Top

Schwarm- intelligenz

Intelligenz beschränkt sich in der Evolution keineswegs nur auf einzelne Organismen, sondern zeigt sich auch in Populationen, die kollektive Fähigkeiten zu Tage bringen. Denn gewisse Leistungen sind häufig in den einzelnen Organismen nicht gegeben und so sind diese allein nicht machbar. Dies zeigt sich vor allem in der Natur. Ameisen beispielsweise sind als Superorganismus in der Lage eine Ameisenstraße flexibel zu errichten. Aber auch in unserer Welt der Menschen können wir jene Schwarmintelligenz in Form von extrasomatischen Kommunikationssystemen beobachten. (vgl. Mainzer, 2016, S. 149)

Populationen von Roboter können ebenfalls eine kollektive Muster- bzw. Clusterbildung entwickeln und das ohne zuvor auf dies programmiert worden zu sein.

„Soziale Interaktion und Abstimmung gemeinsamer Aktionen bei sich verändernden Situationen ist eine äußerst erfolgreiche Form von Intelligenz, die sich in der Evolution herausgebildet hat. Bereits einfache Roboter könnten ähnlich wie einfache Organismen der Evolution kollektive Leistungen erzeugen. Im Management spricht man von der sozialen Intelligenz als einem Soft Skill, das nun auch von Roboterpopulationen berücksichtigt werden sollte.“ (Mainzer, 2016, S. 150)

Einer der ersten experimentellen Felder derartiger Roboterpopulationen lassen sich im Roboterfußball entdecken. Dabei besteht eine Robotermannschaft aus drei mobilen Systemen, nämlich einem zentralen Steuercomputer, einem Telekommunikationssystem als Verbindungsstelle sowie einem Bildverarbeitungssystem. Über die erhaltenen Bilddaten des Spielfeldes berechnet der Steuercomputer die nächsten strategischen Züge der Spielroboter. Ein Spielroboter besteht dabei aus Schaltkreisen für die Steuerung des zusätzlich eingebauten Antriebsmechanismus sowie Sensoren und einen kleinen Rechner, der die Daten und Befehle des Steuercomputers verarbeitet. Ein Beispiel für ein einprogrammiertes Verhaltensmuster wäre: „Fahre“ zu einer bestimmten Position und „Torschuss“, falls die Verbindung zwischen der Standposition und dem Tor hindernisfrei ist.“ Um in Besitz des Balls zu kommen muss die Bahn des Fußballs aus einer vorherigen und jetzigen Position errechnet sowie der Punkt des Abfangens gesetzt werden. (vgl. Mainzer, 2016, S. 151)

Bekannte Fußballspieler lösen hierbei dieselben Leistungen anders als Roboter. Während der menschliche Kollege über seine Erfahrung flexible Mustererkennung, eintrainierte motorische Verhaltensmuster sowie nicht-technische Formen des menschlichen Kommunikationssystems für das Spiel nutzt, berechnet der Roboter über mathematische Modelle und hoher Rechenleistung seine Aktionen. Roboterfußball stellt hierbei eher eine Form von kombinierten Anwendungen von maschinellen Lernen dar.  Dies könnte auch als „layered learning“ beschrieben werden, also die Aufteilung einer Aufgabe in mehreren Schichten, um Teilprobleme auf jenen Schichten durch gewisse Lernalgorithmen zu lösen. (vgl. Mainzer, 2016, S. 152)

Generell ist das Thema sehr interessant, sodass die nähere Betrachtung mit der Thematik sehr viel Spaß gemacht hat. Ob dies nun für die weiteren Untersuchungen meiner Masterarbeit hinsichtlich dem zukünftigen Designprozess im Speziellen eine Rolle spielt, müsste man hierfür noch mehr in die Tiefe gehen. Die Frage hierbei ist nun, ob jene Spezialisierung tatsächlich forciert wird oder ob andere Aspekte zur Gestaltung von Szenarien höheren Stellenwert besitzen und die Einbindung jener Thematik zu weit führen würde.

Literaturverzeichnis

Mainzer, K. (2016): Künstliche Intelligenz – Wann übernehmen die Maschinen?, Springer Verlag, Berlin, Heidelberg