Die Überlegungen vom 20.2.2011 ‚Jenseits des Wärmetods‘ stehen weiter im Raum. Auf mehreren Ebenen ist seitdem viel passiert. Ein ‚track‘ ist die andauernde Analyse, wie Wissen in künstlichen Systemen entstehen kann, das ’nützlich‘ ist. Ich untersuche dazu weiterhin beispielhaft und modellhaft sogenannte genetische Algorithmen (GA) und Lernende Classifier Systeme (LCS).

Genetische Algorithmen ‚leben davon‘, dass es eine sogenannte ‚Fitness Funktion‘ gibt, die die Aktionen eines genetischen Systems in einer Welt ‚kommentiert‘. Ohne diese Kommentare ist ein genetisches System ‚blind‘. Solange ein genetisches System ‚lebt‘ kann es interessante Informationen über die umgebende Welt ansammeln (was tatsächlich noch von vielen wichtigen Details abhängt).

Fitness Funktionen stellen aber letztlich selbst eine bestimmte Form von Wissen dar, in dem bestimmten Eigenschaften der umgebenden Welt Wertungen zugeordnet werden, anhand denen sich ein genetisches System ‚orientieren‘ kann.

Im Falle ‚technischer‘ genetischer Systeme sind es die Ingenieure, die ihr Wissen in Fitnessfunktionen ‚verpacken‘ und damit genetische Systeme ermöglichen.

Im Fall ’natürlicher‘ Systeme gibt es keine Ingenieure. Man muss sich fragen, wie hier eine Fitnessfunktion zustande kommt.

Die primäre Fitnessfunktion ist bei natürlichen Systemen das ‚Überleben‘ einer Population (= das genetische System), deren Mitglieder genügend ‚Nachkommen‘ erzeugen, die wiederum bestehen. Dies bedeutet, im Faktum des Überlebens einer Population (die einzelnen Mitglieder sterben, aber die Population überlebt!) manifestiert sich, dass die jeweiligen Mitglieder alle diejenigen ‚Aufgaben‘, die die Welt stellt, ‚hinreichend lösen‘ konnten.

Was so einfach klingt ‚eine Population überlebt‘ stellt bei näherer Betrachtung eine gedankliche Provokation ersten Ranges dar. Wenn man voraussetzt, dass es natürliche Systeme gibt, die ‚leben können‘, erscheint die Aussage ‚trivial‘. Das Problem beginnt aber vorher: wie konnte es dazu kommen, dass sich komplexe natürliche Systeme bilden konnten, ohne dass es ein Team von Ingenieuren gab, die den Molekülen gesagt haben, wie sie sich ‚anordnen‘ sollten (ganz abgesehen von der Frage, wie es zur Bildung jener Moleküle aus Atomen kommen konnte, die heute als grundlegend für die Bildung von natürlichen Systemen angesehen werden. Bislang gibt es dazu noch keine vollständige Antwort!).

Wie wir heute wissen, ist schon eine einzige Zelle von extremer Komplexität. Die Komplexität der aktiven Moleküle ist mathematisch nahezu nicht ausdrückbar. Sowohl zu ihrer Bildung wie auch zu ihrem ‚Erhalt‘ benötigt es beständig Energie. Zur ‚Vererbung‘ all dieser Komplexität werden Molekülstrukturen benutzt, die nicht nur ‚Inhalte‘ kodieren, sondern auch ‚Prozesse‘, wie diese ‚Inhalte unter ‚Verwendung‘ von Molekülen ‚erzeugt werden sollen/ können. Es ist mir nicht bekannt, dass die Wissenschaft heute auch nur ansatzweise eine Vorstellung davon hat, wie es zur Ausbildung dieses komplexen Informationsweitergabelmodells kommen konnte.

Bekanntlich bestehen die meisten Pflanzen und Tiere heute nicht aus einer solchen komplexen Zelle, sondern aus vielen hundert Millionen, vielen hundert Milliarden Zellen, die miteinander ‚kooperieren‘ und ‚kommunizieren‘, ohne dass irgendein Ingenieur dafür auch nur den kleinsten Finger bewegt hat bzw. bewegt.

Ferner besteht das Leben auf der Erde nicht aus nur einem solchen hyperkomplexen Organismus sondern aus vielen Milliarden von ganz unterschiedlichem Zuschnitt, deren Zusammenwirken die Biosphäre ausmacht.

Lernende Classifier Systeme sind einfache Modelle, wie man u.a. die Reaktion eines einzelnen Systems auf die Welt modellieren kann. WENN das System etwas Bestimmtes ‚wahrnimmt‘, DANN soll es in einer bestimmten Weise reagieren. Unter Zuhilfenahme einer Fitnessfunktion kann man auch dieses Wissen ‚dynamisch‘ gestalten und es sich ‚verändern‘ lassen entlang dem ‚Gradienten‘ zum ‚Besseren‘. Auch hier gilt –wie oben –, dass die Fitnessfunktion selbst eine Form von ‚Wissen‘ darstellt, das letztlich die Richtung der möglichen Entwicklung festlegt. Auch hier kann man wieder die Frage stellen, wo dieses Wissen herkommt.

Im Fall von natürlichen Systemen wissen wir, dass diese ab einem bestimmten Punkt der Komplexität ‚intern‘ Bewertungsmechanismen ausgebildet haben, die es ihnen erlauben, bis zu einem gewissen Grad auch schon in der Zeit ‚vor dem Tod‘ erlebbare Situationen zu ’sortieren‘ in solche, die ’nützlich‘ sind und solche, die es ’nicht‘ sind.

Es stellt sich die Frage, wie es möglich ist, dass natürliche Systeme ihre eigenen Strukturen in einer so markanten Weise ‚umbauen‘ können, dass die schon von Anfang an komplexe Strukturen ihre Strukturen ‚weiter ausdehnen’/ ‚erweitern‘, und zwar nicht ‚chaotisch‘, sondern so ‚geordnet‘, dass diese erweiterten Strukturen im Rahmen der gesamten Überlebensaufgabe eine ’sinnvolle Teilaufgabe‘ übernehmen können.

An dieser Stelle auf die bekannten genetischen Mechanismen zu verweisen, würde genau an der eigentlichen Problemstellung vorbei gehen. Abgesehen davon, dass die Entstehung der genetischen Mechanismen selbst mehr oder weniger unklar ist geht es ja um die ‚mittels der genetischen Mechanismen‘ transportierten Informationen über potentielle Prozesse von Wachstum und Selbstorganisation.

Wer jemals selbst versucht hat, künstliche formale Systeme so zu programmieren, dass diese sich in einem analogen Sinne ‚weiter entwickeln‘, und zwar ’sinnvoll‘, dem ist klar, dass die reale Vorgabe der natürlichen Systeme ‚ein Komplexitätsspiel spielt‘, für das uns bislang brauchbare Vorstellungen fehlen.

(Anmerkung: die aktuell bekanntgewordene Forschungsprojekte, in denen man für viel Geld Milliarden von künstlichen Neuronen zusammenschmelzen will und dann — wie von Zauberhand — auf die Entstehung sinnvoller Strukturen hofft, erscheinen mir grotesk und lächerlich. Dass es für diese Projekte keine wirklichen Begründungen gibt, ist verständlich, machen die Projekte dadurch aber nur noch grotesker. Voodoo besitzt mehr Rationalität als diese sogenannte Forschungen.).