Physiker der Universität Innsbruck erforschen das Schwarmverhalten von Lebewesen mit den Mitteln der künstlichen Intelligenz. Zuvor wurde dies mit Algorithmen gemacht, die von Vorannahmen geleitet waren.
Künstliche Intelligenz ermöglicht eine unvoreingenommene Perspektive auf das Schwarmverhalten von Lebewesen. Als lernende Agenten modelliert, zeigen diese nicht einfach eine vorprogrammierte Reaktion auf ein Ereignis. Vielmehr passen diese ihr Verhalten mit den Erfahrungen des Erlebten im Zeitverlauf individuell an. „Stellt sich eine Entscheidung im Nachhinein als richtig heraus, wird der Agent belohnt und ist beim nächsten Mal geneigt, in der gleichen Situation diese Entscheidung noch einmal zu treffen“, erläutert Projektmitarbeiterin Katja Ried den Ansatz aus dem maschinellen Lernen. Sie forscht gemeinsam mit dem Quantenphysiker Hans Briegel vom Institut Institut für Theoretische Physik der Universität Innsbruck und Thomas Müller vom Fachbereich Philosophie an der Universität Konstanz.
Projektive Simulation
Das zur Anwendung kommende Lernmodell der projektiven Simulation hat Briegel schon in vorangegangenen Forschungsprojekten entwickelt und in verschiedenen Bereichen erprobt – etwa bei der Suche nach optimierten Experimenten im Quantenlabor und dem Entwurf kreativer Maschinen. In der vorliegenden Studie wurde die Methode auf Wanderheuschrecken angewendet. Ein einziger Schwarm kann aus über einer Milliarde von Tieren bestehen und in den betroffenen Ländern hohen wirtschaftlichen und humanitären Schaden anrichten.
Wanderheuschrecken schwärmen aus, um immer wieder neues Futter zu finden. Diese kollektiven Bewegungen wurden in den Algorithmen simuliert. Die Empirie liefern experimentelle Studien mit Heuschrecken.
Lernfähigkeit von Heuschrecken
Inwieweit Heuschrecken ihr Verhalten im Schwarm erlernen oder anpassen können ist noch unklar. Von anderen Schwarmtieren, wie etwa Honigbienen, ist hingegen eine ausgeprägte Lernfähigkeit dokumentiert. Diese wurden im Labor erfolgreich darauf trainiert, zu verschiedenen Tageszeiten Blumen verschiedener Farben anzusteuern. Modelliert man diese Verhaltensanpassung mit Hilfe der lernenden Agenten, kann die Informationsverarbeitung von Bienen nachvollzogen werden.
Das Modell lässt sich auch auf Roboter umlegen. Wenn ein Roboterschwarm mit einem bestimmten Ziel losgeschickt wird, kann dessen Verhalten im Modell simuliert und trainiert werden.
„Modelle von lernenden Agenten könnten unser Verständnis für die Ursprünge von kollektiven Bewegungen weitreichend verbessern“, sagt Briegel.
Interdisziplinärer Ansatz
Im aktuellen Forschungsprojekt soll das neue Modell nun mit Erkenntnissen aus Biologie und Ökologie kombiniert werden, um kollektive Bewegung in komplexeren Umgebungen zu untersuchen. Gemeinsam sollen grundlegende Fragen nach dem individuellen Verhalten von Heuschrecken und dessen Ursachen im Labor erforscht werden. So kann zum Beispiel erklärt werden, wie sich eine Heuschrecke verhält, wenn sie von einer anderen Heuschrecke an der Seite berührt wird oder sich andere Heuschrecken in ihrem Umfeld auf eine bestimmte Weise bewegen, erklärt Ried. Diese Erkenntnisse führen zur Verfeinerung des theoretischen Modells.
Die Methode zur Modellierung kollektiver Bewegungen wurde im Fachjournal PloS one veröffentlicht: Modelling collective motion based on the principle of agency: General framework and the case of marching locusts
Auch interessant:
Related Posts:
