Skip to main content
SpringerLink
Log in

Von der natürlichen über die künstliche zur Superintelligenz?

  • Chapter
  • First Online:
Künstliche Intelligenz – Wann übernehmen die Maschinen?

Part of the book series: Technik im Fokus ((TECHNIK))

  • 16k Accesses

Zusammenfassung

Die klassische KI‐Forschung orientiert sich an den Leistungsmöglichkeiten eines programmgesteuerten Computers, der nach der Churchschen These im Prinzip mit einer Turingmaschine äquivalent ist. Nach dem Mooreschen Gesetz wurden damit bis heute gigantische Rechen‐ und Speicherkapazitäten erreicht, die erst die KI‐Leistungen z. B. des Supercomputers WATSON ermöglichten (vgl. Abschn. 5.2). Aber die Leistungen von Supercomputern haben einen Preis, dem die Energie einer Kleinstadt entsprechen kann. Umso beeindruckender sind menschliche Gehirne, die Leistungen von WATSON (z. B. eine natürliche Sprache sprechen und verstehen) mit dem Energieverbrauch einer Glühlampe realisieren. Spätestens dann ist man von der Effizienz neuromorpher Systeme beeindruckt, die in der Evolution entstanden sind. Gibt es ein gemeinsames Prinzip, das diesen evolutionären Systemen zugrunde liegt und das wir uns in der KI zu nutzen machen können?

Biomoleküle, Zellen, Organe, Organismen und Populationen sind hochkomplexe dynamische Systeme, in denen viele Elemente wechselwirken. Komplexitätsforschung beschäftigt sich fachübergreifend in Physik, Chemie, Biologie und Ökologie mit der Frage, wie durch die Wechselwirkungen vieler Elemente eines komplexen dynamischen Systems (z. B. Atome in Materialien, Biomoleküle in Zellen, Zellen in Organismen, Organismen in Populationen) Ordnungen und Strukturen entstehen können, aber auch Chaos und Zerfall. ...

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Log in via an institution
eBook
USD 9.99
Price excludes VAT (USA)
  • Available as EPUB and PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Literatur

  1. Mainzer K (2005) Symmetry and Complexity. The Spirit and Beauty of Nonlinear Science. World Scientific, Singapore

    Google Scholar 

  2. Mainzer K (2005) Thinking in Complexity. The Computational Dynamics of Matter, Mind, and Mankind, 5. Aufl. Springer, Berlin

    Google Scholar 

  3. Mainzer K, Chua L (2013) Local Activity Principle. Imperial College Press, London

    Book  Google Scholar 

  4. Banerjee R, Chakrabarti BK (2008) Models of Brain and Mind. Physical, Computational, and Psychological Approaches. Progress in Brain Research. Elsevier Science, Amsterdam

    Google Scholar 

  5. Chua L (1971) Memristor: the missing circuit element. IEEE Transaction on circuit Theor 18(5):507–519

    Article  Google Scholar 

  6. Chua L (2014) If it’s pinched it’s a memristor. Semiconductor Science and Technology 29(10):104001–104002

    Article  Google Scholar 

  7. Sah MP, Kim H, Chua LO (2014) Brains are made of memristors. IEEE Circuits and Systems Magazine 14(1):12–36

    Article  Google Scholar 

  8. Williams RS (2008) How we found the missing memristor. IEEE spectrum 45(12):28–35

    Article  Google Scholar 

  9. Tetzlaff R (Hrsg) (2014) Memristors and Memristive Systems. Springer, Berlin, S 14 (nach Fig. 1.5)

    Google Scholar 

  10. Siegelmann HT, Sontag ED (1995) On the computational power of neural nets. Journal of Computer and Systems Science 50:132–150

    Article  Google Scholar 

  11. Siegelmann HT, Sontag ED (1994) Analog computation via neural networks. Theoretical Computer Science 131:331–360

    Article  Google Scholar 

  12. Blum L, Shub M, Smale S (1989) On a theory of computation and complexity over the real numbers: NP-completeness, recursive functions and universal Machines. Bulletin of the American Mathematical Society 21(1):1–46

    Article  Google Scholar 

  13. Turing AM (1939) Systems of logic based on ordinals. Proc London Math Soc 2:161–228

    Article  Google Scholar 

  14. Feferman S (2006) Turing’s Thesis. Notices of the American Mathematical Society 53(10):1200–1206

    Google Scholar 

  15. K. Mainzer, Mathematischer Konstruktivismus, Diss. 1973

    Google Scholar 

  16. Bennett CH (1995) Logical Depth and Physical Complexity. In: Herken R (Hrsg) The Universal Turing Machine. A Half-Century Survey. Springer, Wien, S 227–235

    Google Scholar 

  17. Brooks RA (2005) Menschmaschinen. Campus Sachbuch, Frankfurt

    Google Scholar 

  18. Wagman M (1996) Human Intellect and Cognitive Science. Towards a General Unified Theory of Intelligence. Westport Conn.

    Google Scholar 

  19. Wagman M (1995) The Science of Cognition. Theory and Research in Psychology and Artificial Intelligence. Wetstport Conn

    Google Scholar 

  20. Bostrom N (2014) Superintelligenz. Szenarien einer kommenden Revolution. Suhrkamp, Berlin

    Google Scholar 

  21. Shanahan M (2010) Embodiment and the Inner Life. Cognition and Consciousness in the Space of Possible Minds. Oxford University Press, New York

    Book  Google Scholar 

  22. Good IJ (1965) Speculations concerning the first ultraintelligent machine. In: Alt FL, Robinoff M (Hrsg) Advances in Computers. Academic Press, New York, S 31–88

    Google Scholar 

  23. Vinge V (1993) The coming technological singularity: How to survive in the post-human era. Vision-21: Interdisciplinary Science and Engineering in the Era of Cyberspace NASA Conference Publication 10(129):11–22 (NASA Lewis Research Center)

    Google Scholar 

  24. Kurzweil R (2005) The Singularity is Near. When Humans transcend Biology. Viking, New York

    Google Scholar 

  25. Eibisch N (2011) Eine Maschine baut eine Maschine baut eine Maschine…. Kultur und Technik 1:48–51

    Google Scholar 

  26. Slovskij IS, Sagan C (1966) Intelligent Life in the Universe, Holden-Day. San Francisco

    Google Scholar 

  27. Kardashev NS (1964) Transmission of information by extraterrestrial civilizations. Soviet Astronomy 8(2):217–221

    Google Scholar 

  28. acatech (2012) Technikzukünfte. Vorausdenken – Erstellen – Bewerten. Springer, Berlin

    Google Scholar 

  29. Wilms F (2005) Szenariotechnik. Vom Umgang mit der Zukunft. Haupt, Bern, Stuttgart, Wien

    Google Scholar 

  30. Häder M (Hrsg) (2002) Delphi-Befragungen. Ein Arbeitsbuch. Springer VS, Wiesbaden

    Google Scholar 

  31. Geisberger E, Broy M (Hrsg) (2012) AgendaCPS. Acatech Studie. Springer, Berlin

    Google Scholar 

  32. Mainzer K (2012) Von der interdisziplinären zur integrativen Forschung. Gegenworte Berlin-Brandenburgische Akademie der Wissenschaften 28:26–30

    Google Scholar 

Download references

Author information

Authors and Affiliations

  1. Lehrstuhl für Philosophie und Wissenschaftstheorie, TU München, München, Deutschland

    Klaus Mainzer

Authors
  1. Klaus Mainzer
    View author publications

    You can also search for this author in PubMed Google Scholar

Corresponding author

Correspondence to Klaus Mainzer .

Rights and permissions

Reprints and permissions

Copyright information

© 2016 Springer-Verlag Berlin Heidelberg

About this chapter

Cite this chapter

Mainzer, K. (2016). Von der natürlichen über die künstliche zur Superintelligenz?. In: Künstliche Intelligenz – Wann übernehmen die Maschinen?. Technik im Fokus. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-48453-1_10

Download citation

Publish with us

Policies and ethics

Search

Navigation