Advertisement

Exploring Complexity: Von Artificial Life und Artificial Intelligence zu Cyberphysical Systems

Chapter
  • 2.2k Downloads

Abstract

Die klassische Kybernetik in der Tradition von Norbert Wiener ist heute ein Teilgebiet der mathematischen Theorie komplexer Systeme und nichtlinearer Dynamik. Erst in diesem Rahmen lassen sich Struktur- und Musterbildungen in Natur und Technik erklären und in Computermodellen simulieren. Selbstorganisation und Emergenz werden nun zu wohldefinierten Begriffen, die auf technische Systeme übertragen werden können. Im 1. Abschnitt beschäftigt sich der Artikel daher mit den Grundlagen komplexer Systeme und nichtlinearer Dynamik. Als Anwendung wird zunächst die Muster- und Strukturbildung komplexer zellulärer Systeme betrachtet, die Gegenstand der Systembiologie ist. Im 2. Abschnitt geht es um Anwendungen komplexer Systemdynamik auf die Evolution von Gehirn und Kognition. Diese Untersuchungen bilden die Voraussetzung für die Entwicklung kognitiver und sozialer Roboter, die Thema des 3. Abschnitts sind. Neuronale Netzstrukturen sind aber keineswegs auf einzelne Organismen oder Roboter beschränkt. Im 4. Abschnitt geht es um Cyberphysical Systems, mit denen komplexe soziotechnische Systeme modelliert werden, die sich weitgehend selbst steuern. Auch hier liefert die mathematische Theorie komplexer Systeme und nichtlineare Dynamik die Grundlagen für Selbstorganisation und Emergenz. Am Ende stellt sich die Frage ethischer und gesellschaftlicher Rahmenbedingungen für die Technikgestaltung komplexer sich selbst organisierender Systeme.

Keywords

Komplexe Systeme nichtlineare Dynamik Kognitive Robotik Cyberphysical Systems 

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Banerjee, R. & Chakrabarti, B. K. (2008): Models of Brain and Mind. Physical, Computational, and Psychological Approaches. In: Progress in Brain Research. Amsterdam: Elsevier.Google Scholar
  2. Bekey, G. A. (2005): Autonomous Robots. From Biological Inspiration to Implementation and Control. Cambridge Mass.: MIT Press.Google Scholar
  3. Boogerd, F. C., Bruggeman, F. J. & Hofmeyr, J.-H. S. (Hrsg.) (2007): Systems Biology. Philosophical Foundations. Amsterdam: Elsevier.Google Scholar
  4. Broy, M. (Hrsg.) (2010): Cyberphysical Systems. Innovation durch softwareintensive eingebettete Systeme (acatech diskutiert). Heidelberg: Springer.Google Scholar
  5. Cluster of Excellence (2011): Cognition in Technical Systems CoTeSys. http://www.cotesys.de/.
  6. Dominey, P. F. & Warneken, F. (2011): The Basis of shared intentions in human and robot cognition. In: New Ideas in Psychology. Bd. 29, S. 260–274.CrossRefGoogle Scholar
  7. European Robotics Technology Platform (2009): Robotic Visions – to 2020 and beyond: The strategic research Agenda for Robotics in Europe. http://www.robotics-platform.eu/sra/scenarios.
  8. Förstl, H. (Hrsg.) (2012): Theory of Mind. Neurobiologie und Psychologie sozialen Verhaltens. Berlin: Springer, 2. Auflage.Google Scholar
  9. Glymour, C., Scheines, R. & Spirtes, P. (1987): Discovering Causal Structures. Artificial Intelligence, Philosophy of Science, and Statistical Modeling. Orlando: Academic Press.Google Scholar
  10. Kajita, S. (Hrsg.) (2007): Humanoide Roboter. Theorie und Technik des Künstlichen Menschen. Berlin: Akademische Verlagsgesellschaft.Google Scholar
  11. Kaneko, K. (2006): Life: An Introduction to Complex Systems Biology. Berlin: Springer.Google Scholar
  12. Knoll, A. & Christaller, T. (2003): Robotik. Frankfurt: Fischer.Google Scholar
  13. Kriete, A. & Eils, R. (Hrsg.) (2007): Computational Systems Biology. Amsterdam: Academic Press.Google Scholar
  14. Mainzer, K. (2014): Die Berechnung der Welt. Von der Weltformel zu Big Data. München: C.H. Beck.CrossRefGoogle Scholar
  15. Mainzer, K. & Chua, L. O. (2013): Local Activity Principle. The Cause of Complexity. London: Imperial College Press.CrossRefGoogle Scholar
  16. Mainzer, K. & Chua, L. O. (2011): The Universe as Automaton. From Simplicity and Symmetry to Complexity. Berlin: Springer.Google Scholar
  17. Mainzer, K. (2010): Leben als Maschine? Von der Systembiologie zur Robotik und Künstlichen Intelligenz. Paderborn: Mentis.Google Scholar
  18. Mainzer, K. (2009): From Embodied Mind to Embodied Robotics: Humanities and System Theoretical Aspects. In: Journal of Physiology (Paris). Bd. 103, S. 296–304.Google Scholar
  19. Mainzer, K. (2008): Organic computing and complex dynamical systems. Conceptual foundations andinterdisciplinary perspectives. In: Würtz, R. P. (Hrsg.): Organic Computing. Berlin: Springer, S. 105–122.Google Scholar
  20. Mainzer, K. (2007a): Thinking in Complexity. The Computational Dynamics of Matter, Mind, and Mankind. Berlin: Springer, 5. Auflage.zbMATHGoogle Scholar
  21. Mainzer, K. (2007b): Der kreative Zufall. Wie das Neue in die Welt kommt. München: C.H. Beck.Google Scholar
  22. Mainzer, K. (2005): Symmetry and Complexity. The Spirit and Beauty of Nonlinear Science. Singapore: World Scientific.zbMATHGoogle Scholar
  23. Mainzer, K. (2003): KI – Künstliche Intelligenz. Grundlagen intelligenter Systeme. Darmstadt: Wissenschaftliche Buchgesellschaft.Google Scholar
  24. Mainzer, K. (1999): Computernetze und virtuelle Realität. Berlin: Springer.CrossRefzbMATHGoogle Scholar
  25. Mainzer, K. (1997): Gehirn, Computer, Komplexität. Berlin: Springer.CrossRefzbMATHGoogle Scholar
  26. Mainzer, K. (1995): Computer – Neue Flügel des Geistes? Berlin/New York: De Gruyter, 2. Auflage.Google Scholar
  27. Müller, O., Clausen, J. & Maio, G. (Hrsg.) (2009): Das technisierte Gehirn. Neurotechnologien als Herausforderung für Ethik und Anthropologie. Paderborn: Mentis.Google Scholar
  28. Nolfi, S. & Floreano, D. (2001): Evolutionary Robotics. The Biology, Intelligence, and Technology of Self-Organizing Machines. Cambridge Mass.: MIT Press, 2. Auflage.Google Scholar
  29. Pfeifer, R. & Scheier, C. (2001): Understanding Intelligence. Cambridge Mass.: MIT Press.Google Scholar
  30. Pühler, A., Müller-Röber, B. & Weitze, M.-D. (Hrsg.) (2011): Synthetische Biologie. Die Geburt einer neuen Technikwissenschaft (acatech diskutiert). Berlin: Springer.Google Scholar
  31. Picard, R. W. (1997): Affective Computing. Cambridge Mass: MIT Press.CrossRefGoogle Scholar
  32. Rammert, W. & Schulz-Schaeffer, I. (Hrsg.) (2002): Können Maschinen handeln? Soziologische Beiträge zum Verhältnis von Mensch und Technik. Frankfurt: Campus Verlag.Google Scholar
  33. Thrun, S., Burgard, W. & Fox, D. (2005): Probabilistic Robotics. Cambridge Mass.: MIT Press.zbMATHGoogle Scholar
  34. Tuci, E., Ampatzis, C., Trianni, V., Christensen, A. L. & Dorigo, M. (2008): Self-Assembly in Physical Autonomous Robots: the Evolutionary Robotics Approach. In: Bullock, S., Noble, J., Watson,Google Scholar
  35. R. & Bedau, M. (Hrsg.): Proc. of the 11th International Conference on Simulation and Synthesis of Living Systems (ALifeXI). MIT Press: Cambridge MA, S. 616–623.Google Scholar
  36. Varela, F. J. & Thompson, E. T. (1991): The Embodied Mind. Cognitive Science and Human Experience. Cambridge Mass.: MIT Press.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden 2015

Authors and Affiliations

  1. 1.Lehrstuhl für Philosophie und WissenschaftstheorieTechnische Universität MünchenMünchenDeutschland

Personalised recommendations