Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 1 - Prof. Dr. Uwe Brinkschulte Teil 2 Selbstorganisation und Emergenz Aktuelle Themen bei.

Ähnliche Präsentationen


Präsentation zum Thema: "Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 1 - Prof. Dr. Uwe Brinkschulte Teil 2 Selbstorganisation und Emergenz Aktuelle Themen bei."—  Präsentation transkript:

1 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 1 - Prof. Dr. Uwe Brinkschulte Teil 2 Selbstorganisation und Emergenz Aktuelle Themen bei Eingebetteten Systemen – Organic Computing SS 2010 Prof. Dr. Uwe Brinkschulte

2 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 2 - Prof. Dr. Uwe Brinkschulte 2. Selbstorganisation und Emergenz 2.1 Definition und Grundlagen der Selbstorganisation 2.2 Adaptive und Selbstorganisierende Systeme 2.3 Selbst-X Eigenschaften 2.4 Definition von Emergenz 2.5 Negative und positive Emergenz 2.6 Herausforderungen

3 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 3 - Prof. Dr. Uwe Brinkschulte 2.1 Definition und Grundlagen der Selbstorganisation Was ist Selbstorganisation? Einige Definitionen: "The ability of certain non-equilibrium systems to develop structures and patterns in the absence of external control or manipulation"

4 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 4 - Prof. Dr. Uwe Brinkschulte 2.1 Definition und Grundlagen der Selbstorganisation "A process of attraction and repulsion in which the internal organization of a system, normally an open system, increases in complexity without being guided or managed by an outside source" En.wikipedia.org/wiki/self-organisation "The essence of self-organization is that system structure often appears without explicit pressure or involvement from outside the system. …resulting from the interaction among the components…"

5 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 5 - Prof. Dr. Uwe Brinkschulte Zusammengefasst: Selbstorganisation bezieht sich auf einen Prozess, bei dem sich die interne Ordnung eines Systems selbsttätig und ohne äußeren Eingriff erhöht. Selbstorganisation benutzt üblicherweise vier grundlegende „Zutaten“:  Positive Rückkopplung  Negative Rückkopplung  Gleichgewicht von Nutzung und Erforschung  Vielfältige Interaktionen 2.1 Definition und Grundlagen der Selbstorganisation

6 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 6 - Prof. Dr. Uwe Brinkschulte  In der Biologie ist Selbstorgansiation meist verbunden mit:  Morphogenese, (Entwicklung und Wachstum lebender Organismen)  Homeostase (Selbsterhaltende Natur von Systemen von der Zelle bis zum Organismus)  Schwarmverhalten (Vögel, Fische,...)  Selbstorganisation findet sich auch in der Physik: z.B. Strukturbildung in der Astrophysik (Sterne, Galaxien,...) 2.1 Definition und Grundlagen der Selbstorganisation

7 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 7 - Prof. Dr. Uwe Brinkschulte Beispiele: 2.1 Definition und Grundlagen der Selbstorganisation Ameisenkolonien Vogelschwärme

8 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 8 - Prof. Dr. Uwe Brinkschulte Beispiele: 2.1 Definition und Grundlagen der Selbstorganisation Fischmuster Galaxien

9 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 9 - Prof. Dr. Uwe Brinkschulte Beispiele: 2.1 Definition und Grundlagen der Selbstorganisation Internet Verkehrsstau

10 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 10 - Prof. Dr. Uwe Brinkschulte Beispiel: Ameisenstrassen 2.1 Definition und Grundlagen der Selbstorganisation Nest Futterquelle Zwei Wege Unbekannte Entfernung Ameisen sehen schlecht Trotzdem finden sie den kürzeren Weg Wie?

11 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 11 - Prof. Dr. Uwe Brinkschulte Beispiel: Ameisenstrassen 2.1 Definition und Grundlagen der Selbstorganisation Nest Futterquelle Sie erforschen beide Wege Sie benutzen Pheromone zur Markierung (Rückweg) Auf dem kürzeren Weg sammeln sich mehr Pheromone Ameisen folgen den stärkeren Pheromonen Immer mehr Ameisen nehmen den kürzeren Weg Die Pheromone auf dem längeren Weg verblassen

12 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 12 - Prof. Dr. Uwe Brinkschulte Dies ist Selbstorganisation, da  eine einzelne Ameise niemals den kürzesten Weg finden würde  sie nur auf ihre sichere Rückkehr ins Nest bedacht ist (Pheromone)  sie hierzu einfachen lokalen Regeln folgt  sich nur in der Gruppe der Effekt des Findens kürzester Wege ergibt 2.1 Definition und Grundlagen der Selbstorganisation

13 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 13 - Prof. Dr. Uwe Brinkschulte Wann ist etwas selbstorganisiert? Das kann eine Frage des Betrachtungs-Standpunktes sein. Scheduling-Beispiel: In einem System sollen Aufträge nach ihrer Wichtigkeit (Priorität) geordnet werden => die Ordnung des Systems soll erhöht werden 2.1 Definition und Grundlagen der Selbstorganisation

14 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 14 - Prof. Dr. Uwe Brinkschulte 1. Zentraler Scheduler außerhalb des Systems 2.1 Definition und Grundlagen der Selbstorganisation System Scheduler System Scheduler Nein! Selbstorganisation?

15 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 15 - Prof. Dr. Uwe Brinkschulte 2. Zentraler Scheduler innerhalb des Systems 2.1 Definition und Grundlagen der Selbstorganisation System Scheduler System Vielleicht? Selbstorganisation? Scheduler

16 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 16 - Prof. Dr. Uwe Brinkschulte 3. Dezentrales Scheduling durch Kommunikation der Aufträge untereinander 2.1 Definition und Grundlagen der Selbstorganisation System Ja! Selbstorganisation? => wir brauchen eine präzisere Definition!

17 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 17 - Prof. Dr. Uwe Brinkschulte Definition eines Systems 1)  Ein System erzeugt eine Ausgabe aus gegenwärtigen und vergangenen Eingaben.  Das Verhalten des Systems, welche diese Ausgabe aus den Eingaben erzeugt, kann sich hierbei über die Zeit ändern 2.2 Adaptive und selbst- organisierende Systeme 1) Die folgenden Definitionen lehnen sich an Gero Mühl (On the Definitions of Self-Managing and Self- Organizing Systems, SAKS 2007) und Hartmut Schmeck (Tutorial on Organic Computing, SASO 2009) an

18 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 18 - Prof. Dr. Uwe Brinkschulte Formal:  Ein System ist gekennzeichnet durch ein Tripel bestehend aus der Eingabe I, der Ausgabe O und dem Verhalten B 2.2 Adaptive und selbst- organisierende Systeme BIO o(t) = b(t, i(0... t)) mitb  B, o  O und i  I B  I x O

19 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 19 - Prof. Dr. Uwe Brinkschulte Beispiel: System „Wegsteuerung“ eines autonomen Fahrzeugs berechnet aus den Eingabedaten von Kameras (Sensoren) Ausgabedaten an Motoren (Aktoren), um einen bestimmten Weg zu fahren 2.2 Adaptive und selbst- organisierende Systeme Weg- steuerung Kamera- daten Motordaten

20 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 20 - Prof. Dr. Uwe Brinkschulte Definition eines adaptiven Systems  Ein adaptives System ist ein System, bei dem das Ein- /Ausgabeverhalten variablen Erwartungen entspricht  Das heißt, ein adaptives System passt sich an geänderte Erwartungen an Formal: 2.2 Adaptive und selbst- organisierende Systeme b(t)  E(t) mit Erwartung E(t)  I x O

21 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 21 - Prof. Dr. Uwe Brinkschulte Beispiel: Eine Erwartung an die Wegsteuerung des vorigen Beispiels ist die Präzision. Diese kann sich bei einem adaptiven System mit der Zeit ändern, z.B. bei Einfahrt in schwieriges Gelände t < t 1 : Präzision = 20 cm t  t 1 : Präzision = 5 cm 2.2 Adaptive und selbst- organisierende Systeme

22 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 22 - Prof. Dr. Uwe Brinkschulte Bei adaptiven Systemen ist es durchaus möglich, dass das Ein-/Ausgabeverhalten auch erst verzögert wieder den Erwartungen entspricht. Das heißt, es kann eine Zeitspanne geben, in der das Verhalten nicht den Erwartungen entspricht: 2.2 Adaptive und selbst- organisierende Systeme t1t1 t2t2 t b(t)  E(t) b(t)  E(t) b(t)  E(t) E(t) ändert sich

23 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 23 - Prof. Dr. Uwe Brinkschulte Es stellt sich nun die Frage, woher das adaptive System von den geänderten Erwartungen erfährt? Offensichtlichste Methode: die Erwartungen sind Teil der Eingabe 2.2 Adaptive und selbst- organisierende Systeme

24 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 24 - Prof. Dr. Uwe Brinkschulte Definition eines managbaren Systems  Ein managbares System ist ein adaptives System, bei dem das Systemverhalten über die Eingabe gezielt geändert werden kann  Man unterscheidet nun zwischen regulärer Eingabe, welche Eingabe des Systemverhaltens ist und Steuerungseingabe, welche das Systemverhalten verändert 2.2 Adaptive und selbst- organisierende Systeme

25 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 25 - Prof. Dr. Uwe Brinkschulte Formal:  Ein managbares System ist gekennzeichnet durch ein Tripel bestehend aus der Eingabe I, der Ausgabe O und dem Verhalten B, wobei sich die Eingabe I unterteilt in die reguläre Eingabe R und die Steuerungseingabe C 2.2 Adaptive und selbst- organisierende Systeme B R O o(t) = b(t, i(0... t)) mitb  B, o  O und i  I I = R  C C I

26 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 26 - Prof. Dr. Uwe Brinkschulte Beispiel: Die gewünschte Präzision wird der Wegsteuerung durch eine Steuerungsvariable mitgeteilt 2.2 Adaptive und selbst- organisierende Systeme Weg- steuerung Kamera- daten Motordaten Präzision

27 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 27 - Prof. Dr. Uwe Brinkschulte Es stellt sich als nächstes die Frage, wie die Steuerungs- eingaben erzeugt werden? Diese können durch externes Wissen (z.B. durch den Menschen) erzeugt oder aber auch aus den regulären zur Verfügung stehenden Eingaben sowie den Ausgaben abgeleitet werden. 2.2 Adaptive und selbst- organisierende Systeme

28 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 28 - Prof. Dr. Uwe Brinkschulte Definition eines Selbstmanagbaren Systems  Ein selbstmanagbares System ist ein managbares System, bei dem die Steuereingaben allein aus gegenwärtigen oder vergangenen regulären Eingaben abgeleitet werden können Formal: 2.2 Adaptive und selbst- organisierende Systeme c(t) = F(r(0... t), o(0 … t)) mitF: Controller-Funktion

29 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 29 - Prof. Dr. Uwe Brinkschulte Beispiel: Die gewünschte Präzision kann aus gegenwärtigen und vergangenen Kameraeingaben sowie Motordaten selbst ermittelt werden, d.h. schwieriges Gelände wird auf Grund von Kamera- und Motordaten erkannt. 2.2 Adaptive und selbst- organisierende Systeme Weg- steuerung Kamera- daten Motordaten Präzision Präzisionserkennung

30 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 30 - Prof. Dr. Uwe Brinkschulte Definition eines Selbstgemanagten Systems  Ein selbstgemanagtes System ist ein selbstmanagbares System, bei dem die Controller-Funktion inhärenter Bestandteil des Systems ist. Formal: 2.2 Adaptive und selbst- organisierende Systeme C = 0 B‘ R O B RO F R C O

31 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 31 - Prof. Dr. Uwe Brinkschulte Beispiel: Präzisionserkennung ist Bestandteil der Wegsteuerung. 2.2 Adaptive und selbst- organisierende Systeme Weg- steuerung Kamera- daten Motordaten Präzisionserkennung

32 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 32 - Prof. Dr. Uwe Brinkschulte Bisher: Blackbox Ansatz Zur Definition von Selbstorganisation müssen wir jedoch in das System hineinschauen: Selbstorganisation bedeutet, dass sich auch die Struktur des Systems sich den Erwartungen anpasst 2.2 Adaptive und selbst- organisierende Systeme

33 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 33 - Prof. Dr. Uwe Brinkschulte Definition eines Selbstorganisierenden Systems 1)  Ein selbstorganisierendes System ist ein selbstmanagendes System, dessen Struktur sich den Erwartungen anpasst.  Die Steuerung von Selbstmanagement und Strukturanpassung ist hierbei dezentral. 2.2 Adaptive und selbst- organisierende Systeme 1) Nach Gero Mühl (On the Definitions of Self-Managing and Self-Organizing Systems, SAKS 2007)

34 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 34 - Prof. Dr. Uwe Brinkschulte Beispiel: Die Softwarekomponenten der Wegsteuerung und Präzisions- erkennung verteilen sich selbstständig und dezentral auf die zur Verfügung stehenden Prozessoren 2.2 Adaptive und selbst- organisierende Systeme Weg- steuerung Kamera- daten Motordaten Präzisionserkennung Prozessor 1Prozessor n...

35 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 35 - Prof. Dr. Uwe Brinkschulte Hierarchie von adaptiven bis selbstorganisierenden Systemen: 2.2 Adaptive und selbst- organisierende Systeme Adaptive Systeme Managbare Systeme Selbstmanagbare Systeme Selbstgemanagte Systeme Selbstorganisierende Systeme

36 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 36 - Prof. Dr. Uwe Brinkschulte Kann man Selbstorganisation quantifizieren? Kann man einen Grad der Selbstorganisation definieren? z.B.zu 100% selbstorganisiert zu 50% selbstorganisiert zu 10% selbstorganisiert zu 0% selbstorganisiert 2.2 Adaptive und selbst- organisierende Systeme

37 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 37 - Prof. Dr. Uwe Brinkschulte Definition des Grades der Selbstorganisation/Selbstmanagements 1) 2.2 Adaptive und selbst- organisierende Systeme 1) Angelehnt an Hartmut Schmeck (Tutorial on Organic Computing, SASO 2009) B R B‘ F R CiCi O CeCe Erweiterung des selbstgemanagten, selbstorganisierenden Systems: externe ( C e ) und interne ( C i ) Steuerungseingaben O

38 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 38 - Prof. Dr. Uwe Brinkschulte Es sei nun: V i :interne Variabilität des Systems, also die Anzahl Bits der internen Steuerungseingabe C i ( = ld(Anzahl interner Systemzustände) ) V e :externe Variabilität des Systems, also die Anzahl Bits der externen Steuerungseingabe C e ( = ld(Anzahl externer Systemzustände) ) mit V i ≥ V e gilt R :Reduktion der Komplexität, R = V i - V e 2.2 Adaptive und selbst- organisierende Systeme

39 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 39 - Prof. Dr. Uwe Brinkschulte Damit lässt sich für statische Systeme (konstante Variabilität) der Grad der Selbstorganisation bzw. des Selbstmanagements definieren: S :Grad von SO/SM, S = (V i - V e ) / V i = R / V i Beispiel: V i = 12 Bit, V e = 5 Bit => S = (12 - 5) / 12 = 0.58 = 58% 2.2 Adaptive und selbst- organisierende Systeme

40 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 40 - Prof. Dr. Uwe Brinkschulte Dies lässt sich auch auf dynamische Systeme (veränderliche Variabilität) erweitern. Es sei: v i (t) :interne Variabilität zum Zeitpunkt t v e (t) :externe Variabilität zum Zeitpunkt t Beispiel: 2.2 Adaptive und selbst- organisierende Systeme t vivi t veve

41 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 41 - Prof. Dr. Uwe Brinkschulte Die Reduktion der Komplexität über einen Zeitraum t 1 … t 2 definiert sich zu: 2.2 Adaptive und selbst- organisierende Systeme t v i /v e t1t1 t2t2 Der Grad von SO/SM über einen Zeitraum t 1 … t 2 definiert sich zu:

42 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 42 - Prof. Dr. Uwe Brinkschulte Für zeitdiskrete Systeme mit einer Abtastperiode  t ergibt sich die Reduktion der Komplexität in einem Zeitraum n 1  t... n 2  t : 2.2 Adaptive und selbst- organisierende Systeme Der Grad von SO/SM definiert sich zu:

43 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 43 - Prof. Dr. Uwe Brinkschulte Wichtige Selbst-X Eigenschaften für Organic Computing 1. Selbstkonfiguration  Beschreibt die Eigenschaft eines Systems, selbsttätig eine initiale, funktionsfähige Konfiguration zu finden.  Diese muss nicht optimal sein, aber einen ordnungsgemäßen Betrieb ermöglichen  Selbstkonfiguration kann zentral durch einen im System enthaltenen Konfigurationsmanager oder dezentral durch Interaktion der Systemkomponenten erfolgen (vgl. vorige Betrachtung zur Selbstorganisation 2.3 Selbst-X Eigenschaften

44 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 44 - Prof. Dr. Uwe Brinkschulte Beispiel: initiale Taskzuordnung in einem verteilten System 2.3 Selbst-X Eigenschaften Prozessor 1Prozessor 2Prozessor n... Task 1 Task 2 Task 3 Task 4 Task m...

45 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 45 - Prof. Dr. Uwe Brinkschulte Taskzuordnung erfolgt z.B. nach:  Verfügbarkeit von Ressourcen (Schnittstellen, Geräten, …)  Eignung der Prozessoren (Taktrate, Speicher, …)  Auslastung der Prozessoren (Taskanzahl, …)  … 2.3 Selbst-X Eigenschaften Prozessor 1Prozessor 2Prozessor n... Task 1 Task 2 Task 3 Task 4 Task m

46 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 46 - Prof. Dr. Uwe Brinkschulte 2. Selbstoptimierung  Beschreibt die Eigenschaft eines Systems, selbsttätig eine bessere Konfiguration als die gegenwärtige zu finden.  Dies kann entweder dazu dienen, bestimmte Systemparameter zu verbessern (z.B. Performanz, Energieverbrauch, …) oder einem drohenden Defekt zuvor zukommen (z.B. Hotspots)  Selbstkonfiguration kann zentral oder dezentral erfolgen 2.3 Selbst-X Eigenschaften

47 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 47 - Prof. Dr. Uwe Brinkschulte Beispiel: Optimierung der Taskzuordnung in einem verteilten System 2.3 Selbst-X Eigenschaften Prozessor 1Prozessor 2Prozessor n... Task 1 Task 2 Task 3 Task 4 Task m Entlastung von Prozessor 2 zur Vermeidung eines Hotspots

48 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 48 - Prof. Dr. Uwe Brinkschulte 2.3 Selbst-X Eigenschaften Prozessor 1Prozessor 2Prozessor n... Task 1 Task 2 Task 3 Task 4 Task m Taskverschiebung erfolgt z.B. nach:  Performanz  Energievorrat  Temperatur  …

49 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 49 - Prof. Dr. Uwe Brinkschulte 3. Selbstheilung  Beschreibt die Eigenschaft eines Systems, selbsttätig Defekte auszugleichen und wieder eine ablauffähige Konfiguration herzustellen.  Defekte können in der Hardware oder Software auftreten.  Selbstheilung kann zentral oder dezentral erfolgen, allerdings birgt die zentrale Variante das Risiko eines Single-Point-of- Failure  Bei Ausfall eines zentralen Selbstheilungsmanagers verliert das System die Fähigkeit zur Selbstheilung => redundante Ausfallmanager oder dezentrale Lösung 2.3 Selbst-X Eigenschaften

50 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 50 - Prof. Dr. Uwe Brinkschulte 2.3 Selbst-X Eigenschaften Prozessor 1Prozessor 2Prozessor n... Task 1 Task 2 Task 3 Task 4 Task m Beispiel: Selbstheilung durch neue Taskzuordnung bei Ausfall eines Prozessors

51 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 51 - Prof. Dr. Uwe Brinkschulte 2.3 Selbst-X Eigenschaften Prozessor 1Prozessor 2Prozessor n... Task 1 Task 2 Task 3 Task 4 Task m Problemstellung bei der Selbstheilung:  Erkennung von Defekten/Fehlern  Verlust bzw. Rettung von Zustandsinformation  Beseitigung von Störquellen  kein Nachwachsen wie bei biologischen Systemen ...

52 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 52 - Prof. Dr. Uwe Brinkschulte 4. Selbstschutz  Beschreibt die Eigenschaft eines Systems, sich selbsttätig vor Angriffen zu schützen.  Angriffe können von innen oder außen erfolgen.  Selbstschutz kann passiv (Unempfindlichkeit gegen bestimmte Angriffe) oder aktiv (Gegenmaßnahmen zur Neutralisierung des Angriffs/Angreifers) erfolgen.  Selbstschutz kann zentral oder dezentral erfolgen, allerdings birgt die zentrale Variante das Risiko eines Single-Point-of- Attack 2.3 Selbst-X Eigenschaften

53 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 53 - Prof. Dr. Uwe Brinkschulte 2.3 Selbst-X Eigenschaften Prozessor 1Prozessor 2Prozessor n... Task 1 Task 2 Task 3 Task 4 Task m Beispiel: Erkennung und Abweisung fremder Tasks Task x fremd/eigen ?

54 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 54 - Prof. Dr. Uwe Brinkschulte 2.3 Selbst-X Eigenschaften Möglichkeiten des Selbstschutzes  Aufbau von Barrieren und Rechten  Fremd/eigen-Erkennung (Tasks, Nachrichten, Komponenten, …)  Ausfiltern unbekannter Objekte  Erkennung von Anomalien (Datenaufkommen, Speichernutzung, …)  Anlehnung an das Immunsystem in der Biologie

55 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 55 - Prof. Dr. Uwe Brinkschulte 5. Selbstbewusstsein  Beschreibt die Eigenschaft eines Systems, sich seiner eigenen Eigenschaften und Fähigkeiten bewusst zu sein.  Dies ist eine notwendige Grundlage für viele andere Selbst-X Eigenschaften.  Ohne Kenntnis der eigenen Fähigkeiten (z.B. Speicherkapazität, Rechenleistung, verfügbare Schnittstellen, Energieverbrauch, Energievorrat, …) ist Selbstkonfiguration, Selbstoptimierung oder Selbstheilung kaum durchführbar.  Fähigkeiten und Eigenschaften können hierbei statisch (z.B. Rechenleistung) oder dynamisch (z.B. Energievorrat) sein 2.3 Selbst-X Eigenschaften

56 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 56 - Prof. Dr. Uwe Brinkschulte Beispiel: Selbstbewusstsein bei Selbstkonfigurierung 2.3 Selbst-X Eigenschaften Prozessor 1 (Festkomma- Hardware) Prozessor 2 (Gleitkomma- Hardware) Prozessor n... Task 1 Task m Gleitkomma-intensive Berechnungen Benutzt im wesentlichen Festkomma-Arithmetik

57 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 57 - Prof. Dr. Uwe Brinkschulte 6. Selbsterklärung  Beschreibt die Eigenschaft eines Systems, Vorgänge, Maßnahmen und Entscheidungen gegenüber den Benutzern zu erklären.  Dies erhöht die Akzeptanz beim Benutzer.  Die Grundlagen und Entscheidungskriterien für vom System getroffenen Veränderungen können veröffentlicht werden.  Dies erfolgt in einer für den Menschen verständlichen Form (z.B. schwierig bei neuronalen Netzen) 2.3 Selbst-X Eigenschaften

58 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 58 - Prof. Dr. Uwe Brinkschulte Beispiel: Taskverlagerung (Selbstoptimierung) Erklärung des Grundes für die Verlagerung: Temperatur auf Prozessor 2 überschreitet kritische Grenze von 85° 2.3 Selbst-X Eigenschaften Prozessor 1Prozessor 2Prozessor n... Task 1 Task 2 Task 3 Task 4 Task m

59 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 59 - Prof. Dr. Uwe Brinkschulte Was ist Emergenz? Einige Definitionen: "In philosophy, systems theory, science, and art, emergence is the way complex systems and patterns arise out of a multiplicity of relatively simple interactions. Emergence is central to the theories of integrative levels and of complex systems." (Engl. Wikipedia, 2.4 Definition von Emergenz Termiten-Kolonie

60 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 60 - Prof. Dr. Uwe Brinkschulte "Emergenz (lat. emergere: auftauchen, hervorkommen, sich zeigen), gemäß Aristoteles auch Übersummativität, ist die spontane Herausbildung von Eigenschaften oder Strukturen auf der Makroebene eines Systems auf der Grundlage des Zusammenspiels seiner Elemente. Dabei lassen sich die emergenten Eigenschaften des Systems nicht - oder jedenfalls nicht offensichtlich - auf Eigenschaften der Elemente zurückführen, die diese isoliert aufweisen." (Deutsches Wikipedia, 2.4 Definition von Emergenz Eis Kristall

61 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 61 - Prof. Dr. Uwe Brinkschulte Emergenz in der Wahrnehmung 2.4 Definition von Emergenz Die Wahrnehmung des Dalmatiners emergiert aus den Punkten Quelle: Deutsches Wikipedia,

62 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 62 - Prof. Dr. Uwe Brinkschulte Zusammengefasst: Emergenz ist ein mögliches Resultat von Selbstorganisation Emergenz heisst, lokale Interaktionen können zu vollständig neuen globalen Eigenschaften führen Wechselwirkungen auf der Mikroebene führen zu überraschenden Resultaten auf der Makroebene Das Ganze ist mehr als die Summe seiner Teile Grundlegende Frage: kann man Emergenz messen bzw. quantifizieren? 2.4 Definition von Emergenz

63 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 63 - Prof. Dr. Uwe Brinkschulte Quantifizierung von Emergenz mittels der Entropie 1) Entropie ist ein Maß für Ordnung bzw. Unordung  Je höher die Entropie, desto kleiner die Ordnung  Je kleiner die Entropie, desto höher die Ordnung Da Emergenz Strukturen (= Ordnung) in einem System erzeugt, erscheint die Entropie als sinnvolles Maß für die Emergenz 2.4 Definition von Emergenz 1) Angelehnt an C. Müller-Schloer und M. Mnif

64 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 64 - Prof. Dr. Uwe Brinkschulte Statistische Definition der Entropie eines Systems mit binärer Informationsdarstellung nach Shannon:  Ein Ereignis i trete mit der Wahrscheinlichkeit p i auf 1)  Das Auftreten von Ereignis i entspricht somit der Auswahl von einem aus 1/pi gleichwahrscheinlichen Ereignissen  Beispiel: Ein Ereignis trete mit der Wahrscheinlichkeit 0.5 auf. Dies entspricht der Auswahl von einem aus 1/0.5 = 2 gleichwahrscheinlichen Ereignissen 2.4 Definition von Emergenz 1) Ein Ereignis ist in Shannons Originalarbeit das Auftreten eines Zeichens in einem Übertragungskanal

65 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 65 - Prof. Dr. Uwe Brinkschulte Statistische Definition der Entropie eines binären Informationssystems nach Shannon:  Um 1/p i Ereignisse in einem binären System unterscheiden zu können, benötigt man log 2 (1/p i ) = -log 2 (p i ) Bits  Das Auftreten eines Ereignisses i mit Wahrscheinlichkeit p i hat somit einen Informationsgehalt I i = -log 2 (p i )  Beispiel: Der Informationsgehalt des Ereignisses "Zahl" bei einem Münzwurf beträgt log2(2) = -log2(0.5) = 1 Bit  1 Shannon  Je geringer die Wahrscheinlichkeit eines Ereignisses, desto höher ist sein Informationsgehalt 2.4 Definition von Emergenz

66 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 66 - Prof. Dr. Uwe Brinkschulte Statistische Definition der Entropie eines binären Informationssystems nach Shannon:  Gegeben sei nun ein System mit n unabhängigen Ereignissen 1).  Die Entropie des System nach Shannon ist nun definiert als der mittlere Informationsgehalt dieser Ereignisse: 2.4 Definition von Emergenz 1) In Shannons Originalarbeit sind die n unabhängigen Ereignisse das Alphabet, d.h. die Menge unterschiedlicher Zeichen, die übertragen werden können

67 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 67 - Prof. Dr. Uwe Brinkschulte Beispiel: Abfolge von zwei Ereignissen A und B Ereignisfolge 1: A A B A B B A B H = -(4/8 * log 2 (4/8) + 4/8 * log 2 (4/8)) = 1 Ereignisfolge 2: A A A B A A A A H = -(7/8 * log2(7/8) + 1/8 * log2(1/8)) = 0.54 Je gleichverteilter die Häufigkeit der Ereignisse, desto höher ist die Unordnung/Entropie Die konkrete Reihenfolge spielt bei dieser Definition der Entropie jedoch keine Rolle, die Ereignisfolge A A A A B B B B liefert ebenfalls H = Definition von Emergenz

68 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 68 - Prof. Dr. Uwe Brinkschulte Sie ist jedoch trotzdem ein brauchbares Maß, um Strukturen zu erkennen. Beispiel: Verteilung von 7 Stöckchen auf einem Raster (9 Felder  9 Ereignisse) 2.4 Definition von Emergenz 1/7 2/7 4/7 3/7 H = -(5*(1/7 * log 2 (1/7)) + 1*(2/7 * log 2 (2/7))) = 2.52 H = -(3/7 * log 2 (3/7)) + 4/7 * log 2 (4/7)) = 0.98

69 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 69 - Prof. Dr. Uwe Brinkschulte Wie groß ist die maximal mögliche Entropie in einem System? Maximale Entropie liegt bei Gleichverteilung vor, d.h. p i = 1/n => 2.4 Definition von Emergenz Im Beispiel mit den Ereignissen A und B ergibt sich also H max = log 2 (2) = 1 Im Beispiel mit den Stöckchen ergibt sich H max = log 2 (9) = 3.16

70 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 70 - Prof. Dr. Uwe Brinkschulte Wie quantifiziert man nun Emergenz mittels Entropie? Emergenz ist die Abnahme der Entropie: M =  H Dies kann man nun absolut oder relativ berechnen: M absolut (t) = H max - H(t) M relativ (t 1,t 2 ) = M absolut (t 2 ) - M absolut (t 1 ) = H(t 1 ) - H(t 2 ) 2.4 Definition von Emergenz

71 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 71 - Prof. Dr. Uwe Brinkschulte Wieder zurück zum Beispiel mit den Stöckchen: Ameisenhaufen-Algorithmus Die Ameisen folgen einfachsten Regeln:  Wann immer eine Ameise, die gerade kein Stöckchen trägt, ein Stöckchen findet, nimmt sie es mit.  Wann immer eine Ameise, die gerade ein Stöckchen trägt, auf ein weiteres Stöckchen trifft, lässt sie ihr Stöckchen fallen Dies führt zu einem emergenten Effekt: Auf einem zweidimensionalen Feld (Raster) zufällig verteilte Stöckchen sammeln sich zu Haufen 2.4 Definition von Emergenz

72 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 72 - Prof. Dr. Uwe Brinkschulte Vor Anwendung des Ameisenhaufen-Algorithmus 2.4 Definition von Emergenz M absolut (t 1 ) = = 0.64 Nach Anwendung des Ameisenhaufen-Algorithmus M absolut (t 2 ) = = 2.18 M relativ (t 1, t 2 ) = = 1.54

73 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 73 - Prof. Dr. Uwe Brinkschulte Weitere Beispiele für emergente Effekte: Mehrere parallele Fahrstühle in einem Gebäude Jeder einzelne Fahrstuhl folgt einer einfachen lokalen Regel:  Stoppe auf dem nächsten Stockwerk mit Fahrstuhl- anforderung in Fahrtrichtung Dies führt zu einem Bündelungseffekt Mehrere Fahrstühle tendieren dazu, sich gleichförmig zu bewegen und auf den selben Stockwerken zu halten 2.4 Definition von Emergenz

74 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 74 - Prof. Dr. Uwe Brinkschulte 2.4 Definition von Emergenz Stockwerk 1 Stockwerk 2 Stockwerk 3 Stockwerk 4 Stockwerk 5 Fahrstuhl 1Fahrstuhl 2Fahrstuhl 3Fahrstuhl 4 5 Stockwerke  5 Ereignisse H max = log 2 (5) = 2.32 H(t 1 ) = -(4 * (1/4 * log 2 (1/4)) = 2 M absolut (t 1 ) = = 0.32 t = t 1 H(t 2 ) = -(3/4 * log 2 (3/4) + 1/4 * log 2 (1/4))) = 0.81 M absolut (t 2 ) = = 1.15 M relativ (t 1,t 2 ) = = 1.19 t = t 2

75 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 75 - Prof. Dr. Uwe Brinkschulte Weitere Beispiele für emergente Effekte: Stau aus dem Nichts Autos auf Kreisbahn, jeder Fahrer folgt einer einfachen lokalen Regel:  Fahre wenn möglich mit 20 km/h, halte sicheren Abstand zum Vordermann Auch dies führt zu einem Bündelungseffekt => Sto and Go Welle 2.4 Definition von Emergenz Quelle: New Journal of Physics 10, 2008

76 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 76 - Prof. Dr. Uwe Brinkschulte Emergenz ist ein Effekt, der bei selbstorganisierenden Systemen auftreten kann. Man kann zwischen negativen (unerwünschten) und positiven (erwünschten) emergenten Effekten unterscheiden. Beispiele für negative Emergenz:  Stau aus dem Nichts (Verringerung des Verkehrsdurchsatzes)  Bündeleffekt bei Aufzügen (Verlängerung der Wartezeit, die Aufzüge verhalten sich wie ein großer Aufzug) 2.5 Negative und positive Emergenz

77 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 77 - Prof. Dr. Uwe Brinkschulte Beispiele für positive Emergenz:  Ameisenhaufen-Algorithmus (Dezentrales paralleles Bündeln/Sortieren)  Ameisenstrassen-Algorithmus( Dezentrales paralleles Finden kürzester Wege) => Aufgabe bei selbstorganisierenden Eingebetteten Systemen: Unterdrückung negativer und Förderung positiver Emergenz 2.5 Negative und positive Emergenz

78 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 78 - Prof. Dr. Uwe Brinkschulte Beispiele für die Unterdrückung negativer Emergenz: Bündelungseffekt bei Aufzügen:  Zentrale Aufzugsteuerung (Nachteil: Verlust der Dezentralität, kompletter Aufzugsausfall bei Ausfall der zentralen Steuerung)  Dezentrale Lösung zur Unterdrückung bzw. zumindest Schwächung des negativen emergenten Effektes  Veränderung der lokalen Regeln für einen Aufzug  Einführung von lokaler Kommunikation des Aufzugs mit den beiden Nachbaraufzügen  Wenn einer der Nachbaraufzüge bereits auf dem nächst angeforderten Stockwerk halten wird, überspringe diese Anforderung. Wenn hierdurch kein Halt mehr in Fahrtrichtung, ändere die Fahrtrichtung 2.5 Negative und positive Emergenz

79 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 79 - Prof. Dr. Uwe Brinkschulte Beispiele für die Unterdrückung negativer Emergenz: Stau aus dem Nichts  Zentrale Steuerung hier praktisch nicht möglich  Dezentrale Lösung: Veränderung der lokalen Regeln für ein Fahrzeug  Einführung von lokaler Kommunikation mit dem Vorgänger- und Nachfolger-Fahrzeug  Fahrzeug teilt seinem Nachfolger eigene Geschwindigkeits- änderung mit  Fahrzeug teilt seinem Nachfolger gewünschten Sicherheits- abstand mit 2.5 Negative und positive Emergenz

80 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 80 - Prof. Dr. Uwe Brinkschulte Beispiele für die Förderung positiver Emergenz: Ameisenstrassen  Anpassung der Verfallszeit der Pheromone  Zu kurze Verfallszeit: Rückweg wird nicht mehr gefunden  Zu lange Verfallszeit: Die Zeit für das Auffinden kürzester Wege verlängert sich Als Grundvoraussetzung zur Förderung oder Unterdrückung von Emergenz-Effekten muss man diese jedoch erst einmal erkennen! 2.5 Negative und positive Emergenz

81 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 81 - Prof. Dr. Uwe Brinkschulte Emergente Effekte können hierbei in unterschiedlichen Dimensionen auftreten und auch mehrdimensionalen Charakter besitzen. Beispiele:  Muster in der Zeit  Muster im Raum (1-dimensional, 2-dimensional, 3-dimensional)  Muster in Zeit und Raum 2.5 Negative und positive Emergenz

82 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 82 - Prof. Dr. Uwe Brinkschulte Von eingebetteten Systemen fordern wir ein definiertes Verhalten gemäß unseren Erwartungen Selbstorganisierende Systeme besitzen große Freiheitsgrade und weißen ggf. emergente Effekte auf. Ist dies nicht ein Widerspruch? Nicht wirklich, wir müssen dem selbstorganisierenden System aber einen Rahmen vorgeben, innerhalb dessen es arbeiten muss Die Einhaltung dieses Rahmens muss garantiert werden 2.6 Herausforderungen

83 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 83 - Prof. Dr. Uwe Brinkschulte Beispiel: selbstorganisierende Ampelsteuerung an einer Kreuzung Die Ampelsteuerung könnte „auf die Idee kommen, größtmöglicher Durchsatz wird erreicht, wenn alle vier Ampeln grün zeigen“ Das muss natürlich verhindert werden 2.6 Herausforderungen

84 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 84 - Prof. Dr. Uwe Brinkschulte Wir müssen also dafür sorgen, dass das System sich selbst organisiert (Beherrschung von Komplexität, sich ändernde Bedingungen, Fehler), aber trotzdem einen Rahmen (unsere Erwartungen) einhält Wir brauchen also:  Eine Kontrollinstanz, die eingreift wenn das System den Rahmen verlässt  Eine Beobachtungsinstanz, die ein Verlassen des Rahmens erkennt => Grundarchitektur für Organic Computing (siehe nächstes Kapitel) 2.6 Herausforderungen

85 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 85 - Prof. Dr. Uwe Brinkschulte Weiteres Beispiel für das Einhalten von Erwartungen: Zeitverhalten bei Echtzeitsystemen Das selbstorganisierende System muss Zeitbedingungen einhalten. Diese können unterschiedlich ausfallen:  Zeitbedingungen müssen nur im stabilen Systemzustand eingehalten werden, nicht aber während einer Selbstkonfigurations, -optimierungs und -heilungsphase  Zeitbedingungen müssen im fehlerfreien Systemzustand eingehalten werden, nicht aber während einer Selbstheilungsphase  Zeitbedingungen müssen in jedem Systemzustand eingehalten werden 2.6 Herausforderungen

86 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 86 - Prof. Dr. Uwe Brinkschulte Verfeinerung des Verhaltens: 2.6 Herausforderungen Akzeptables Verhalten (entspricht den Erwartungen) Übergangsverhalten (entspricht nicht den Erwartungen, kann aber wieder in erwartetes Verhalten überführt werden) Nicht-akzeptables Verhalten (entspricht nicht den Erwartungen, kann nicht mehr in erwartetes Verhalten überführt werden)

87 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 87 - Prof. Dr. Uwe Brinkschulte Robustes Verhalten eines selbstorganisierenden Systems: Gegeben sei eine Störung d 2.6 Herausforderungen Akzeptables Verhalten Übergangsverhalten Nicht-akzeptables Verhalten Stark robustes Verhalten bezüglich d Schwach robustes Verhalten bezüglich d Nicht robustes Verhalten bezüglich d

88 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 88 - Prof. Dr. Uwe Brinkschulte Flexibles Verhalten eines selbstorganisierenden Systems: Gegeben sei eine Änderung des akzeptables Verhaltens b 2.6 Herausforderungen Akzeptables Verhalten (alt) Übergangsverhalten Nicht-akzeptables Verhalten Stark flexibles Verhalten bezüglich b Schwach flexibles Verhalten bezüglich b Nicht flexibles Verhalten bezüglich b Akzeptables Verhalten (neu)

89 Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 89 - Prof. Dr. Uwe Brinkschulte Je nach Anwendung ist starke oder schwache Robustheit und Flexibilität gefordert. Im sicherheitskritischen Bereichen muss dies garantiert werden  Vertrauenswürdigkeit von selbstorganisierenden Systemen Dies ist ein noch ganz junges Forschungsgebiet 2.6 Herausforderungen


Herunterladen ppt "Hier wird Wissen Wirklichkeit Organic Computing – Teil 2, Folie 1 - Prof. Dr. Uwe Brinkschulte Teil 2 Selbstorganisation und Emergenz Aktuelle Themen bei."

Ähnliche Präsentationen


Google-Anzeigen