„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! EvoLab@SGH Martin 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 EvoLab@SGH Martin Reiche, 2005
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. EvoLab@SGH Martin 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!“ EvoLab@SGH Martin 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... EvoLab@SGH Martin 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. EvoLab@SGH Martin Reiche, 2005
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! EvoLab@SGH Martin Reiche, 2005
Wirkungskreislauf beim Verfolgen einer Spur Auge Welt Gehirn Beine EvoLab@SGH Martin Reiche, 2005
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 EvoLab@SGH Martin 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. EvoLab@SGH Martin Reiche, 2005
Exponentielles Wachstum der Menschheit EvoLab@SGH Martin Reiche, 2005
Darwins Beobachtungen (2+3) Die meisten Populationen sind normalerweise mit Ausnahme saisonaler Schwankungen in ihrer Größe stabil. Die natürlichen Ressourcen sind begrenzt. EvoLab@SGH Martin 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. EvoLab@SGH Martin 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. EvoLab@SGH Martin 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. EvoLab@SGH Martin Reiche, 2005
Industriemelanismus EvoLab@SGH Martin Reiche, 2005
Fitnesslandschaft – der eindimensionale Fall (1) EvoLab@SGH Martin Reiche, 2005
Fitnesslandschaft – der eindimensionale Fall (2) EvoLab@SGH Martin Reiche, 2005
Fitnesslandschaft – der zweidimensionale Fall EvoLab@SGH Martin Reiche, 2005
Gib‘ dem Zufall eine Chance! Erreichte Fitness Anzahl 97.702.041 1 2.223.557 2 69.426 3 2.300 4 383 5 6 7 2.293 8 und größer Summe: 100.000.000 EvoLab@SGH Martin 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 EvoLab@SGH Martin Reiche, 2005
Crossing-Over (1) Elter 1 Elter 2 Tochter a b c EvoLab@SGH c EvoLab@SGH Martin Reiche, 2005
Genom 1: rekombiniert mit Genom 2: ergibt Tochter-genom: Crossing-Over (2) Genom 1: rekombiniert mit Genom 2: ergibt Tochter-genom: EvoLab@SGH Martin Reiche, 2005
Mutation vorher: nachher: EvoLab@SGH Martin Reiche, 2005 Anschließend soll jeder TN selbst Evolutionsläufe machen! EvoLab@SGH Martin Reiche, 2005
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 EvoLab@SGH Martin Reiche, 2005
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 EvoLab@SGH Martin Reiche, 2005