1. Kurzfassung
Lernen auf Grund von Erfahrungen ist eine der grundlegendsten Verhaltensweisen in der Natur. Auf diesen Satz bezogen wir uns hauptsächlich in unserer Arbeit. Aus dem sehr großen Bereich Natur griffen wir uns die elementaren Überlebensstrategien heraus, wie zum Beispiel Schwärme, Tarnung, Mimikri, etc. Wegen der so großen Vielfalt konnten wir leider nicht alles behandeln, weshalb wir uns den Vogelschwarm als Forschungsbereich aussuchten.
Wir betrachteten einen Vogelschwarm in bezug auf das Flugverhalten und seinen Aufbau (die Anordnung der Vögel innerhalb des Schwarms). Hierauf bemühten wir uns eine möglichst exakte Nachbildung der Verhaltensmuster des echten Schwarmes zu schaffen. Mittels eines selbstprogrammierten neuronalen Netzes(NN) ist der Schwarm, bzw. der Computer in der Lage durch Eigenerfahrung zu lernen, beispielsweise wie man einen Baum umfliegt.
Christian Gemmer
Tilman Stäblein
2. Langfassung
2.1 Vogelschwarm2.1.2 Massenintelligenze und Schwarmdenken
Wie für Lebewesen,die Gruppen, Schwärme oder Rudel bilden, typisch ist, dass sie in der Menge flexibler und intelligenter sind, gilt das auch für einen Vogelschwarm, der sich in seiner Ganzheit von außen wie ein denkender, wahrnehmendes, reagierendes und entscheidendes Wesen verhält. Genau genommen kann aber das, was im Schwarm geschieht, nichts anderes als durch die Überlagerung der Bewegung einzelner Tiere zustandekommen, und dahinter zeichnen aich allgemeinere theoretische Probleme ab, beispielsweise die Frage, wann und unter welchen Umständen das Zusammenwirken zur oft beobachteten Nivellierung und wann zu gesteigertem Fähigkeiten führt. Offenbar gibt es einige Vorteile, die das Verhalten im Schwarm mit sich bringt, beispielsweise die Möglichkeit der Anpassung, der Entwicklung und der Redundanz - viele müssen dasselbe machen, um etwas zu erreichen. Solche Gebilde sind unbestimmt und unberechenbar. Nichtsdestoweniger gibt es viele Entwicklungen, die genau durch das Schwarmverhalten bestimmt sind. Nachdem man erst einmal darauf aufmerksem ist, findet man Systeme, deren Verhalten durch im einzelnen nicht mehr überschaubare Wechselwirkungen geprägt sind, an vielen unerwarteten Stellen. So scheint sich herauszustellen, dass auch das menschliche Gehirn nach diesem Prinzip funktioniert - und damit deuten sich erstmalig Erklärungen dafür an, wieso an Denkvorgängen viele Nervenzellen beteiligt aind und dabei - offenbar ohne koordinierende Instanz - ein für den ganzen Organismus nützliches Resultat erzielt wird. Selbst für praktische Zwecke steht die Massenintelligenz bereits zur Diskussion: In der in diesem Tagen erscheinenden Arbeit beschreibt Gottfried Mayer-Kress, auf die Möglichkeiten hin, das Prinzip des 'Globalen Gehirns' für das Krisenmanagment einzusetzen.
<2.2 Neuronale Netze 2.2.1 Was sind Neuronales Netze?
Neuronale Netze(NN), oft auch als künstliche neuronale Netze(KNN) oder artificial neural networks(ANN) bezeichnet, sind informationsverarbeitende Systeme, die aus einer großen Anzahl einfacher Einheiten (Zellen, Neuronen) bestehen, die sich Information in Form der Aktivierung der Zellen über gerichtete Verbindungen (connections, links) zusenden.
Die Motivation des Wissen sich mit neuronalen Netzen zu befassen, bestand in der groben Analogie (Ähnlichkeit) zu den Gehirnen von Säugentieren, bei denen Infomationen durch sehr viele Nervenzellen verarbeitet werden. Hierbei ist die Aufgabe einer Nervenzelle im Verhältnis zu der des gesamten Systems sehr einfach und sie leitet nur den grad ihrer Erregung über Nervenfasern an andere Nervenzelle weiter.
Neuronale Netze hingegen beruhen auf einer Vielzahl parallelerablaufender Algorithemen, die sowohl in Form von Programmen, Netzwerksimulationen oder auch in Form spezieller neuronaler Hardware vielfältig einsetzbar sind. Eines der wesentlichen Elemante dabei ist die Lernfähigkeit des neuronalen Netzes, die Fähigkeit, eine Aufgabe, wie etwa ein Klassifikationsproblem, selbstständig aus Trainingsbeispielen zu lernen, ohne daß das neuronale Netz dazu expliziert programmiert werden muß.
Je nach Interesse und fachlicher Ausrichtung des Forschers spielen unterschiedliche Gesichtspunkte neuronaler Netze eine Rolle, in unserem Fall war die relative Genaugigkeit
mit der Natur das Ziel, d.h. die Bildung des Schwarmes.
2.2.2 Die Geschichte der neuronalen Netze
Die Geschichte der neuronalen Netze ist fast so alt wie die ersten programmierbaren Computer auf elektronischer Basis. In den frühen Anfängen, ungefähr 1942-1955, versuchten bereits viele Wissenschaftler Computerprogramme zu schreiben die neuronale Netze beinhalteten. Die Pioniere in diesem Gebiet waren McCoulloch und Walter Pitts, die einen Aufsatz über neuronale Netze verfassten.
In der Zeit von 1955-1969 war die erste Blütezeit. Währenddessen wurde der erste erfolgreiche Neurocomputer am MIT von Frank Rosenblatt und Mitarbeitern entwickelt. Dieser Computer wurde zur Mustererfassung eingesetzt. Andere Wissenschaftler waren zum Beispiel Karl Steinbruch, Oliver Selfridge und Nil Nilsson, der das erste Buch über neuronale Netze verfasste.
Von 1969-1982 waren die stillen Jahre der neuronalen Netze, aber in diesen Jahren wurden viele theoretische Grundlagen für die heutige Renaissance des Gebietes gelegt.
Die Renaissance der neuronalen Netze war Anfang der achziger Jahre, um genau zu sein 1985. Der Einfluß des Wissenschaftlers John Hopfields war ausschlaggebend für die Wiederentdeckung. Er verfasste einen Artikel über seine neuronale Netze, den er schwierige Optimierungsaufgaben lösen ließ. Dies überzeugte viele Forscher von der Wichtigkeit des Forschungsgebietes. Dann ca. 1986 explodierte fast die Zahl von einigen wenigen auf den heutigen Stand von mehreren 1000 Forschern.
2.2.3 Zu welchem Zweck werden sie verwendet?Die neuronalen Netze kommen heutzutage hauptsächlich in der Robotik zur Anwendung, wo sie Karten organisiren müssen oder Bewegungsabläufe erkennen müssen.
Das Jugend forscht Projekt
Nachdem wir uns durch Fachliteratur und Biologielehrer über den obengennanten Aufbau eines Vogelschwarmes und dessen Verhaltensweise informiert hatten, versuchten wir unser neu erfahrenes wissen auf den Computer zu übertragen. Hierzu war der erste Schritt, das schwierigste Problem, nämlich das Zusammenführen der Vögel zu einem Schwarm, ducrh logische Überlegungen auf einem Blattpapier zu lösen, bevor wir mit Hilfe des Programmes Delphi 2.0 von realisiren konnten.
Das Programm generiert 50 Vögel mit unterschiedlicher Position und Geschwindigkeit. Hierauf wird für jeden einzelnen Vogel der Abstand zum weitest entfernten berechnet.
Wurde nun der am weitest entfernte Vogel für diesen eine Fall gefunden, dann wir diesem die Flugrichtung und die Geschwindigkeit des suchenden Vogels gegeben. Dies wird nun für alle Vögel berechnet. So erreichen wir, daß alle Vögel in eine Richtung fliegen. Da sich aber nach einiger Zeit eine Vor- und Nachhut bildet, muß für jeden Vögel zusätzlich der nächste Nachbar errechnet werden, um diesen näher an sich heranzuholen. So erreichen wir eine einigermaßen kompakte Form des Vogelschwarms, in der alle Vögel die gleiche Geschwindigkeit und Flugrichtung haben. Wie wir dies programmiertechnisch gelöst haben sehen Sie im Programmquelltext.
4. Schluss
In naher Zukunft wird dieses Gebiet der neuronalen Netze immer mehr an Wichtigkeit gewinnen, da man sich die Computer immer schneller entwickeln und immer mehr Aufgaben des Mensch übernehmen. Vielleicht wird es einmal so weit kommen, dass man in der Robotik ein Mensch aus Stahl mit eigener Identität, Lernverhalten und Intelligenz entwickelt.
5. Download
Hier können Sie unsere eine Version unseres Virtuellen Vogelschwarms downloaden.