Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

1 Reiche, 2005 Von nichts kommt nichts! Oder doch? Evolution im Computer.

Ähnliche Präsentationen


Präsentation zum Thema: "1 Reiche, 2005 Von nichts kommt nichts! Oder doch? Evolution im Computer."—  Präsentation transkript:

1 1 Reiche, 2005 Von nichts kommt nichts! Oder doch? Evolution im Computer

2 2 Reiche, 2005 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

3 3 Reiche, 2005 Leben und 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.

4 4 Reiche, 2005 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!

5 5 Reiche, 2005 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...

6 6 Reiche, 2005 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.

7 7 Reiche, 2005 Sicht einer Ameise

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

9 9 Reiche, 2005 Zustandsautomaten Sicht: ZA 1 (variabel) ZA 2 (fest) Relative Bewegung:,,, Absolute Bewegung: N, W, S, O,,,,,,,

10 10 Reiche, 2005 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.

11 11 Reiche, 2005 Exponentielles Wachstum der Menschheit

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

13 13 Reiche, 2005 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.

14 14 Reiche, 2005 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.

15 15 Reiche, 2005 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.

16 16 Reiche, 2005 Industriemelanismus

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

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

19 19 Reiche, 2005 Fitnesslandschaft – der zweidimensionale Fall

20 20 Reiche, 2005 Gib dem Zufall eine Chance! Erreichte FitnessAnzahl und größer0 Summe:

21 21 Reiche, 2005 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

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

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

24 24 Reiche, 2005 Mutation vorher: nachher:

25 25 Reiche, 2005 Zwei Arten zu Lernen Explizites LernenImplizites Lernen umgangssprachlichAuswendiglernenVerstehen BeispielTelefonbuch Addition von Dezimalzahlen Erfasst die Regelmäßigkeit der Aufgabenstellung neinja Funktioniert auch, wenn keine Regelmäßigkeit vorhanden ist janein Gelerntes lässt sich auf ähnliche Phänomene übertragen neinja Speicherbedarf wächst mit Lernumfang janein

26 26 Reiche, 2005 EvoLab und die natürliche Evolution Natürliche Evolution EvoLab Generationenfolge mit Selektion und Mutation ja Individuen können sich in ihre Umwelt orientieren ja Wesen der Individuen Materieller Körper mit Stoffwechsel Bitmuster, Zahlen UmweltNaturComputer Komplexität der Individuenhochgering Evolution hat festes Ziel nein (nicht erkennbar) ja Individuen interagieren (Wettbewerb, Kooperation) janein Definition der Fitnesskomplexeinfach


Herunterladen ppt "1 Reiche, 2005 Von nichts kommt nichts! Oder doch? Evolution im Computer."

Ähnliche Präsentationen


Google-Anzeigen