52.1 Repräsentation eines Teilnehmers

Werden wir et­was kon­kre­ter, wie wir Teilnehmer des Systems de­fi­nie­ren wol­len. Dazu müs­sen wir uns ei­nen Teilnehmer et­was abs­trak­ter als »Logisches Gatter1« vor­stel­len. Ein Logikgatter (Gate) vgl. Teilnehmer hat in un­se­rem Fall (N) Eingänge und (M) Ausgänge, wel­ches die an­lie­gen­den »Eingangssignale« zu »Ausgangssignalen« au­to­nom ver­ar­bei­ten kann. Dabei wer­den die Eingangssignale durch Implementierung von KI spe­zi­fi­zier­ten Technologien (künst­li­che Neuronale Netze, evo­lu­tio­nä­re Algorithmen, ge­ne­ti­schem Code, Fuzzy Logic, heu­ris­ti­schen Implementierungen, etc.), als auch durch de­ter­mi­nis­ti­sche Brücken (hy­bri­de Systeme) und lo­gi­scher Operatoren, zu ei­nem oder meh­re­ren lo­gi­schen Ergebnissen, an den Ausgängen des Gatters um­ge­wan­delt und durch die Ausgabesignale ab­ge­bil­det. Ich schrieb be­reits ein­lei­tend am Beispiel von »Hunger« in der (Synopsis) der Kernkompetenzen. Da wir nun Teile der Ausgänge, al­so das Ergebnis des Gatters zu­gleich wie­der als Eingangssignalerneut be­wer­ten, ite­riert die Maßgabe des der zu­grun­de lie­gen­den Einflussfaktoren, ei­ner »stän­di­gen Optimierung« un­der in Fragestellung sei­nes zu­vor er­zeug­ten Ergebnisses. Das Kombinieren und die Betrachtung, ein Ergebnis auf Basis ei­ner in »Evolutionsstufe0« er­ziel­tem Ergebnis, die­ses neu in »Evolutionsstufe1, 2, 3. .« zu be­wer­ten, kann bei Zuführung wei­te­rer Daten (Erfahrungen des Teilnehmers) an den Eingängen, zu ad­ap­tier­ten Veränderungen im Verhaltendes Individuums führen.

Hier grei­fen dann zum Beispiel Aufgabenstellungen der KI zu Optimierungsproblemen, durch­be­kann­te »heu­ris­ti­sche Suchverfahren« aus dem Kontext der KI mit­tels »evo­lu­tio­nä­rer Algorithmen«. Über die dy­na­mi­sche Wahl von Einflussgrößen und dem au­to­ma­ti­schem hin­zu­fü­gen neu­er Eingänge am Gatter (Sensoren), kön­nen die kom­ple­xes­ten Verhaltensmuster ab­ge­bil­det und si­mu­liert wer­den. Dabei hel­fen uns so ge­nann­te »Approximationsmethoden«, wel­che aus ei­ner Menge von Daten, ei­ne »all­ge­mei­ne Regel« ab­lei­ten kön­nen (ma­schi­nel­les Lernen). Wenn der Spieler nun noch sei­ne ei­ge­nen Einflussgrößen dem Gatter zu schrei­ben kann, las­sen sich die viel­fäl­tigs­ten Szenerien si­mu­lie­ren. Zudem kann ein sol­ches Gatter durch wie­der­hol­te Replikation, die Gesetzmäßigkeiten for­ma­li­sie­ren und an­ge­passt auf Grund sei­nes er­lern­ten Erfahrungsschatzes re­agie­ren. So wird es in Antarien nicht­ver­wun­dern, dass der sel­be Wolf sich wo­mög­lich nur ein­mal­mit ei­ner simp­len Strategie ja­gen las­sen wird, falls er ent­kom­men konn­te. Da al­le Gatter (Teilnehmer der­sel­ben Art)durch »Rückkopplung« und »Feedbackschleifen« na­tür­lich mit­ein­an­der kom­mu­ni­zie­ren, wird es be­rück­sich­ti­gend zur Lokalität zu­neh­mend schwe­rer, ei­ner Spezies nach­zu­stel­len. So kann es bei »pro­to­be­wuss­ten Teilnehmern« schnell da­zu füh­ren, das der Jäger zum Gejagtem wird. Mit weitaus­mehr Dynamik ist bei »re­pli­ca­be­wuss­ten Teilnehmern« zu­rech­nen, da die­se von Hause aus auf Basis ei­nes kol­lek­ti­ven Bewusstseins agie­ren und syn­chro­ni­siert über ei­ne ver­net­ze Matrix von Gattern verfügen.