|
Konnektionismus & alternative Rezepte
Bitte nicht mehr hinten anstellen! *Game of Life *Was kann ein zellulärer Automat? *Robokoneko *Biocomputer *Molekularcomputer *Quantencomputer *
In den vorangegangenen Kapiteln wurden viele mehr oder weniger intelligente Systeme vorgestellt, die auf konventioneller Computertechnologie basieren. Ich habe gezeigt, daß unkonventionelle, von der Natur abgeguckte Programmiermethoden dazu führen, daß Menschen nicht mehr die einzigen kreativen Schöpfer von Objekten sein müssen. Ich habe meine Überzeugung vermittelt, daß das Design damit kurzfristig sowohl für ästhetische als auch für funktionale Planungsprozesse eine mächtige Unterstützung bekommt. – Dabei spielt die spezifische Designrichtung, ob Produktdesign, Architektur, Städteplanung, objekthaft oder prozessual, keine Rolle. Obwohl die dargestellten Methoden meines Erachtens nach beeindruckend sind, kann kaum die Rede sein von künstlichem Bewußtsein, denkenden Apparaten oder maschinellem Leben. – Wenngleich die abstrakten, virtuellen Automaten, die sich selbst reproduzieren können, geboren werden, in gewissem Sinne. In diesem Teil der Arbeit möchte ich zwei Methoden vorstellen, die man gemeinhin als ´Konnektionismus´ bezeichnet. Dieses erste Kapitel beschreibt den klassischen Konnektionismus, der seit jeher das Komplement zur Symbolischen KI war: Zelluläre Automaten. Dazu beschreibe ich kurz die Facetten dieser Methode und gebe Ausblicke auf alternative, zukünftige Hardwarelösungen, die sich noch im tiefsten Stadium der Erforschung befinden. Im zweiten und abschließenden Kapitel zeige ich an einigen Beispielen, wie ´unsere nächsten Verwandten, die Roboter´ die Geschicke von Agenten in der realen Welt verkörpern.
Bitte nicht mehr hinten anstellen! Konventionelle Computer verarbeiten Informationen seriell, das heißt, daß sie stets eine Operation nach der anderen ausführen. In bestimmten Fällen können herkömmliche Computer, beispielsweise sogenannte Alphaprozessoren, aufeinanderfolgende Prozesse gleichzeitig ausführen, und ein Vorhersagemechanismus (Heuristik) entscheidet, welche späteren Prozesse vorgezogen oder in exakter Reihenfolge durchgeführt werden müssen, damit das Ergebnis noch stimmt. Der Vorteil von paralleler Verarbeitung liegt auf der Hand: Die Geschwindigkeit nimmt zu, wenn mehrere Operationen gleichzeitig ausgeführt werden. Allerdings sind eine Handvoll paralleler Operationen nur ein Tropfen auf den heißen Stein, wenn man bedenkt, daß unser Gehirn über Milliarden Zellen verfügt, die ständig an irgendetwas arbeiten – und zwar gleichzeitig! Wir haben uns so sehr an die konventionelle Methode gewöhnt, die immer noch auf den drei von Zuse entworfenen, primitiven Schaltungen beruht, daß wir offenbar nur langsam von dem Paradigma der Serialität abrücken können.
Der erste „Zelluläre Automat", der sehr populär wurde und die Komplexität von massiv paralleler Informationsverarbeitung zeigte, war das ´Game of Life´ von John Horton Conway. – Man braucht keinen Computer, um es zu spielen, es reichen auch Bierdeckel, Steine oder Karten, die als Zellen dienen. Man ordnet einfach ein paar Zellen orthogonal zu einem Muster an, so daß auf einem gezeichneten oder gedachten, sehr großen Schachbrett eine Figur entsteht. Jetzt wird diese Figur schrittweise nach drei einfachen Regeln verändert: 1. Felder, die von drei besetzten Zellen umgeben sind, werden ebenfalls besetzt. 2. Besetzte Felder, an die mindestens zwei Zellen angrenzen, bleiben besetzt. 3. Besetzte Felder, die weniger als zwei benachbarte Zellen haben, werden nicht mehr besetzt. Was beim ´Game of Life´ passiert, ist, daß sich Muster ausweiten, sterben, fortbewegen, oszillieren, sich regelmäßig oder chaotisch evolvieren. Es gibt Strukturen, die innerhalb von dreißig Schritten wieder ihre ursprüngliche Form annehmen und dabei ein Geschoß, eine Figur, die sich über das Spielfeld bewegt, abfeuern. Andere Figuren können Geschosse (´Glider´) auffressen etc. Dieses Spiel verdeutlicht auf einfache Weise, wie zelluläre Automaten funktionieren. Jede Zelle ist mit einer Anzahl von Nachbarzellen verbunden (daher Konnektionismus). Sie kann ´diskrete´ Zustände annehmen, in diesem Beispiel – ganz digital – besetzt oder unbesetzt. Komplexere Zellen können beliebig viele Zustände darstellen. Diese Zustände werden durch die Nachbarzellen beeinflußt. Die Art und Weise des Einflusses wird durch Regeln festgelegt. Die Komplexität eines zellulären Automaten hängt von der Anzahl der Zellen, der Anzahl von deren Verbindungen, ihren möglichen Zuständen und der Beschaffenheit der Regeln ab.
Was kann ein zellulärer Automat? Man geht davon aus, daß zelluläre Automaten der Struktur von Neuronen und Synapsen im Gehirn sehr ähneln, weshalb man sie, genügend Ähnlichkeit und Komplexität vorausgesetzt, auch ´Neuronale Netze´ nennt. In einer Fernsehsendung habe ich einmal einen Bericht über Neuronale Netze gesehen, die an eine Fernsehkamera angeschlossen waren und darauf ´trainiert´ wurden, auf Bildern Panzer zu erkennen. Man zeigte dem Netz zunächst eine Reihe von Bildern, auf denen Panzer im Gebüsch oder sonstwie getarnt erkennbar waren und solche Bilder von ähnlichen, natürlichen Umgebungen, auf denen sich keine befanden. Immer, wenn das Neuronale Netz ein Bild vorgesetzt bekam, erhielt es zusätzlich die Information ´ja´ oder ´nein´, je nachdem, was abgebildet war. Es sollte die Unterscheidung lernen. Danach zeigte man ihm andere Bilder und wollte wissen, ob es einen Panzer erkennt oder nicht. Die Verwirrung war groß, als das gewünschte Resultat nicht zustande kam: Wie sich herausstellte, waren die ursprünglichen Panzerbilder immer bei schlechtem Wetter aufgenommen und die Naturlandschaften bei Sonnenschein. Das Neuronale Netz hatte schlichtweg gelernt, zwischen gutem und schlechtem Wetter zu unterscheiden! Dies ist das Dilemma mit zellulären Automaten. – Man kann sie dazu bringen, sehr schnell sehr komplexe und zumeist ´unscharfe´ Informationen zu verarbeiten, aber man kann die Berechnungen nicht mehr zurückverfolgen. Hier emergiert aus einer Vielzahl kleiner, ´dummer´ Einheiten ein komplexes, intelligentes Verhalten. Man setzt zelluläre Automaten ein, beispielsweise um Muster zu erkennen, um Regelmäßigkeiten in komplizierten Strukturen zu finden, um Börsenkurse vorherzusagen etc. Die Ergebnisse von zellulären Rechenprozessen sind zwar per definitionem determiniert, nicht aber logisches Kalkül. Es entspringt der Verschiebung der Qualitätsstufe des ´Mehr´ in Schwärmen, Organismen oder sonstigen, emergenten Systemen. Man nimmt an, daß sich mit zellulären Automaten alle Prozesse, die eine Turing-Maschine beschreiben kann, auch abbilden lassen. Dies würde bedeuten, daß man die konventionelle, serielle Systematik übertragen könnte. Bislang ist es jedoch nicht gelungen, diese Hypothese, die das Wesen der selbstreproduzierenden Von-Neumann-Maschine ist, zu beweisen, geschweige denn, ein solches System zu simulieren oder zu bauen.
´Robokoneko´ ist Japanisch und heißt sinngemäß ´Roboterkätzchen´. Der Name ist Programm. Ein Roboter, der weitgehend einer Katze nachempfunden ist, wird von einem Neuronalen Netz mit über 200.000 Zellen gesteuert. Der Katzenkörper sendet die Informationen von zwei Farbkameras, etlichen Drucksensoren und Mikrophonen an ein Terminal, in dem das ´Gehirn´ untergebracht ist. Dort werden die Daten ausgewertet und zu Verhaltensmustern umgewandelt. Über die Verhaltensmuster werden Anweisungen erzeugt, die wiederum per Funk die vielen Motoren des Roboterkätzchens ansteuern. – Wenn man Robokoneko streichelt, fängt sie sogar an zu schnurren. Dies ist die Vorstellung von Hugo de Garis, Robokonekos Schöpfer, der momentan dabei ist seiner künstlichen Katze den letzten Schliff zu geben. Das Neuronale Netz besteht aus mehreren Prozessoren der Firma Xilinx, die schon in Teil 3, Digitale Evolution, besprochen wurden. Die Firma Genobyte hat diese Prozessoren in eine Struktur gebettet, die dafür sorgt, daß die Verschaltung der 200.000 Neuronen ständig durch Selektion optimiert wird. Damit ist es gelungen, erstmals ein komplexes Neuronales Netz nicht nur zu simulieren, sondern auch herzustellen. – Allerdings ist es immer noch bedeutend größer, einfacher und langsamer als ein biologisches, weil beispielsweise die Umkonfigurierung von einzelnen Neuronen noch verhältnismäßig lange braucht. Kognitive Operationen verlaufen also erheblich schneller als auf herkömmlichen Systemen, Verbesserungen der kognitiven Struktur brauchen aufgrund des elektrisch-mechanischen Prozesses noch deutlich mehr Zeit. Da es unmöglich gewesen wäre, ein solches Gehirn von vornherein mit allen wichtigen Verhaltensmustern einer Katze zu programmieren, lernt Robokonekos Gehirn zunächst in einer virtuellen Welt, sich wie eine Katze zu benehmen. Die digitale Simulation ist zwar nicht so detailgetreu wie ihr Vorbild, soll aber vorerst alle notwendigen sensuellen und motorischen Eigenschaften heranbilden, damit Robokonekos Hirn später auch mit seinem Körper zurechtkommt. Das eigentlich neue an dieser Form von Neuronalem Netz ist nicht nur seine Komplexität aufgrund der Vielzahl von Zellen. Vielmehr scheint mir der Ansatz, kontinuierlich die Fitneß der Verschaltung zu testen, Varianten per Mutation oder Kreuzung zu bilden und diese auf der Hardware-Ebene, die hier sowohl Genotyp als auch Phänotyp ist, abzubilden, das wesentliche zu sein. Hier entsteht ein System, dessen Struktur anpassungsfähig ist. – Ob sie als intelligent einzustufen sein wird, muß sich zeigen. Die Nachricht über Erfolg oder Mißerfolg des Unternehmens wird dieser Tage, mindestens aber noch im Jahr 1999 erwartet.
Man mag annehmen, daß die feinen Strukturen auf den Mikrochips etwas derart Filigranes darstellen, wie es in der Natur kaum vorkommt. Dem ist nicht so. Logische Gatter, die kleinsten Recheneinheiten, die sich auf den Siliziumchips befinden, wirken monströs gegenüber manchen Viren oder dem Apparat der Genetik, beispielsweise Ribonukleinsäure oder Enzyme. Diese sind nicht nur erheblich kleiner, sondern auch viel leistungsstärker, da sie viel mehr Funktionen beherrschen. Inzwischen gelingt es, mit aus biomolekularer Sicht sehr einfachen Prozessen, komplexe Rechenoperationen darzustellen. Ein genetisch variiertes Protein namens ´Bacteriorhodopsin´ beispielsweise kann in einem biotischen Automaten als Zelle fungieren. Seinen diskreten Zustand teilt es visuell über seine Farbe mit. Durch Licht angeregt, gibt es Strom ab und beeinflußt so die umliegenden Zellen. Durch seine Färbung können Zellen mit bestimmten Zuständen durch Licht der entsprechenden Farbe beeinflußt werden. Es ergeben sich komplexe Möglichkeiten zur Verschaltung und Berechnung. Es sind damit bereits prototypisch holographische Bildverarbeitungssysteme und Speicherelemente realisiert worden. Man hofft, schon bald erste biotische Koprozessoren für besondere Aufgaben, die kognitiver Natur sein könnten, herzustellen.
Einen ähnlichen Ansatz verfolgen Forscher, die sich mit spezifischen Eigenschaften von Makromolekülen auseinandersetzen. Da hier völlig andere physikalische Eigenschaften auftreten wie die recht simplen Elektronenflußmanipulationen in Halbleiterchips, ergeben sich in diesen Dimensionen auch gänzlich andersartige Funktionsprinzipien. Der wesentliche Teil der Forschung scheint momentan gar nicht dahin zu gehen, wie diese Rechenautomaten realisiert werden, sondern was man mit ihnen machen kann, sprich welche Funktionen man mit solchen Molekularrechnern darstellen kann. Im Zuge der Nanotechnologie ist es möglich geworden, Architekturen auf molekularer Ebene darzustellen. Man kann einzelne Moleküle und sogar Atome positionieren, ´verschweißen´ oder trennen. Moleküle mit bestimmten chemischen oder elektrischen Eigenschaften könnten tatsächlich dazu in der Lage sein, komplexe Rechenprozesse abzubilden. Es ist nur bislang sehr schwer, das Verhalten von komplexeren Molekülstrukturen vorherzubestimmen oder überhaupt abzulesen. Weitere Schwierigkeiten bestehen zum Beispiel in der Temperaturabhängigkeit. Die experimentellen Systeme sind sehr empfindlich und noch weit von einer breiten oder sinnvollen Nutzung entfernt. – Aber selbiges dachte man ja auch, als Konrad Zuse und Helmut Schreyer in den Dreißiger Jahren anfingen, primitive Schaltungen zum universellen Einsatz zu basteln...
Noch einen Schritt kleiner als vorgenannte Alternativen zu Silizium, auf subatomarer Ebene nämlich, agieren Quantencomputer. Ihre Recheneinheiten heißen QBits – Quanten-Bits –, und diese haben nicht nur einen Zustand aus Null und Eins, sondern können mehrere Zustände gleichzeitig annehmen, weil sie durch Elektronen repräsentiert werden, die in einem Atom oder Molekül mehrere Superpositionen (energiereichere ´Umlaufbahnen´) gleichzeitig besetzen können. Wenn ein Elektron also beispielsweise acht Superpositionen (entsprechend 8 Bit) besetzen kann, dann kann man mit einer Operation ein ganzes Byte auf einmal manipulieren, im Gegensatz zu den logischen Gattern auf Halbleiterchips, die sich um jedes Bit einzeln kümmern müssen. Mittlerweile ist es gelungen, eine ganze Reihe von QBit-Manipula-tionen in Simulationen und experimentell nachzuweisen. Solche ´Prozessoren´ sind interessanterweise oft flüssig, werden durch Laser gekühlt und befinden sich momentan noch in kellergroßen Apparaturen. Wenn Quantencomputer eines Tages realisiert werden, können sie sich die wundersamen Effekte der Quantenmechanik zunutze machen. Sie können beispielsweise Wahrscheinlichkeiten darstellen, in Vielen Welten gleichzeitig rechnen, aufgrund der Nicht-Lokalität von Feldern Informationen schneller als das Licht (theoretisch ohne geringste Zeitverzögerung von einem Ort zu einem beliebigen anderen) austauschen oder per Einstein-Rosen-Paradox Quanten von einem Speicherbaustein zum anderen ´beamen´. Eine genaue Vorstellung, wie ein Quantencomputer auszusehen hat, gibt es noch nicht. Die Visionen liegen jedoch jenseits dessen, was menschlich vorstellbar ist. Theoretisch ist ein Quantencomputer dazu in der Lage, unendlich viele Operationen in unendlich kurzer Zeit zu erledigen. Er stellte somit die erste bewiesene universelle Turing-Maschine dar. Außerdem müßte er nicht mit dem Halteproblem kämpfen, da die Unendlichkeit aus der Sicht des Betrachters für den Quantenprozessor endlich wäre. Deshalb werden Quantencomputer auch Gödel-Maschinen genannt, da sie zumindest innerhalb der Raumzeit, in der der menschliche Erfahrungsraum liegt, keine formal unentscheidbaren Sätze k |