Advertisement

Virtuelle Autonomie

  • Tobias Meisen
  • Kathrin Adler
  • Thomas Thiele
  • Sabina Jeschke
Living reference work entry

Zusammenfassung

Um mittel- und langfristig autonome Systeme in unserer Gesellschaft und dem gemeinsamen Miteinander zu etablieren, bedarf es Konzepte, um die gültige Gesetzes- und Normenwelt sowie ein Verständnis über die Naturgesetze innerhalb dieser Systeme abzubilden. Moderne Lernverfahren zur Ausbildung künstlicher Intelligenzen stellen für eine Vielzahl von Anwendungen bereits geeignete Ansätze bereit. Für kritische Anwendungen, wie das autonome Fahren oder die kollaborative Arbeit ist jedoch das Erlernen im realen Einsatz undenkbar. Einen Lösungsansatz bieten die Virtualisierung und die Abbildung einer virtuellen Autonomie.

Schlüsselwörter

Autonomie Autonome Systeme Künstliche Intelligenz Embodiment Agenten 

Literatur

  1. „Autonome Systeme: Chancen und Risiken für Wirtschaft, Wissenschaft und Gesellschaft.“ 2016. Zwischenbericht.Google Scholar
  2. Allen, Colin. 2010. Artificial life, artificial agents, virtual realities: technologies. In The Cambridge handbook of information and computer ethics, Hrsg. v. Luciano Floridi. 1. publ, 219–233. Cambridge: Cambridge University Press.Google Scholar
  3. Bostrom, Nick. 2014. Superintelligence: Paths, dangers, strategies, 1. Aufl. Oxford: Oxford University Press.Google Scholar
  4. Brooks, Rodney A. 1990. Elephants don’t play chess. Robotics and Autonomous Systems 6(1–2): 3–15.  https://doi.org/10.1016/S0921-8890(05)80025-9.CrossRefGoogle Scholar
  5. Corten, Emiel, Leo Dorst, und Ben Kröse. 1998. OASIS: Open architecture for simulations with intelligent systems. In Intelligent autonomous systems IAS-5, Hrsg. Y. v. Kakazu, M. Wada und T. Sato, 6–12. Amsterdam: IOS Press.Google Scholar
  6. Finn, Chelsea, und Sergey Levine. 2016. Deep visual foresight for planning robot motion. CoRR. abs/1610.00696.Google Scholar
  7. Gallope, Michael. 2012. The sound of repeating life: Ethics and metaphysics in Deleuze’s philosophy of music. In Sounding the virtual: Gilles Deleuze and the theory and philosophy of music, Hrsg. Brian v. Hulse und Nick Nesbitt, 77–102. Farnham: Ashgate.Google Scholar
  8. Gu, Shixiang, Ethan Holly, Timothy P. Lillicrap, und Sergey Levine. 2016. Deep reinforcement learning for robotic manipulation. CoRR. abs/1610.00633.Google Scholar
  9. Herrera, Rodolfo R., und Leslie V. Rodríguez Quiñones. 2012. Reinforcement learning model for virtual pets. International Journal of Advanced Research in Computer and Communication Engineering 9(1): 733–736.Google Scholar
  10. Malpas, Jeff. 2008. The non-autonomy of the virtual: Philosophical reflections on contemporary virtuality. Ubiquity 2008: Art. Nr. 4. 1–5.  https://doi.org/10.1145/1378358.1378359.
  11. Mnih, Volodymyr, Koray Kavukcuoglu, David Silver, Andrei A. Rusu, Joel Veness, Marc G. Bellemare, Alex Graves, et al. 2015. Human-level control through deep reinforcement learning. Nature 518(7540): 529–533.CrossRefGoogle Scholar
  12. Moravec, Hans P. 1988. Mind children: The future of robot and human intelligence. Cambridge, MA: Harvard University Press.Google Scholar
  13. Paradowski, Michal B. 2011. Developing embodied multisensory dialogue agents. CoRR. abs/1111.7190.Google Scholar
  14. Patzig, Günther. 1994. Grundlagen der Ethik, Gesammelte Schriften, Bd. 1. Göttingen: Wallstein.Google Scholar
  15. Pfeifer, Rolf, und Christian Scheier. 2001. Understanding intelligence. Cambridge: MIT Press.Google Scholar
  16. Russell, Stuart J., und Peter Norvig. 1995. Artificial intelligence: A modern approach, Prentice Hall series in artificial intelligence. Upper Saddle River: Prentice Hall.Google Scholar
  17. Silver, David, Aja Huang, Chris J. Maddison, Arthur Guez, Laurent Sifre, George van den Driessche, Julian Schrittwieser, et al. 2016. Mastering the game of go with deep neural networks and tree search. Nature 529(7587): 484–489.CrossRefGoogle Scholar
  18. Sombetzki, Janina. 2016. Roboterethik. In Zur Zukunft der Bereichsethiken – Herausforderungen durch die Ökonomisierung der Welt. Schriftenreihe des Zentrums für Technik- und Wirtschaftsethik am Karlsruher Institut für Technologie, Hrsg. Matthias v. Maring, Bd. 8, 355–380. Karlsruhe: KIT Scientific Publishing.Google Scholar
  19. Stangl, Werner. 2016. Autonomie: Psychologische Begriffsbestimmungen. http://www.stangl.eu/psychologie/definition/Autonomie.shtml. Zugegriffen am 02.12.2016.
  20. Turing, Alan M. 1950. Computing machinery and intelligence. Mind 59(236): 433–460.CrossRefGoogle Scholar
  21. Yahya, Ali, Adrian Li, Mrinal Kalakrishnan, Yevgen Chebotar, und Sergey Levine. 2016. Collective robot reinforcement learning with distributed asynchronous guided policy search. CoRR. abs/1610.00673.Google Scholar

Copyright information

© Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature 2019

Authors and Affiliations

  • Tobias Meisen
    • 1
  • Kathrin Adler
    • 2
  • Thomas Thiele
    • 3
  • Sabina Jeschke
    • 4
  1. 1.Chair of Technologies and Management of Digital TransformationBergische Universität WuppertalWuppertalDeutschland
  2. 2.Lehrstuhl für Informationsmanagement im MaschinenbauRWTH Aachen UniversityAachenDeutschland
  3. 3.Think Tank Digitalization & TechnologyDeutsche Bahn AGBerlinDeutschland
  4. 4.Member of the Management Board Digitalization & TechnologyDeutsche Bahn AGBerlinDeutschland

Personalised recommendations