Advertisement

Das ICH, die Optimierung und die Gesellschaft

  • E. W. Udo Küppers
Chapter

Zusammenfassung

Während ICH diesen Text schreibe, und zwar versuche so zu schreiben, dass SIE als Leser beim Lesen nicht nur durch Schreibfehler nicht ins Stolpern kommen, sondern auch den Sinn des Satzes verstehen, finden in meinem Gehirn neuronale Prozesse statt, die eng mit Bewusstsein und Aufmerksamkeit verknüpft sind. Dasselbe Phänomen findet in IHREM Kopf statt. Damit SIE den geschriebenen Satz in seinem Kontext verstehen, müssen Sie ihn bewusst und aufmerksam lesen. Beide, Schreiber und Leser, aktivieren in ihren Gehirnen ein neuronales Feuerwerk über verschiedene Gehirnareale, das sich von der Stirnseite bis zum Hinterkopf erstreckt.

Dieses neuronale Feuerwerk läuft nach Wolf Singer als synchroner Prozess ab, mit einer Frequenz von zirka 40Hz, bzw. mit einer Taktrate von 25ms.

Wenn ICH also meine Konzentration auf das Schreiben in einem entspannten Bewusstseinszustand lenken möchte, zum Beispiel durch einen Waldlauf, verringern sich die neuronalen Schwingungen in meinem Gehirn und meine hohe konzentrierte Aufmerksamkeit geht in eine allgemeine Aufmerksamkeit über und somit in einen Zustand relativer Entspannung.

Literatur77

  1. Abbott, L. F.; Dayan, P. (2001) Theoretical neuroscience: computational and mathematical modeling of neural systems. MIT Press, Cambridge, Mass.Google Scholar
  2. Alex, B. (1998) Künstliche neuronale Netze in Management-Informationssystemen: Grundlagen und Einsatzmöglichkeiten. Springer Gabler, WiesbadenCrossRefGoogle Scholar
  3. Allen, E. (2015) How perfect is too perfect? Research reveals robot flaws are key to interacting with humans. University of Lincoln, United Kingdom, Press and Media, News Archive OktoberGoogle Scholar
  4. Argall, B. D.; Billard, A. G. (2010) A survey of Tactile Human-Robot Interactions. Robotics and Autonomous Systems 58, S. 1159–1176CrossRefGoogle Scholar
  5. Awad, M.; Khanna, R. (2015) Efficient Learning Machines – Theories, Concepts, and Applications for Engineers and System Designers. apress, Springer Science+Business Media, New YorkGoogle Scholar
  6. Baecker, D. (1994) Postheroisches Management. Merve, BerlinGoogle Scholar
  7. Bahlman, J. W.; Swartz, S. M.; Breuer, K. (2013) Design and characterization of a multi-articulated robotic bat wing. Bioinspiration & Biomimetics, Vol. 8, No. 1,  https://doi.org/10.1088/1748-3182/8/1/016009 Google Scholar
  8. Bahnsen, U.; Schnabel, U. (2012) Ich-Bewusstsein. Was ist das ich? Zeit Wissen Online, http://www.zeit.de/zeit-wissen/2012/02/Mensch-Individuum-Selbstbewusstsein (Zugriff: 19.4.2017)Google Scholar
  9. Barlow, P.; Gupta, G. S.; David, S. (2010) Humanoid Service Robot. Proceedings of Electronics New Zealand Conference 2010, Hamilton, New Zealand, November, S. 97–102Google Scholar
  10. Bartsch, S. et al. (2016) Development and Control of the Multi-Legged Robot Mantis, in: Proceedings of ISR 2016: 47st International Symposium on Robotics, 21.–22.6.2016, S. 379–386, VDE Verlag, MünchenGoogle Scholar
  11. BAuA (2014) Gesamtunfallgeschehen 2014. Bundesanstalt für Arbeitsschutz und Arbeitsmedizin Informationszentrum, DortmundGoogle Scholar
  12. Bauer, J. (2015) Selbststeuerung – Die Wiederentdeckung des freien Willens. Blessing, MünchenGoogle Scholar
  13. Beck, H.; Anastasiadou, S.; Meyer zu Reckendorf, C. (2016) Faszinierendes Gehirn. Eine bebilderte Reise in die Welt der Nervenzellen. Springer Spektrum, HeidelbergGoogle Scholar
  14. Bellmann, R. E. (1978) An Introduction to Artificial Intelligence: Can Computer Think? Boyd Fraser, San FranciscoGoogle Scholar
  15. Belotto, N.; Hu, H. (2009) Multisensor-Based Human Detection and Tracking for Mobile Service Robots, in: IEEE Transactions on Systems, Man, and Cybernetics, Part B (Cybernetics), Volume 39, Issue 1, S. 167–181CrossRefGoogle Scholar
  16. Bertelsmann-Stiftung (2012) Themenreport „Pflege 2030“. Bertelsmann-Stiftung, GüterslohGoogle Scholar
  17. Bhuvaneswari, P. T. V. et al. (2013) Humanoid robot based physiotherapeutic assistive trainer for elderly health care. International Conference on Recent Trends in Information Technology (ICRTIT), Chennai, 2013, S. 163–168.Google Scholar
  18. Blüchel, K. G.; Malik, F. (Hrsg.) (2006) Faszination Bionik – die Intelligenz der Schöpfung. Mohn Media, MünchenGoogle Scholar
  19. BMAS (2016) Arbeitsmarktprognose 2030. Eine strategische Vorausschau auf die Entwicklung von Angebot und Nachfrage in Deutschland, Bonn, http://www.bmas.de/SharedDocs/Downloads/DE/PDF-Publikationen/a756-arbeitsmarktprognose-2030.pdf?__blob=publicationFile (Zugriff: 19.4.2017)Google Scholar
  20. Boie, J.; Felke, C.; Wormer, V. (2016) Offen und gefährlich. Süddeutsche Zeitung, Nr. 274, 26. /27. November, S. 11–13Google Scholar
  21. Böttcher, D. (2016) Das Ziel ist der Weg – Die digitale Technik erleichtert uns das Leben. Doch das hat einen Preis. brand eins, Heft 11, S. 144–148Google Scholar
  22. Botthof, A. und Bovenschulte, M. (Hrsg.) (2009) Das „Internet der Dinge“ – die Informatisierung der Arbeitswelt und des Alltags. Erläuterungen einer neuen Basistechnologie. Arbeitspapier 176, Hans-Böckler-Stiftung des Deutschen Gewerkschaft Bunds DGB, DüsseldorfGoogle Scholar
  23. brand eins (2016) Du weißt mehr, als du denkst. Wirtschaftsmagazin, Heft 11, HamburgGoogle Scholar
  24. Braun, H.; Feulner, J.; Malaka, R. (1996) Praktikum Neuronaler Netze. Springer, BerlinCrossRefGoogle Scholar
  25. Broy, M. (2015) Digitalmanifest. Meinung: Propheten einer digitalen Apokalypse? http://www.spektrum.de/kolumne/meinung-propheten-einer-digitalen-apokalypse/1389513 (Zugriff: 19.4.2017)Google Scholar
  26. Butler, R. (2016) Russia’s “Avatar” Military Robot Development Update. http://www.our-russia.com/19072016175548/russias-avatar-military-robot-development-update (Zugriff: 19.4.2017)Google Scholar
  27. Butterwegge, C. (2016) Armut. Papy Rossa, KölnGoogle Scholar
  28. Callan, R. (2003) Neuronale Netze. Pearson, MünchenGoogle Scholar
  29. Casati, R. (2015) Ihre Dummheit ist ihre Stärke. brand eins, Heft 7, Interview, S. 86–91Google Scholar
  30. Charniak, E.; McDermott, D. (1985) Introduction to Artificial Intelligence. Addison-Wesley, Boston USAGoogle Scholar
  31. Chechetka,S. A.; Yu, Y.; Tange, M.; Miyako, E. (2017) Materially Engineered Artificial Pollinators. Chem.Chem., Vol. 2, No. 2, S. 224–239Google Scholar
  32. Chen, Y.; Ma, K.; Wood, R. J. (2016) Influence of wing morphological and inertial parameters on flapping flight performance. Conf. Paper, Conference: 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)CrossRefGoogle Scholar
  33. Clements, J. (2016) Maschinen helfen Menschen auf die Beine. Die Welt, 10. MaiGoogle Scholar
  34. Coleman, J. (1999) Japan’s Children at Risk; Accidental Death Rate High. Associated Press, 11. JuniGoogle Scholar
  35. Cosimo Della Santina, C. D. et al. (2015) Dexterity augmentation on a synergistic hand: the Pisa/IIT SoftHand+. 15th IEEE RAS Humanoids Conference (Humanoids 2015), Seoul, Korea, November 3–5, 2015, S. 497–503Google Scholar
  36. Cully, A.; Clune, J.; Tarapore, D.; Mouset, J.-B. (2015) Robots that can adapt like animals. Nature, Vol. 521, S. 503–507, 28 MayCrossRefGoogle Scholar
  37. Dahiya, R. S.; Metta, G.; Valle, M.; Sandini, G. (2010) Tactile Sensing – From Humans to Humanoids. IEEE Transactions on Robotics, Vol. 26, No. 1, S. 1–20CrossRefGoogle Scholar
  38. Damasio, A. R. (2003). Ich fühle, also bin ich. Die Entschlüsselung des Bewusstseins. List, MünchenGoogle Scholar
  39. Dautenhahn, K. et al. (2009) KASPAR – a minimally expressive humanoid robot for human-robot interaction research. Applied Bionics and Biomechanics, Vol. 6, No. 3–4, S. 369–397CrossRefGoogle Scholar
  40. De Santis, A. et al. (2008) An atlas of physical human-robot interaction. Mechanism and Machine Theory 43, S. 253–270CrossRefGoogle Scholar
  41. De Shutter, E. (2010) Computational Modeling Methods for Neuroscience. MIT Press, Cambridge, Mass.Google Scholar
  42. Decker, M. et al. (2011) Service robotics: do you know your new companion? Framing an interdisciplinary technology assessment. Poiesis Prax, 8, S. 25–44CrossRefGoogle Scholar
  43. Dehaene, S. (2014) Denken – Wie das Gehirn Bewusstsein schafft. Knaus, MünchenGoogle Scholar
  44. Deimel, R.; Brock, O. (2015) Soft Hands for Reliable Grasping Strategies, in: Soft Robotics, Springer, Berlin, Heidelberg, S. 211–221Google Scholar
  45. Demetriou, D. (2009) Robot teacher conducts first class in Tokyo school. A robot schoolteacher developed by Japanese scientists has taken a class in a Tokyo school. The Telegraph, 12. MayGoogle Scholar
  46. Deutschlandfunk (2008) Auf der Plattform unseres Bewusstseins – Wolf Singer und Matthieu Ricard im Dialog über Hirnforschung und Meditation. 26.6.2008; siehe auch: Singer, W.; Ricard, M. (2010) „Hirnforschung und Mediation. Ein Dialog“. Edition unseld, Frankfurt/MainGoogle Scholar
  47. von Dewitz, W. (2016) Roboter im Weinberg. Weserkurier, 19. MaiGoogle Scholar
  48. DFKI (2016) Neuer DFKI-Laufroboter meistert eigenständig komplexe Manipulationsaufgaben und unwegsames Gelände. Mitteilung. Deutsches Forschungszentrum für künstliche Intelligenz, Robotic Inovation Center (RIC ), 11. AugustGoogle Scholar
  49. DFKI (2017) MANTIS. Mehrbeiniges Manipulations- und Lokomotionssystem. Datenblatt. Deutsches Forschungszentrum für künstliche Intelligenz, Robotic Inovation Center (RIC ), 10. JanuarGoogle Scholar
  50. Dörner, D. (1991) Die Logik des Misslingens. Rowohlt, Reinbek bei HamburgGoogle Scholar
  51. Doya, K. (2007) Bayesian Brain – Probabilistic Approaches to Neural Coding. MIT Press, Cambridge, Mass.Google Scholar
  52. van Engelsdorp, D. et al. (2009) Colony Collapse Disorder: A Descriptive Study. Plos One, Vol. 4, No. 8,  https://doi.org/10.1371/journal.pone.0006481 Google Scholar
  53. Erdi, P. et al. (2004) Computational Neuroscience: Cortical Dynamics. Springer, Berlin, HeidelbergCrossRefGoogle Scholar
  54. Erling, J. (2016) China: Wenn ein Roboter den Zöllner ersetzt. Welt N24, Panorama, 2. Oktober, https://www.welt.de/vermischtes/article158506425/Wenn-ein-Roboter-den-Zoellner-ersetzt.html (Zugriff:19.4.2017)Google Scholar
  55. Falkenburg, B. (2012) Mythos Determinismus – Wieviel erklärt uns die Hirnforschung? Springer Spektrum, HeidelbergGoogle Scholar
  56. Fasel, D.; Meier, A. (Hrsg.) (2016) Big Data – Grundlagen, Systeme und Nutzungspotenziale. Springer Vieweg, WiesbadenGoogle Scholar
  57. FhG-IPA (2016) Roboter zur Pflegeunterstützung im Altenheim und Krankenhaus, Fhg-IPA-Schrift 2016, StuttgartGoogle Scholar
  58. Fong, T.; Nourbakhsh, I.; Dautenhahn, K. (2003) A survey of socially interactive robots. Robotics and Autonomous Systems 42, S. 143–166CrossRefGoogle Scholar
  59. Fouchère, A. (2016). Schwester Roboter. Japan automatisiert Dienstleistungen aller Art. Le Monde diplomatique, September, S. 1 und 16Google Scholar
  60. Freimann, H. (2016) Ethikkommission wagt sich in die Welt des automatisierten Fahrens. VDI-Nachrichten, Nr. 47, S. 8–9Google Scholar
  61. Fritzke, B. (1998) Vektorbasierte Neuronale Netze. Shaker, HerzogenrathGoogle Scholar
  62. Füller, C. (2016) Ein Schulbuch, das keiner versteht. Cicero-online, http://cicero.de/salon/open-educational-resources-ein-schulbuch-das-keiner-versteht/60569 (Zugriff: 19.4.2017)Google Scholar
  63. Füser, K. (1995) Neuronale Netze in der Finanzwirtschaft: Innovative Konzepte und Einsatzmöglichkeiten. Springer Gabler, WiesbadenCrossRefGoogle Scholar
  64. Gabriel, M. (2015) Ich ist nicht Gehirn. Ulstein, BerlinGoogle Scholar
  65. Gazzaniga, M. (2012) Die Ich Illusion. Hanser, MünchenCrossRefGoogle Scholar
  66. GDV (2012) Kinderunfälle. Eltern unterschätzen Risiken zuhause. Gesamtverband Deutscher Versicherungswirtschaft, Berlin, Pressemitteilung, 30. AugustGoogle Scholar
  67. Geißler, K. A. (2004) Vom Tempo der Zeit – und wie man es überlebt. Herder Spektrum, FreiburgGoogle Scholar
  68. Gigerenzer, G. (2008) Bauchentscheidungen – Die Intelligenz des Unbewussten und die Macht der Intuition. Goldmann, MünchenGoogle Scholar
  69. Gigerenzer, G.; Gaissmaier, W. (2012) Intuition und Führung – Wie gute Entscheidungen entstehen. Bertelsmann-Stiftung, GüterslohGoogle Scholar
  70. Gustafsson, C.; Svanberg, C.; Müllersdorf, M. (2015) Using a Robotic Cat in Dementia Care: A Pilot Study. Journal of Gerontological Nursing, Vol. 41, No. 10, S. 46–56CrossRefGoogle Scholar
  71. Haddadin, S. (2014) Towards Safe Robots: Approaching Asimov’s 1st Law. Springer Tracts in Advanced Robotics, Volume 90Google Scholar
  72. Haddadin, S.; Croft, E. (2016) Physical Human-Robot Interaction, Springer Handbook of Robotics, Springer International Publishing, S. 1835–1874Google Scholar
  73. Hafting, T. et al. (2005) Microstructure of a spatial map in the entorhinal cortex. Nature, Vol. 436, S. 801–806,  https://doi.org/10.1038/nature03721 CrossRefGoogle Scholar
  74. Haldane, D. W.; Plecnik, M. M.; Yim, J. K.; Fearing, R. S. (2016) Robotic vertical jumping agility via series-elastic power modulation. Science Robotics, Vol. 1, No. 1,  https://doi.org/10.1126/scirobotics.aag2048 Google Scholar
  75. Häusler, J.; Sommer, M. (2006) Neuronale Netze: Nichtlineare Methoden der statistischen Urteilsbildung in der psychologischen Eignungsdiagnostik. Zeitschrift für Personalpsychologie, 5, S. 4–15CrossRefGoogle Scholar
  76. Haugeland, J. (Hrsg.) (1985) Artificial Intelligence. The Very Idea. MIT PressGoogle Scholar
  77. Hebb, D. (2002) The organization of behavior. A neuropsychological theory. Erlbaum Books, Mahwah, N.J., Nachdruck der Ausgabe New York (1949)Google Scholar
  78. Heckel, M. (2016) In der Masse zur Klasse? Handelsblatt Nr. 40, 26.–28. Februar, S. 18–19Google Scholar
  79. Helbing, D. et al. (2015) Digitale Demokratie statt Datendiktatur, in: Spektrum der Wissenschaft, Die Woche, Sonderausgabe zu IT-Revolution, S. 5–19, Spektrum der Wissenschaft Verlagsgesellschaft mbH, HeidelbergGoogle Scholar
  80. Hesse, S.; Mehrholz, J.; Werner, C. (2008). Robot Assisted Upper an Lower Limb Rehabilitation After Stroke. Deutsches Ärzteblatt International, 105 (18), S. 330–336Google Scholar
  81. Hoefer, C. (2016) Das Melkroboter-Dilemma. Weserkurier, 15. AugustGoogle Scholar
  82. Hoffmann, H.; Küppers, U.; Wiesner, G. (1987) Expert System Techniques in Process Control, Conf. of Artificial Intelligence and Information-Control Systems of Robots, Smolenice, Czechoslovakia, Oct. 19–23Google Scholar
  83. Hofstadter, D. (2007) I Am a Strange Loop. Basic Books, New York, in Deutsch (2008): Ich bin eine seltsame Schleife. Klett-Cotta, StuttgartGoogle Scholar
  84. HRK (2015) Statistische Daten zu Studienangeboten an Hochschulen in Deutschland. Wintersemester 2015/2016, Nov. 2015, Hochschulrektorenkonferenz HRK, BonnGoogle Scholar
  85. IFR (2016) Executive Summary World Robotics 2016 Service Robots, https://ifr.org/downloads/press/02_2016/Executive_Summary_Service_Robots_2016.pdf (Zugriff: 19.4.207)Google Scholar
  86. International Organization for Standardization ISO (2014). ISO 13482:2014 Robots and robotic devices – Safety requirements for personal care robots. Siehe auch: Beuth-Verlag Berlin: DIN EN ISO 13482 Nov. 2014Google Scholar
  87. Isermann, R. (2003) Modellgestützte Steuerung, Regelung und Diagnose von Verbrennungsmotoren. Springer, WiesbadenCrossRefGoogle Scholar
  88. Kamp-Becker, I. et al. (2010) Health-related quality of life in adolescents and young adults with high functioning autism-spectrum disorder. Psychosoc. Med., Vol. 7, pp. 1–10, Aug. 31Google Scholar
  89. Kamp-Becker, I.; Bölte, S. (2014) Autismus. 2. Aufl., UTB-Profile, Ernst Reinhardt, München, BaselGoogle Scholar
  90. Kamp-Becker, I. et al. (2015) Diagnostik und Therapie von Autismus-Spektrum-Störungen im Kindesalter, in: Kindheit und Entwicklung, 19, S. 144–157CrossRefGoogle Scholar
  91. Keil, G. (1998) Was Roboter nicht können – Die Roboterantwort auf knapp misslungene Verteidigung der starken KI-These, in: Engel, A.; Gold, P. (Hrsg.) Der Mensch in der Perspektive der Kognitionswissenschaften, Suhrkamp, Frankfurt/Main, S. 98–131Google Scholar
  92. Kempkens, W. (2016) Retter in der Not. Roboter-Affe Salto macht gewaltige Sprünge. Ingenieur.de, http://www.ingenieur.de/Fachbereiche/Robotik/Roboter-Affe-Salto-gewaltige-Spruenge (Zugriff: 19.4.2017)Google Scholar
  93. Klamer, T.; Allouch, B. (2010) Acceptance and use of a social robot by elderly users in a domestic environment, in: Pervasive Computing Technologies for Healthcare (PervasiveHealth), 2010 4th International Conference on-NO PERMISSIONSGoogle Scholar
  94. Klingler-Deiseroth, C. (2016) Bitte vorsichtig zugreifen. VDI-Nachrichten, Nr. 10, S. 18Google Scholar
  95. Koch, C. (2013) Bewusstsein. Springer Spektrum, HeidelbergCrossRefGoogle Scholar
  96. Koh, J-S. et al. (2015) Jumping on water: Surface tension-dominated jumping of water striders and robotic insects. Science, Vol. 349, No. 6247, S. 517–521CrossRefGoogle Scholar
  97. Kroll, A. (2013) Computational Intelligence: Probleme, Methoden und technische Anwendungen. De Gruyter, BerlinCrossRefGoogle Scholar
  98. Küppers, E. W. U.; Tributsch, H. (2002) Verpacktes Leben – Verpackte Technik. Bionik der Verpackung. Wiley-VCH, WeinheimGoogle Scholar
  99. Kurzweil, R. (1990) The Age of Intelligent Machines. MIT PressGoogle Scholar
  100. Lämmel, U.; Cleve, J. (2008). Künstliche Intelligenz. 3. Aufl., Hanser, MünchenCrossRefGoogle Scholar
  101. Liljebäck, P.; Pettersen, K. Y.; Stavdahl, Ø.; Gravdahl, J. T. (2013) Snake Robots. Springer, Berlin, HeidelbergCrossRefGoogle Scholar
  102. Lill, F. (2015) Roboter. Der bessere Lehrer. DIE ZEIT, Nr. 37, 10. Sept.Google Scholar
  103. Lotter, W. (2016) Zündstoff – Intuition und Vernunft sind keine Gegensätze. Sie ergänzen einander ideal. brand eins, Heft 11, S. 36–46Google Scholar
  104. Lucarotti, C.; Totaro, M.; Sadeeghi, A.; Mazzolai, B.; Beccai, L. (2015) Revealing bending and force in a soft body through a plant root inspired approach. Scientific Reports 5, Article number: 8788,  https://doi.org/10.1038/srep08788 CrossRefGoogle Scholar
  105. Madeja, M. (2012) Das kleine Buch vom Gehirn. 2. Aufl., dtv, MünchenGoogle Scholar
  106. Mainzer, K. (2007) I robot – Grenzen und Chancen künstlicher Intelligenz, Manuskript eines Vortrages im SWR 2 am 1.7.2017Google Scholar
  107. Mainzer, K. (2016) Künstliche Intelligenz – Wann übernehmen die Maschinen? Springer, Berlin HeidelbergCrossRefGoogle Scholar
  108. Mannino, A. et al. (2015) Künstliche Intelligenz: Chancen und Risiken. Diskussionspapier, Erstveröffentlichung 12. Dezember, Stiftung für Effektiven Altruismus, Berlin, BaselGoogle Scholar
  109. Marsiske, H.A. (2016) Serviceroboter sind noch nicht alltagstauglich. VDI-Nachrichten, Nr. 8, S. 7Google Scholar
  110. Mazollai, B. (2014) Plants as robots or robots as plants? European Commission, Digital Single Market, https://ec.europa.eu/digital-single-market/en/blog/plants-robots-or-robots-plants (Zugriff: 19.4.2017)Google Scholar
  111. Mazollai, B.; Laschi, C.; Dario, P.; Mancuso, M. & S. (2010) The plant as a biomechatronic system. Plant Signaling & Behavior, Vol. 5, No. 2, S. 90–93CrossRefGoogle Scholar
  112. McCulloch, , W. S.; Pitts, W. (1943) A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5, S. 115–137CrossRefGoogle Scholar
  113. Metha, I. et al. (2016) Training a Humanoid Robot to Self-Right Itself Using Neural Networks. Proceedings of the 29th Florida Conference on Recent Advances in Robotics, FCRAR 2016, Miami, Florida, S. 7–12Google Scholar
  114. Moravec, H. (1990) Mind Children – Der Wettlauf zwischen menschlicher und künstlicher Intellgenz. Hoffmann Campe, HamburgGoogle Scholar
  115. Moscatelli, A.; Bianchi, M. (Hrsg.) (2016) Human and Robot Hands – Sensorimotor Synergies to Bridge the Gap Between Neuroscience and Robotics. Springer Series on Touch and Haptic Systems, Springer, HeidelbergGoogle Scholar
  116. Moscatelli, A. et al. (2016) The Change in Fingertip Contact Area as a Novel Proprioceptive Cue. Current Biology, Vol. 26, No. 9, S. 1159–1163CrossRefGoogle Scholar
  117. Moser, E. I. et al. (2015) Network mechanisms of grid cells. Philosophical Transactions of the Royal Society B, Vol. 369, No. 1635,  https://doi.org/10.1098/rstb.2012.0511 Google Scholar
  118. Müller-Schloer, Chr.; Schmeck, H.; Ungerer, T. (Hrsg.) (2011) Organic Computing – A Paradigm Shift for Complex Systems. Birkhäuser, BaselGoogle Scholar
  119. Muroi, A. et al. (2011) The Composite Effect of Transgenic Plant Volatiles for Acquired Immunity to Herbivory Caused by Inter-Plant Communications. Plos One, Vol. 6, No. 10,  https://doi.org/10.1371/journal.pone.0024594 Google Scholar
  120. Nachtigall, W.; Blüchel, K. G. (2000) Das große Buch der Bionik. Neue Technologien nach dem Vorbild der Natur. DVA, Stuttgart, MünchenGoogle Scholar
  121. Naur, P. (2007) Computing versus Human Thinking. Communications of the ACM, Vol. 50, No. 1, S. 85–94CrossRefGoogle Scholar
  122. Nilsson, N. J. (1998) Artificial Intelligence: A New Synthesis. Morgan-Kaufmann, Burlington USAGoogle Scholar
  123. O’Keefe, J.; Nadel, L. (1978) The Hippocampus as a cognitive map. Clarendon Press, OxfordGoogle Scholar
  124. Oegerli, F.; Carr, N. (2016) Im Niemandsland – GPS macht unser Leben leichter und komfortabler. Aber: Wer nie wissen muss, wo er ist, verliert mehr als nur die Orientierung. Eine Fallstudie. Schweizer Monat, Mai, ZürichGoogle Scholar
  125. Panasonic Newsroom (2015) Panasonic Autonomous Delivery Robots – HOSPI – Aid Hospital Operations at Changi General Hospital, Jul. 23.Google Scholar
  126. Parker, L. E. (2008) Distributed Intelligence: Overview of the Field and its Application in Multi-Robot Systems. Journal of Physical Agents, Vol. 2, No. 1, S. 5–14Google Scholar
  127. Patterson, D. (1997) Künstliche neuronale Netze. Prentice Hall, MünchenGoogle Scholar
  128. Pauen, M. (2016). Schwindelerregend! DIE ZEIT, Nr. 5, 28. JanuarGoogle Scholar
  129. Pfützner, H. (2014) Bewusstsein und optimierter Wille. Springer Spektrum, HeidelbergGoogle Scholar
  130. Poole, D.; Mackworth, A. K.; Goebel, R. (1998) Computational Intelligence: A logical approach. Oxford University Press, Oxford GBGoogle Scholar
  131. Popper, K. R.; Eccles, J. C. (1977) The Self an the Brain: An Argument for Interactionism, Springer, HeidelbergCrossRefGoogle Scholar
  132. Pozzi, M. et al. (2017) On Grasp Quality Measures: Grasp Robustness and Contact Force Distribution in Underactuated and Compliant Robotic Hands. IEEE Robotics and Automation Letters, Vol. 2, No. 1, S. 329–336CrossRefGoogle Scholar
  133. Ramezani, A.; Chung, S.-J.; Hudginson, S. (2017) A biomimetic robotic platform to study flight specializations of bats. Science Robotics, Vol. 2, No. 3,  https://doi.org/10.1126/scirobotics.aal2505 Google Scholar
  134. Reich-Stiebert, N.; Eyssel, F. (2016) Robots in the Classroom: What Teachers Think About Teaching and Learning with Education Robots, in: Agah, A. et al. (Hrsg.) Social Robots, Springer, Springer International Publishing, S. 671–680CrossRefGoogle Scholar
  135. Reimann, E.; Kipp, A. (2016) Der Roboterlieferant. Weserkurier, 8. AugustGoogle Scholar
  136. Rey, G. D.; Wender, K. F. (2011) Neuronale Netze – Eine Einführung in die Grundlagen, Anwendungen und Datenauswertung. 2. überarb. Aufl., Hans Huber, Bern, SchweizGoogle Scholar
  137. Rich, E.; Knight, K. (1991) Artificial Intelligence (2. Aufl.). McGraw-Hill, Maidenhead, UKGoogle Scholar
  138. Riedel, M. et al. (2014) Big Data in Science – Overview of European & International Activities. Helmholtz Association, FZ-Jülich, Universitiy of IrelandGoogle Scholar
  139. Roadmap for US Robotics (2016) From Internet to Robotics, Nov. 7, see also http://jacobsschool.ucsd.edu/contextualrobotics/docs/rm3-final-rs.pdf (Zugriff: 10.1.2017)
  140. Robins, B.; Dautenhan, K. (2014) Tactile Interactions with a Humanoid Robot: Novel Play Scenario Implementations with Children with Autism. Int. J. of Soc. Robotics, Vol. 6, S. 397–415CrossRefGoogle Scholar
  141. Roedig, A. (2016) Der Mensch ist nicht sein Gehirn. Neue Zürcher Zeitung, 29. FebruarGoogle Scholar
  142. Rojas, R. (1996) Neural Networks – A Systematic Introduction. Springer, BerlinGoogle Scholar
  143. Rosenblatt, F. (1958) The perceptron. A probabilistic model for information storage and organization in the brain, in: Psychological Reviews, Vol. 65, S. 386–408.CrossRefGoogle Scholar
  144. Rosi, A. et al. (2016) The use of new technologies for nutritional education in primary schools: a pilot study, in: Public Health, Vol. 140, S. 50–55CrossRefGoogle Scholar
  145. Roth, G. (2010) Wie einzigartig ist der Mensch? – Die lange Evolution der Gehirne und des Geistes, Springer Spektrum, HeidelbergGoogle Scholar
  146. Russell, S.; Norvig, P. (2012) Künstliche Intelligenz – Ein moderner Ansatz. 3. aktualisierte Auflage, Pearson, MünchenGoogle Scholar
  147. Salter, T. et al. (2006) Learning about natural human-robot interaction styles, in: Robotics and Autonomous Systems, Vol. 54, S. 127–134CrossRefGoogle Scholar
  148. Samuels, P.; Poppa, S. (2017) Developing Extended Real and Virtual Robotics Enhancement Classes with Years 10–13, in: Merdan, M. et al. (Hrsg.) Robotics in Education, Springer International Publishing, Switzerland, S. 69–81CrossRefGoogle Scholar
  149. Schloemann, J. (2016) Elektrokinder. Süddeutsche Zeitung, Nr. 268, S. 17Google Scholar
  150. Schmidhuber, J. (2015) Deep learning in neural networks: An Overview. Neural Networks, Vol. 61, S. 85–117CrossRefGoogle Scholar
  151. Schmidt, M. (2012) Wie gefährdet ist mein Kind? Repräsentative Studie zu Kinderunfällen und Risikobewusstsein der Eltern 2012. GfK Finanzmarktforschung im Auftrag des GDV, http://www.gdv.de/wp-content/uploads/2012/08/Studie-Kinderunfaelle-Schmidt_GfK.pdf (Zugriff: 19.4.2017)Google Scholar
  152. Schmitz, W. (2016) Die Grenzen der digitalen Schule. VDI-Nachrichten Nr. 8, 26. Februar, S. 31Google Scholar
  153. von Schoenebeck, G. (2015) Roboter als Haushaltshilfe. Verkaufsstart für den humanoiden Roboter Pepper. Ingenieur.de, http://www.ingenieur.de/Fachbereiche/Robotik/Verkaufsstart-fuer-humanoiden-Roboter-Pepper (Zugriff:19.4.2017)Google Scholar
  154. Schraft, R.D.; Hägele, M.; Wegener, K. (1993) Service robots: the appropriate level of automation and the role of users/operators in the task execution, in: Proceedings of international conference on systems engineering in the service of humans. 17–20 Oct. 1993. Systems, Man and Cybernetics, Vol. 4, S. 163–169Google Scholar
  155. Schulz, N. B. (2016) Vom Verschwinden des Lehrers. Frankfurter Rundschau, Nr. 101, S. 21Google Scholar
  156. Searle, J. R. (1986) Geist, Hirn und Wissenschaft. Suhrkamp, BerlinGoogle Scholar
  157. Seidel, W. (2009) Das ethische Gehirn – Der determinierte Wille und die eigene Verantwortung. Springer Spektrum, HeidelbergGoogle Scholar
  158. Simo, A.; Nishida, Y. (2006) A Humanoid Robot to prevent Children Accidents. Sociotechnical Systems, Proceedings of 12th International Conference, VSMM, S. 476–485Google Scholar
  159. Simo A., Kitamura K., Nishida Y. (2005) Behavior based Children Accidents’ Simulation and Visualization: Planning the Emergent Situations. Proceedings of 4th International Conference on Computer Intelligence CI 2005, S. 61–69.Google Scholar
  160. Simo, A.; Kitamura, K.; Nishida, Y. (2007) Simulating and Monitoring Children Activity related to Injuries. Proc 13th Int. Conference on VSMM 2007, Brisbane, Australia, Virtual Systems and Multimedia 23–26 Sept., S. 283–290Google Scholar
  161. Singer, P. W. (2009) Wired for War. The Robotics Revolution and Conflict in the 21st Century. Penguin Press, New YorkGoogle Scholar
  162. Singer, W. (1999) Neuronal Synchrony: A Versatile Code Review for the Definition of Relations? Neuron, Vol. 24, No. 1, S. 49–65CrossRefGoogle Scholar
  163. Spice, B. (2015) Carnegie Mellon’s Snake Robots Learn To Turn By Following the Lead of Real Sidewinders. Carnagy Mellon University News, March, 23Google Scholar
  164. Stadt Graz, Ö. (2016) Künstliche Intelligenz für die Infrastruktur der Zukunft in Graz. Presseinformation Wirtschaft / Energie / Innovation Graz, 28. OktoberGoogle Scholar
  165. Statistics Bureau (2016) Statistical Handbook Japan. Ministry of Internal Affairs an Communications, Tokyo, JapanGoogle Scholar
  166. Stiftung für Effektiven Altruismus, (2015) Künstliche Intelligenz – Chancen und Risiken. Diskussionspapier, 12. Dezember, https://ea-stiftung.org/kuenstliche-intelligenz/ (Zugriff: 19.4.2017)Google Scholar
  167. Stoller, D. (2015) Maschine für Familien. Dieser Roboter bringt sogar Kinder ins Bett und kann fotografieren. Ingenieur.de, http://www.ingenieur.de/Fachbereiche/Robotik/Dieser-Roboter-bringt-sogar-Kinder-Bett-fotografieren (Zugriff: 19.4.2017)Google Scholar
  168. Süß, H.-M. (2003) Intelligenztheorien, in: Kubinger, K. D.; Jäger, R. S. (Hrsg.) Schlüsselbegriffe der Psychologischen Diagnostik. Psychologie Verlag Union, Weinheim, S. 217–224,Google Scholar
  169. Tautz, J. (2007) Phänomen Honigbiene. Spektrum, HeidelbergGoogle Scholar
  170. Tonazzi, A.; Sadeghi, A.; Popova, L.; Mazzolai, B. (2013) Plant Root Strategies for Robotic Soil Penetration. Conference on Biomimetic and Biohybrid Systems Living Machines 2013: Biomimetic and Biohybrid Systems, S. 447–449Google Scholar
  171. Tschirk, W. (2014) Statistik. Klassisch oder Bayes. Springer Spektrum, Berlin, HeidelbergCrossRefGoogle Scholar
  172. Tuma, T. et al. (2016) Stochastic phase-change neurons. Nature Nanotechnology, Vol. 11, S. 693–699CrossRefGoogle Scholar
  173. Vasquez, D.; Gruhn, R.; Minker, W. (2012) Hierarchical Neural Network Structures for Phoneme Recognition. Springer, HeidelbergGoogle Scholar
  174. Verl, A.; Schäffer, A. A.; Brock, O.; Raatz, A. (Hrsg.) (2015) Soft Robotics. Springer, Berlin, HeidelbergGoogle Scholar
  175. Vogel, S. (2003) Comparative Biomechanics. Life’s Physical World. Princeton University Press, Princeton, New JerseyGoogle Scholar
  176. Wainer, J. et al. (2014) Using the Humanoid Robot KASPAR to Autonomously Play Triadic Games and Facilitate Collaborative Play Among Children With Autism. IEEE Transactions on autonomous mental Development, Vol. 6, No. 3, S. 183–199CrossRefGoogle Scholar
  177. Watson, R. (2014) 50 Schlüsselideen der Zukunft. (Original 2012), Spektrum Sachbuch, Springer, Berlin, HeidelbergCrossRefGoogle Scholar
  178. Wehner, M. et al. (2016) An integrated design and fabrication strategy for entirely soft, autonomous robots. Nature 536, S. 451–455CrossRefGoogle Scholar
  179. Weizenbaum, J. (1978) Die Macht der Computer und die Ohnmacht der Vernunft, Suhrkamp, Frankfurt/MainGoogle Scholar
  180. Weizenbaum, J. (1987) Kurs auf den Eisberg. Serie Piper, München ZürichGoogle Scholar
  181. von Weizsäcker, C.; von Weizsäcker, E. U. (1984) Fehlerfreundlichkeit, in: Kornwachs, K. (Hrsg.) Offenheit – Zeitlichkeit – Komplexität: Zur Theorie der Offenen Systeme, Campus, Frankfurt/Main, S. 167–200Google Scholar
  182. Welter, P (2007) Ein Roboter spielt die erste Geige. FAZ-Wirtschaft, 7. Dezember, Bericht aus Tokyo, http://www.faz.net/aktuell/wirtschaft/bei-toyota-ein-roboter-spielt-die-erste-geige-1492944.html (Zugriff: 19.4.2017)Google Scholar
  183. Wenzel, F.-T. (2016) Sie sind überall. Angriffe auf die vernetzte Welt ist nur noch mit massiven Änderungen beizukommen. Frankfurter Rundschau, Nr. 283, 3./4. Dezember, S. 2–3Google Scholar
  184. Wilkins, L. K. et al. (2013) Selective deficit in spatial memory strategies contrast to intact response strategies in patients with schizophrenia spectrum disorders tested in a virtual navigation task. Hippocampus, Vol. 23, No. 11, S. 1015–1024CrossRefGoogle Scholar
  185. Winston, P. H. (1992) Artificial Intelligence (3. Aufl.) Addison-Wesley, Boston USAGoogle Scholar
  186. Woodford, G. W.; du Plessis, M. C.; OPretorius, c. J. (2017) Concurrent controller and Simulator Neural Network development for a snake-like robot in Evolutionary Robotics. Robotics and Autonomous Systems, Vol. 88, S. 37–50CrossRefGoogle Scholar
  187. WWF (Hrsg.) (1993) Bionik. Patente der Natur. Pro Futura, MünchenGoogle Scholar
  188. Yi, Z.; Zhang, Y.; Peters, J. (2016) Bioinspired tactile sensor for surface roughness discrimination. Sensors and Actuators, Vol. A255, S. 46–53Google Scholar
  189. Zabel, T. (2015) Die Eignung Neuronaler Netze für die Mining-Funktionen Clustern und Vorhersage. Diplomica, HamburgGoogle Scholar
  190. Zhang, Y. (2015) Chinas Business 4.0. Tagesspiel Nr. 22343 v. 15. März, S. B5Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH 2018

Authors and Affiliations

  • E. W. Udo Küppers
    • 1
  1. 1.BremenDeutschland

Personalised recommendations