‚Ąú
A B C D E F G H I J K L M N O P Q R S T U V W X Y Z 9 ő©


Schwarmintelligenz


ūüźúEine Kritik


Definition


Schwarmintelligenz ist ein Sonderfall von kollektiver Intelligenz. W√§hrend bei einer kollektiven Intelligenz die einzelnen Individuen sehr unterschiedlich sein k√∂nnen (z. B. Menschen + Roboter + Algorithmen) sind die Individuen bei Schw√§rmen weitgehend √§hnlich, oft ohne funktional wichtige Individualit√§t. Das ist hier n√§her definiert und als Leitidee f√ľr menschliche Gesellschaften auch hinterfragt.

Ameisen als Schwarmintelligenz


Das klassische Beispiel f√ľr die Schwarmintelligenz ist die Wegfindung von Ameisen. Ameisen hinterlassen beim Gehen Duftstoffe, sogenannte Pheromone. Diese Duftstoffe verdunsten mit der Zeit. Ameisen gehen bevorzugt Wege mit starkem Duft (Stigmergie). Dieser einfache Mechanismus kann helfen, wie Ameisen den k√ľrzesten Weg zwischen Nest und Futterquelle finden.

Bakterien als Schwarmintelligenz


In einem l√§ngeren Kapitel[9, Seite 25 ff.] √ľber sogenannte Stromatolithen aus der erdgeschichtlich fr√ľhen Zeit des Pr√§kambriums beschreibt der US-amerikanische Autor Howard Bloom, wie diese Bakterien, sogenannte Prokaryoten oder spezieller Cyanobakterien, sich wechselnden Umweltverh√§ltnissen anpassen. Der Lebensraum sind sogenannte "Gezeitent√ľmpel des Meeres". Die Bakterien, so Bloom, hatten damals bereits die Arbeitsteilung entdeckt[9, Seite 26]. Manche Individuen trieben Photosynthese und legte Vorr√§te von ATP, einen Energiespeicher an. Dabei lagerten die Bakterien nutzlose √úberreste in "potentiell giftigen Abfallbergen" ab. Die Kolonien wachsen dabei "wellenf√∂rmig von einem Zentrum" aus[2]. Das kommt so[9, Seite 27 ff.]: die ersten Generationen der Kolonie waren noch sesshaft. Doch wenn die Ressourcen vor Ort aufgebraucht sind, erzeugt die Kolonie bewegliche Nachkommen, die "Umherstreifer", die ringf√∂rmig um die alte Siedlung ausschw√§rmen. Treffen diese auf neue Ressourcen, werden sie sesshaft. Dabei gehen die Baktieren nicht als Einzelk√§mpfer vor, sondern benutzen verschiedene Signalmittel f√ľr die Kommunikation wie etwa chemische Aussch√ľttungen oder Fragmente von genetischem Material. St√∂√üt ein Bakterium etwa auf unfruchtbares Gebiet, dann sendet es vor seinem Hungertod noch Signale aus, um andere Bakterien vor diesem Ort zu warnen. Und auch erfolgreiche Bakterien senden Signale aus, die dann aber andere Bakterien anlocken. Dar√ľberhinaus k√∂nnen Bakterien ihr eigenen Gene ver√§ndern und nutzen dazu Plasmide, Vektoren und Phagen[9, Seite 31]. Sie k√∂nnen dabei als "modulares Netzwerk"[9, Seite 32] lernen wie man sich auf einem neuen Untergrund bewegen kann. Die Bakterien reaktivieren nicht nur altes Wissen, sie erschaffen kreativ neue F√§higkeiten. Siehe auch kollektive Lernmaschine [nach Howard Bloom] ‚Üó

Notwendige Eigenschaften einer Schwarmintelligenz



Weitere Beispiele


Biologische Insektenstaaten, Fischschwärme, menschliche Gesellschaften oder Teile davon, roboterhafte Swarmbots: siehe mehr unter Schwarmintelligenzen ↗

Mathematik der Schwarmintelligenz


Die Entwicklung von Schwarmintelligenz-Algorithmen ist ein Forschungsgebiet. Mathematik und Statistik spielen dabei eine gro√üe Rolle. Es gibt eigene Forschungsjournale daf√ľr. Typische Stichworte sind Ant Robotics, Swarm Bots, Distributed Intelligence oder - allgemeiner gefasst Komplexes adaptives System ‚Üó

Wie real sind Schwarmintellligenzen?


Reale Schwarmtiere weisen oft ein hohes Maß an Differenzierung auf. Die einzelnen Individuen können nicht als gleichartig modelliert werden. Entsprechend allgemeiner ist der Begriff kollektive Intelligenz ↗

Schwarmintelligenz und Emergenz


Schwarmintelligenz ist ein klassisches Beisiel f√ľr das Ph√§nomen der Emergenz: Einzelteile eines Systems wirken so zusammen, dass pl√∂tzlich Ph√§nomene und Eigenschaften des Gesamtsystems entstehen, die in keinem der Einzelteile vorher angelegt waren. Wenn sich diese emergenten Ph√§nomene kausal determiniert ergeben und in einer deterministischen Simulation nachgestellt werden k√∂nnen, spricht man von einer schwachen Emergenz. Ist das nicht m√∂glich spricht man von einer starken Emergenz ‚Üó

Schwarmintelligenz als soziologisches Vorbild?


Schwarmintelligenz wird oft als Vorbild f√ľr Gesellschaften verwendet[1]. Dabei wird oft unkritisch hingenommen, dass der Schwarmnutzen immer auch dem Individualnutzen entspricht. Das ist eine zutiefst naive Sicht. Oft gilt gilt das Gegenteil: das Optimum f√ľr den Schwarm ist f√ľr einzelne Individuen sehr nachteilig. So schreibt der belgische Schriftsteller Maurice Maeterlinck detailliert √ľber die n√ľchterne K√ľhle mit der Bienen ihre Artgenossinnen behandeln, wenn dies f√ľr den Bienenstaat als Ganzes n√ľtzlich erscheint[2]. Mehr dazu steht in einem Vortrasmanuskript zur zweischneidigen Ethik der Scharmintelligenz => pdf

Die Gefahr individueller Degeneration


Verschiedene Autoren, oft naturwissenschaftliche gepr√§gte Fachleute, haben bedrohliche Szenarien f√ľr die Rolle des Menschen als Teil einer kollektiven oder einer Schwarmintelligenz untersucht. Die Kritkik l√§uft im Kern immer darauf hinaus, dass der Mensch den √úberblick und die Kontrolle preisgibt und sich als Individuum relativ zum Schwarm zur√ľckentwickelt. Diese Bef√ľrchtung f√ľhrt zum Beispiel zur Idee von einem Homo integratus degeneratus ‚Üó

Die √Ąstetik des Schwarms: S√łren Solk√¶r


Der d√§nische Photograph S√łren Solk√¶r hat auf vielen Filmen gro√üe Schw√§rme von Staren mit bis zu 100 Tausend Individuen festgehalten. Die Bewegungen des Schwarms als Ganzes erinnern an tanzende Lebewesen. Man kann unmittelbar f√ľhlen, wie der Schwarm als Ganzes an ein einzelnes Lebewesen erinnert.[4]

Aus Simplizität wird Komplexität


Social insects - ants, bees, termites, and wasps - can be viewed as powerful problem-solving systems with sophisticated collective intelligence. Composed of simple interacting agents, this intelligence lies in the networks of interactions among individuals and between individuals and the environment. So beschreiben die Autoren eines Standardwerkes zum Thema[6] einen besonderen Reiz: aus simplen, miteinander interagierenden Agenten entsteht eine Intelligenz, die eher im Netzwerk der Interaktionen und zwischen den Individuen und der Umwelt angesiedelt ist als in den Individuen selbst. Hier dr√§ngt sich die Analogie zu k√ľnstlichen neuronalen Netzen auf. Die einzelnen Neuronen sind bemerkenswert einfache mathematische Gebilde. Die oft √ľberragende Intelligenz der Netze scheint auch dort ganz aus der Interaktion der Neuronen, dem Netz an sich zu emergieren. Siehe auch k√ľnstliches Neuronales Netz ‚Üó

Die Kolonie als Vorstufe


Kolonien von Seevögeln auf einem Meeresfelsen: wo Lebewesen räumlich eng aber funktional weitgehend getrennt zusammenkommen spricht man in der Biologie von einer Kolonie. Wesentlich ist, dass die Individualität der Individuen klar erkennbar bleibt[7]. Siehe auch Kolonie (Biologie) ↗

Der nächste Schritt: Superorganismus


Insektenstaaten werden von manchen Autoren als eigenst√§ndige Organismen bezeichnet[8]. Solange man sie noch als Verbund einzelner Individuen ansieht, spricht man eher von einer Schwarmintelligenz. Wesentlich f√ľr einen Schwarm ist, dass die Individuen keine dauerhafte Arbeitsteilung eingerichtet haben. In dem Ma√ü wie aber die Individuen immer unterschiedlicher werden, etwa bei Bienenstaaten, und eine starke Arbeitsteilung einrichten, spricht man zunehmend von einem Superorganismus ‚Üó

Fußnoten