Advertisement

Von der natürlichen über die künstliche zur Superintelligenz?

  • Klaus MainzerEmail author
Chapter
Part of the Technik im Fokus book series (TECHNIK)

Zusammenfassung

Die klassische KI‐Forschung orientiert sich an den Leistungsmöglichkeiten eines programmgesteuerten Computers, der nach der Churchschen These im Prinzip mit einer Turingmaschine äquivalent ist. Nach dem Mooreschen Gesetz wurden damit bis heute gigantische Rechen‐ und Speicherkapazitäten erreicht, die erst die KI‐Leistungen z. B. des Supercomputers WATSON ermöglichten (vgl. Abschn. 5.2). Aber die Leistungen von Supercomputern haben einen Preis, dem die Energie einer Kleinstadt entsprechen kann. Umso beeindruckender sind menschliche Gehirne, die Leistungen von WATSON (z. B. eine natürliche Sprache sprechen und verstehen) mit dem Energieverbrauch einer Glühlampe realisieren. Spätestens dann ist man von der Effizienz neuromorpher Systeme beeindruckt, die in der Evolution entstanden sind. Gibt es ein gemeinsames Prinzip, das diesen evolutionären Systemen zugrunde liegt und das wir uns in der KI zu nutzen machen können?

Biomoleküle, Zellen, Organe, Organismen und Populationen sind hochkomplexe dynamische Systeme, in denen viele Elemente wechselwirken. Komplexitätsforschung beschäftigt sich fachübergreifend in Physik, Chemie, Biologie und Ökologie mit der Frage, wie durch die Wechselwirkungen vieler Elemente eines komplexen dynamischen Systems (z. B. Atome in Materialien, Biomoleküle in Zellen, Zellen in Organismen, Organismen in Populationen) Ordnungen und Strukturen entstehen können, aber auch Chaos und Zerfall.

Literatur

  1. 1.
    Mainzer K (2005) Symmetry and Complexity. The Spirit and Beauty of Nonlinear Science. World Scientific, SingaporeCrossRefGoogle Scholar
  2. 2.
    Mainzer K (2005) Thinking in Complexity. The Computational Dynamics of Matter, Mind, and Mankind, 5. Aufl. Springer, BerlinGoogle Scholar
  3. 3.
    Mainzer K, Chua L (2013) Local Activity Principle. Imperial College Press, LondonCrossRefGoogle Scholar
  4. 4.
    Banerjee R, Chakrabarti BK (2008) Models of Brain and Mind. Physical, Computational, and Psychological Approaches. Progress in Brain Research. Elsevier Science, AmsterdamGoogle Scholar
  5. 5.
    Chua L (1971) Memristor: the missing circuit element. IEEE Transaction on circuit Theor 18(5):507–519CrossRefGoogle Scholar
  6. 6.
    Chua L (2014) If it’s pinched it’s a memristor. Semiconductor Science and Technology 29(10):104001–104002CrossRefGoogle Scholar
  7. 7.
    Sah MP, Kim H, Chua LO (2014) Brains are made of memristors. IEEE Circuits and Systems Magazine 14(1):12–36CrossRefGoogle Scholar
  8. 8.
    Williams RS (2008) How we found the missing memristor. IEEE spectrum 45(12):28–35CrossRefGoogle Scholar
  9. 9.
    Tetzlaff R (Hrsg) (2014) Memristors and Memristive Systems. Springer, Berlin, S 14 (nach Fig. 1.5)Google Scholar
  10. 10.
    Siegelmann HT, Sontag ED (1995) On the computational power of neural nets. Journal of Computer and Systems Science 50:132–150CrossRefGoogle Scholar
  11. 11.
    Siegelmann HT, Sontag ED (1994) Analog computation via neural networks. Theoretical Computer Science 131:331–360CrossRefGoogle Scholar
  12. 12.
    Blum L, Shub M, Smale S (1989) On a theory of computation and complexity over the real numbers: NP-completeness, recursive functions and universal Machines. Bulletin of the American Mathematical Society 21(1):1–46CrossRefGoogle Scholar
  13. 13.
    Turing AM (1939) Systems of logic based on ordinals. Proc London Math Soc 2:161–228CrossRefGoogle Scholar
  14. 14.
    Feferman S (2006) Turing’s Thesis. Notices of the American Mathematical Society 53(10):1200–1206Google Scholar
  15. 15.
    K. Mainzer, Mathematischer Konstruktivismus, Diss. Universität Münster 1973Google Scholar
  16. 16.
    Bennett CH (1995) Logical Depth and Physical Complexity. In: Herken R (Hrsg) The Universal Turing Machine. A Half-Century Survey. Springer, Wien, S 227–235Google Scholar
  17. 17.
    Brooks RA (2005) Menschmaschinen. Campus Sachbuch, FrankfurtGoogle Scholar
  18. 18.
    Wagman M (1996) Human Intellect and Cognitive Science. Towards a General Unified Theory of Intelligence. Westport Conn.Google Scholar
  19. 19.
    Wagman M (1995) The Science of Cognition. Theory and Research in Psychology and Artificial Intelligence. Wetstport ConnGoogle Scholar
  20. 20.
    Mainzer K (2016) Information: Algorithmus‐Wahrscheinlichkeit‐Komplexität‐Quantenwelt‐Leben‐Gehirn‐Gesellschaft. BerlinGoogle Scholar
  21. 21.
    Audretsch J, Mainzer K (Hrsg.) (1996) Wieviele Leben hat Schrödingers Katze? Zur Physik und Philosophie der Quantenwelt, 2. Aufl. HeidelbergGoogle Scholar
  22. 22.
    Feynman RP (1982) Simulating Physics with computers. Intern J Theor Physics 21:467–488CrossRefGoogle Scholar
  23. 23.
    Deutsch D, Eckert A (2000) Concepts of Quantum Computation. In: Bouwmeester D, Ekert A, Zeilinger A (Hrsg.) (2000) The Physics of Quantum Information, Quantum Cryptography, Quantum Teleportation, Quantum Computation. Berlin, Kap. 4Google Scholar
  24. 24.
    Watrous J (1995) On one‐dimensional quantum cellular automata. Proceedings of the 36th Annual Symposium on Foundations of Computer Science. IEEE Computer Society Press, Milwaukee (Wisconsin)Google Scholar
  25. 25.
    Mainzer K, Chua L (2011) The Universe as Automaton. From Simplicity and Symmetry to Complexity. Berlin, Kap. 7Google Scholar
  26. 26.
    Penrose R (2001) Computerdenken: Die Debatte um Künstliche Intelligenz, Bewusstsein und die Gesetze der Physik. Heidelberg, Kap. 10Google Scholar
  27. 27.
    Penrose R (1995) Schatten des Geistes: Wege zu einer neuen Physik des Bewußtseins. HeidelbergGoogle Scholar
  28. 28.
    Mainzer K (2018) The Digital and the Real World. Computational Foundations of Mathematics, Science, Technology, and Philosophy. SingapurGoogle Scholar
  29. 29.
    Deutsch D (1985) Quantum theory, the Church‐Turing principle and the universal quantum computer. Proc R Soc London A 400:97–117CrossRefGoogle Scholar
  30. 30.
    Mainzer K (1996) Naturphilosophie und Quantenmechanik. In: Audretsch J, Mainzer K (Hrsg) Wieviele Leben hat Schrödingers Katze? Zur Physik und Philosophie der Quantenmechanik, 2. Aufl. Heidelberg, S 245–299Google Scholar
  31. 31.
    Keyl M (2002) Fundamentals of quantum informatiuon theory. Physics Reports. A Review Section of Physics Letters 369:431–54CrossRefGoogle Scholar
  32. 32.
    Bostrom N (2014) Superintelligenz. Szenarien einer kommenden Revolution. Suhrkamp, BerlinGoogle Scholar
  33. 33.
    Shanahan M (2010) Embodiment and the Inner Life. Cognition and Consciousness in the Space of Possible Minds. Oxford University Press, New YorkCrossRefGoogle Scholar
  34. 34.
    Good IJ (1965) Speculations concerning the first ultraintelligent machine. In: Alt FL, Robinoff M (Hrsg) Advances in Computers. Academic Press, New York, S 31–88Google Scholar
  35. 35.
    Vinge V (1993) The coming technological singularity: How to survive in the post-human era. Vision-21: Interdisciplinary Science and Engineering in the Era of Cyberspace NASA Conference Publication 10(129):11–22 (NASA Lewis Research Center)Google Scholar
  36. 36.
    Kurzweil R (2005) The Singularity is Near. When Humans transcend Biology. Viking, New YorkGoogle Scholar
  37. 37.
    Eibisch N (2011) Eine Maschine baut eine Maschine baut eine Maschine…. Kultur und Technik 1:48–51Google Scholar
  38. 38.
    Slovskij IS, Sagan C (1966) Intelligent Life in the Universe, Holden-Day. San FranciscoGoogle Scholar
  39. 39.
    Kardashev NS (1964) Transmission of information by extraterrestrial civilizations. Soviet Astronomy 8(2):217–221Google Scholar
  40. 40.
    acatech (2012) Technikzukünfte. Vorausdenken – Erstellen – Bewerten. Springer, BerlinGoogle Scholar
  41. 41.
    Wilms F (2005) Szenariotechnik. Vom Umgang mit der Zukunft. Haupt, Bern, Stuttgart, WienGoogle Scholar
  42. 42.
    Häder M (Hrsg) (2002) Delphi-Befragungen. Ein Arbeitsbuch. Springer VS, WiesbadenGoogle Scholar
  43. 43.
    Geisberger E, Broy M (Hrsg) (2012) AgendaCPS. Acatech Studie. Springer, BerlinGoogle Scholar
  44. 44.
    Mainzer K (2012) Von der interdisziplinären zur integrativen Forschung. Gegenworte Berlin-Brandenburgische Akademie der Wissenschaften 28:26–30Google Scholar

Copyright information

© Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature 2019

Authors and Affiliations

  1. 1.Technische Universität MünchenMünchenDeutschland

Personalised recommendations