der Lage sind, einer Spur zu folgen. Er soll die Information erzeugen, die eine Ameise erfolgreich steuert. Martin Reiche, 2005

7 Sicht einer Ameise EvoLab@SGH Martin Reiche, 2005
Einführung in EvoLab geben: (demo.trl) Selber Ameise: Man schafft es kaum ohne Vogelperspektive Zeige die Steuerung via Genom. Starte mit „leerem“ Genom Probiere Zufallswahlen. Eigene Programmierung Lade ein erfolgreiches Genom und demonstriere! Martin Reiche, 2005

8 Wirkungskreislauf beim Verfolgen einer Spur
Auge Welt Gehirn Beine Martin Reiche, 2005

9 Zustandsautomaten Sicht: , , , , , , ,  ZA 1
, , , , , , ,  ZA 1 (variabel) Relative Bewegung: , , , ZA 2 (fest) Erläutere das Konzept der Automatentabelle Das Genom ist die Automatentabelle für ZA1 Absolute Bewegung: N, W, S, O Martin Reiche, 2005

10 Darwins Beobachtungen (1)
Alle Arten weisen ein derart hohes Fortpflanzungspotential auf, dass ihre Populationsgröße exponentiell zunehmen würde, wenn alle Individuen, die geboren werden, sich erfolgreich fortpflanzten. Martin Reiche, 2005

11 Exponentielles Wachstum der Menschheit
Martin Reiche, 2005

12 Darwins Beobachtungen (2+3)
Die meisten Populationen sind normalerweise mit Ausnahme saisonaler Schwankungen in ihrer Größe stabil. Die natürlichen Ressourcen sind begrenzt. Martin Reiche, 2005

13 Darwins Folgerungen (1)
Die Produktion von mehr Nachkommen, als die Umwelt tragen kann, führt unter den Individuen einer Population zu einem Kampf ums Überleben, wobei in jeder Generation nur ein Bruchteil des Nachwuchses überlebt. Martin Reiche, 2005

14 Darwins Beobachtungen (4+5)
Die Individuen einer Population variieren enorm in ihren Merkmalen; keine zwei Individuen sind exakt gleich. Ein Großteil dieser Variabilität ist erblich. Martin Reiche, 2005

15 Darwins Folgerungen (2)
Das Überleben im Existenzkampf beruht nicht auf Zufall, sondern hängt unter anderem von den Erbanlagen der überlebenden Individuen ab. Die durch ihre ererbten Merkmale am besten an die Umwelt angepassten Individuen hinterlassen wahrscheinlich mehr Nachkommen als weniger gut angepasste. Martin Reiche, 2005

16 Industriemelanismus Martin Reiche, 2005

17 Fitnesslandschaft – der eindimensionale Fall (1)
Martin Reiche, 2005

18 Fitnesslandschaft – der eindimensionale Fall (2)
Martin Reiche, 2005

19 Fitnesslandschaft – der zweidimensionale Fall
Martin Reiche, 2005

20 Gib‘ dem Zufall eine Chance!
Erreichte Fitness Anzahl 1 2 69.426 3 2.300 4 383 5 6 7 2.293 8 und größer Summe: Martin Reiche, 2005

21 Der Evolutions-Algorithmus
Start Fertig! Fitness aller 200 Genome bestimmen maximale Fitness erreicht? Die 20 besten Genome als Eltern wählen 200 Genome mit zufälligen Regeln belegen nein ja Durch Kreuzung aus den 20 Eltern 200 neue Genome herstellen Einige Genome zufällig verändern Selektion Reproduktion Mutation Martin Reiche, 2005

22 Crossing-Over (1) Elter 1 Elter 2 Tochter a b c EvoLab@SGH
c Martin Reiche, 2005

23 Genom 1: rekombiniert mit Genom 2: ergibt Tochter-genom:
Crossing-Over (2) Genom 1: rekombiniert mit Genom 2: ergibt Tochter-genom: Martin Reiche, 2005

24 Mutation vorher: nachher: EvoLab@SGH Martin Reiche, 2005
Anschließend soll jeder TN selbst Evolutionsläufe machen! Martin Reiche, 2005

25 Addition von Dezimalzahlen
Zwei Arten zu Lernen Explizites Lernen Implizites Lernen umgangssprachlich Auswendiglernen Verstehen Beispiel Telefonbuch Addition von Dezimalzahlen Erfasst die Regelmäßigkeit der Aufgabenstellung nein ja Funktioniert auch, wenn keine Regelmäßigkeit vorhanden ist Gelerntes lässt sich auf ähnliche Phänomene übertragen Speicherbedarf wächst mit Lernumfang Martin Reiche, 2005

26 EvoLab und die natürliche Evolution
Generationenfolge mit Selektion und Mutation ja Individuen können sich in ihre Umwelt orientieren Wesen der Individuen Materieller Körper mit Stoffwechsel Bitmuster, „Zahlen“ Umwelt Natur Computer Komplexität der Individuen hoch gering Evolution hat festes Ziel nein (nicht erkennbar) Individuen interagieren (Wettbewerb, Kooperation) Definition der Fitness komplex einfach Martin Reiche, 2005