Projektgruppe KIMAS – KI KL 1/25

UNIVERSITY OF

PADERBORN

Projektgruppe KIMAS

Künstliche Intelligenz und

Künstliches Leben

10.09.2003

Falk Windheim

Projektgruppe KIMAS – KI KL 2/25

UNIVERSITY OF

PADERBORN

Gliederung

1. Motivation2. Künstliche Intelligenz

1. Einführung2. Suche3. Logisches Schließen

3. Künstliches Leben1. Einführung2. Zellularautomaten3. KL in maschinennahen Welten

4. Literatur

Projektgruppe KIMAS – KI KL 3/25

UNIVERSITY OF

PADERBORN

Motivation

Die PG-KIMAS will Agenten schaffen die in der 3-dimensionalen Welt von Quake III bestehen können

Hierzu müssen diese Agenten ein gewisses Maß an Intelligenz besitzen, die von uns künstlich geschaffen werden muss

Es ist daher sinnvoll einmal die zu dieser Aufgabe passenden Forschungsgebiete KI und KL geben vorzustellen

Projektgruppe KIMAS – KI KL 4/25

UNIVERSITY OF

PADERBORN

Künstliche Intelligenz

Projektgruppe KIMAS – KI KL 5/25

UNIVERSITY OF

PADERBORN

Künstliche Intelligenz und ihre 4 Ansätze

Projektgruppe KIMAS – KI KL 6/25

UNIVERSITY OF

PADERBORN

Künstliche Intelligenz - Suche

Projektgruppe KIMAS – KI KL 7/25

UNIVERSITY OF

PADERBORN

Einleitung

Das Lösen von Problemen lässt sich im Allgemeinen als Suche nach der richtigen Lösung auffassen

Ein Grund sich näher mit verschiedenen Suchmethoden zu befassen

Im Folgenden werde ich an einem Beispiel die Vorteile eines intelligenten Suchverfahren demonstrieren

Projektgruppe KIMAS – KI KL 8/25

UNIVERSITY OF

PADERBORN

Suchbeispiel

Sei folgendes Problem gegeben: In einem Streckennetz (z.B. Schiene oder Strasse) soll die kürzeste Verbindung zwischen zwei gegebenen Orten gefunden werden

Projektgruppe KIMAS – KI KL 9/25

UNIVERSITY OF

PADERBORN

Dijkstra

Eine Möglichkeit ist der Kürzeste Wege Algorithmus von Dijkstra, einer auf gewichtete Graphen angepassten Breitensuche

Das Streckennetz wird einfach als gewichteter Graph interpretiert, und der Algorithmus wird vom Ausgangsort aus gestartet und es wird solange gesucht, bis das Ziel gefunden wurde

Projektgruppe KIMAS – KI KL 10/25

UNIVERSITY OF

PADERBORN

Dijkstra

Genau wie Breitensuche beginnt der Algorithmus also am Startpunkt und sucht in alle Richtungen gleichzeitig, bis er das Ziel gefunden hat

Projektgruppe KIMAS – KI KL 11/25

UNIVERSITY OF

PADERBORN

Bewertung

Dijkstra findet auf jeden Fall den kürzesten Weg

Dadurch das jedoch auch in eher abwegige Richtungen gesucht wird, wird Rechenzeit verschwendet

Anders sind hier Verfahren die Informationen über die Problemdomäne verwenden, um ihre Suche auf vielversprechende Bereiche zu fokussieren sogenannte informierte Suchverfahren

Projektgruppe KIMAS – KI KL 12/25

UNIVERSITY OF

PADERBORN

Informierte Suchverfahren (Best First Search)

Wie kann man dieses ‚vielversprechend‘ in eine algorithmisch verwendbare Form bringen?

Man kann zum Beispiel die Länge eines Weges, der über eine bestimmte Zwischenstation führt, schätzen in dem man den Luftlinienabstand verwendet

Und im Folgenden zunächst in Richtungen suchen die einen kleineren Schätzwert aufweisen

Projektgruppe KIMAS – KI KL 13/25

UNIVERSITY OF

PADERBORN

Informierte Suchverfahren (Best First Search)

Sucht man immer in Richtung der vielversprechendsten Zwischenstation, so ist es teilweise möglich viel Suchzeit zu sparen

Projektgruppe KIMAS – KI KL 14/25

UNIVERSITY OF

PADERBORN

Anwendungsbeispiel:Suche in Brettspielen

Ein Anwendungsgebiet von Suche ist es die Spielbaumsuche in Brettspielen

Folgende Leistungsklassen werden hierbei von Programmen für bestimmte Spiele erreicht:• Schach (8x8 Felder, 12 Spielsteintypen) –

Großmeister• Go (19x19 Felder, 2 Spielsteintypen) – Amateur• Reversi (8x8 Felder, 1 Spielsteintyp) –

Übermenschlich Ergebnis - je größer der Suchraum, desto

schlechter ist der Rechner relativ zum Menschen

Projektgruppe KIMAS – KI KL 15/25

UNIVERSITY OF

PADERBORN

Künstliche Intelligenz – Logisches Schließen

Projektgruppe KIMAS – KI KL 16/25

UNIVERSITY OF

PADERBORN

Logisches Schließen

Im Folgenden möchte ich anhand des Wumpusspiels zeigen wie logisches Schließen benutzet werden kann um sinnvolles Verhalten zu erzeugen

Projektgruppe KIMAS – KI KL 17/25

UNIVERSITY OF

PADERBORN

Das Wumpusspiel

Projektgruppe KIMAS – KI KL 18/25

UNIVERSITY OF

PADERBORN

Ausgangswissen des Agenten

Projektgruppe KIMAS – KI KL 19/25

UNIVERSITY OF

PADERBORN

Erste Erkenntnisse

Projektgruppe KIMAS – KI KL 20/25

UNIVERSITY OF

PADERBORN

Weitere Erkenntnisse

Projektgruppe KIMAS – KI KL 21/25

UNIVERSITY OF

PADERBORN

Logischer Schluss

Projektgruppe KIMAS – KI KL 22/25

UNIVERSITY OF

PADERBORN

Künstliches Leben

Projektgruppe KIMAS – KI KL 23/25

UNIVERSITY OF

PADERBORN

Einleitung

Zunächst – Was ist überhaupt Leben? Gängige Definitionen beinhalten Eigenschaften

wie z.B:• Vermehrungsfähigkeit• Stoffwechsel• ...

Dies ist jedoch selbst bei einfachen Dingen nicht ausreichend (Feuer, Maultiere,...)

Zusammengefasst: Es existiert (noch) keine endgültige Definition des Begriffs Leben

Projektgruppe KIMAS – KI KL 24/25

UNIVERSITY OF

PADERBORN

Warum Künstliches Leben?

Die meisten KL-Forscher versuchen aber auch gar nicht etwas zu erschaffen was ‚lebt‘

Viel mehr versuchen sie die vorteilhaften Eigenschaften die Leben zeigt in künstliche Systeme einzubauen, als da wären:• Selbstreproduktion• Selbstorganisation• Lösungsfindung durch Evolution• ...

Projektgruppe KIMAS – KI KL 25/25

UNIVERSITY OF

PADERBORN

Künstliches Leben –Zellularautomaten

Projektgruppe KIMAS – KI KL 26/25

UNIVERSITY OF

PADERBORN

von Neumanns Idee

Der erste der einen umsetzbaren Entwurf für ein selbstreproduzierendes System lieferte war der Mathematiker John v.Neumann (`04-`57)

Sein erster Entwurf sah einen Automaten vor, der in einem See von Bauteilen schwimmt

Dieser Automat sollte bestehen aus: Sensoren die Bauteile zu erkennen Elementen die Bauteile zu manipulieren• Einer steuernden Recheneinheit• Informationen über seinen eigenen Aufbau

Dieses sogenannte ‚Kinematische Modell‘ war natürlich noch nicht umsetzbar

Projektgruppe KIMAS – KI KL 27/25

UNIVERSITY OF

PADERBORN

Zellularautomaten

Erst als ihm ein Kollege die Verwendung eines Zellularautomaten als Grundlage vorschlug gelang eine umsetzbarer Entwurf

Zellularautomaten bestehen aus einem n-dimensionalen Gitter von endlichen Automaten

Das gesamte Gitter ist mit Zeitschritten getaktet

Zu jedem Zeitschritt bestimmt jeder der Automaten (Zelle) seinen neuen Zustand anhand der vorherigen Zustände von sich selbst und seinen Nachbarn

Projektgruppe KIMAS – KI KL 28/25

UNIVERSITY OF

PADERBORN

Selbstreproduzierende Strukturen in Zellularautomaten

Auf dieser Grundlage gelang nun ein solcher Entwurf. Es waren 200.000 Zellen und 29 verschiedene Zustände hierfür nötig

Diese gewaltigen Zahlen wurden u.a. benötigt weil der Automat turingmächtig sein sollte

Verzichtet man auf die Turingmächtigkeit so sind auch kleinere Entwürfe ausreichend

1986 benötigte Langton 9 Zustände und 179 Regeln für seine berühmten Langtonschleifen

Projektgruppe KIMAS – KI KL 29/25

UNIVERSITY OF

PADERBORN

Langtons Schleifen

Projektgruppe KIMAS – KI KL 30/25

UNIVERSITY OF

PADERBORN

Wolframs Zellularautomatenklassen

Wie muss ein Zellularautomat beschaffen sein, damit sich komplexe Strukturen in ihm entwickeln können?

Hinweise hierzu lieferte Wolfram. Dieser untersuchte 1983 eine große Zahl Zellularautomaten und fand hierbei 4 Klassen: I - Entwickeln einen homogenen Endzustand II - Einfaches zyklisches Verhalten III - Chaotisches strukturloses Verhalten IV - Entwickeln komplexe haltbare Strukturen

Projektgruppe KIMAS – KI KL 31/25

UNIVERSITY OF

PADERBORN

Langton und Lambda

Es gibt also 4 Klassen - doch wodurch wird bestimmt zu welcher Klasse ein Automat gehört?

Von Langton stammt eine Maßeinheit, mit welcher man dies bestimmen kann, der sogenannten Lambdaparameter

Um jedoch den Lambdaparameter verstehen zu können muss zunächst ein weiterer Begriff erklärt werden, der des ‚Bewegungslosen Zustands‘

Projektgruppe KIMAS – KI KL 32/25

UNIVERSITY OF

PADERBORN

Konstruiert man eine Struktur für einen Zellularautomaten, so benötigt man zumeist einen Zustand der den Teil der Welt beschreibt, welcher nicht zu der Struktur gehört:

Der Bewegungslose Zustand

Projektgruppe KIMAS – KI KL 33/25

UNIVERSITY OF

PADERBORN

Bewegungsloser Zustand: Definition

Wenn man in einem vorgegebenen Zellularautomaten den bewegungslosen Zustand identifizieren will, so hilft diese Definition:

Ein Zustand wird als Bewegungsloser Zustand bezeichnet, wenn aus ihm heraus alle gleichförmigen Nachbarschaften (Sprich alle Zellen im gleichen Zustand) auf ihn selbst zurückabgebildet werden

Projektgruppe KIMAS – KI KL 34/25

UNIVERSITY OF

PADERBORN

Lambdaparameter

Der Lambdaparameter eines Automaten ist nun einfach die Wahrscheinlichkeit mit welcher seine Regeln nicht in den Bewegungslosen Zustand abbilden

Dieses Lambda lässt sich nun verwenden um Wolframs Klassen zu identifizieren

Projektgruppe KIMAS – KI KL 35/25

UNIVERSITY OF

PADERBORN

Künstliches Leben – Maschinennahe Welten

Projektgruppe KIMAS – KI KL 36/25

UNIVERSITY OF

PADERBORN

Core Wars

Doch nicht nur Zellularautomaten können als Grundlage für künstliches Leben dienen

`90 verwendete Rasmussen das Programmierspiel Core Wars als Grundlage für einen Versuch

Core Wars findet in einem simulierten ring-förmigen Arbeitspeicher statt.

In diesem versuchen von den Spielern geschriebene Assemblerprogramme versuchen einander zu vernichten

Projektgruppe KIMAS – KI KL 37/25

UNIVERSITY OF

PADERBORN

VENUS

Rasmussen nun startete ein Core Wars Spiel Doch statt den Speicher mit konstruierten

Programmen zu füllen füllte er ihn mit Zufallsgenerierten Bytesequenzen

Darüber hinaus führte er eine Funktion ein die in zu zufälligen Zeitpunkten Speicherstellen zufällig änderte – als Simulation von Mutation

Rasmussen hoffte, das sich sich in dieser von ihm VENUS genannten Welt komplexe selbstvermehrende Programme entwickeln würden

Projektgruppe KIMAS – KI KL 38/25

UNIVERSITY OF

PADERBORN

VENUS - Ergebnisse

In VENUS entwickeln sich jedoch keinerlei komplexe Programme

Es stellte sich lediglich heraus das eine gewisse Befehlskombination recht erfolgreich den Speicher sättigte

VENUS war jedoch kein kompletter Fehlschlag, denn es inspirierte Ray zu seinem Tierra-System:

Projektgruppe KIMAS – KI KL 39/25

UNIVERSITY OF

PADERBORN

Tierra

Der Wissenschaftler Thomas Ray erkannte einen Nachteil von VENUS darin das der zugrundeliegende Maschinecode zu anfällig war

Ray entwickelte daher einen flexibleren Code der unanfälliger gegenüber zufälligen Veränderungen war

Dann schuf er ein Urahnenprogramm setzte es in den simulierten Speicher und ließ die Simulation laufen:

Projektgruppe KIMAS – KI KL 40/25

UNIVERSITY OF

PADERBORN

Künstliche Evolution in Tierra

Zunächst vermehrte der Urahn sich und seine Nachkommen bevölkerten den Speicher

Nach einiger Zeit jedoch traten Parasitenprogramme auf die die Urahnen ausnutzten um sich selbst zu vermehren

Daraufhin...es würde an dieser Stelle zu weit führen alle Entwicklungen in Tierra aufzuzählen es sei jedoch gesagt das ein interessantes evolutionäres Wettrüsten einsetzte

Projektgruppe KIMAS – KI KL 41/25

UNIVERSITY OF

PADERBORN

Literatur

Projektgruppe KIMAS – KI KL 42/25

UNIVERSITY OF

PADERBORN

Literatur

Adami, Christoph, Introduction to Artificial Life, 1998 Springer-Verlag New York, Inc.

Levy, Steven, KL – Künstliches Leben aus dem Computer, 1993 Droemer-Knaur

Russell, Stuart und Norvig, Peter, Artificial Intelligence – A Modern Approach, 2003 Pearson Education, Inc.

Unbekannter Autor, Theory of Cellular Automata, http://www.theory.org/complexity/cdpt/html/node4.html