Skip to main content

Algorithmen simulieren die Evolution

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

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

  • 15k Accesses

Zusammenfassung

Informationsverarbeitung mit Computern und Menschen wird mit künstlichen oder natürlichen Sprachen wiedergegeben. Sie sind nur Spezialfälle von symbolischen Repräsentationssystemen, die sich ebenso für genetische Informationssysteme angeben lassen. Genetische Sprachen repräsentieren mit ihren grammatikalischen Regeln molekulare Verfahren, um molekulare Sequenzen mit genetischen Bedeutungen zu erzeugen. Entscheidend für das Verständnis dieser molekularen Sprachen sind wiederum nicht wir Menschen, sondern die molekularen Systeme, die sich ihrer bedienen. Wir Menschen mit unserer Art der Informationsverarbeitung sind erst am Anfang, diese Sprachen mit ihren Regeln zu entziffern und zu verstehen. Die formalen Sprach‐ und Grammatiktheorien liefern dazu zusammen mit der algorithmischen Komplexitätstheorie erste Ansätze.

Für genetische Informationen werden die Nukleinsäure‐Sprache mit dem Alphabet der vier Nukleotide und die Aminosäure‐Sprache mit dem Alphabet der zwanzig Aminosäuren verwendet. Bei der Nukleinsäure‐Sprache lässt sich eine Hierarchie verschiedener Sprachschichten unterscheiden, die von der untersten Ebene der Nukleotide mit den Grundsymbolen A, C, G, T bzw. U bis zur höchsten Ebene der Gene reicht, in denen die vollständige Erbinformation einer Zelle festgehalten ist. Jede zwischengeschaltete Sprachebene setzt sich aus Einheiten der vorherigen Sprachebene zusammen und gibt Anweisungen für verschiedene Funktionen wie z. B. Transkription oder Replikation von Sequenzen. ...

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

Access this chapter

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. Lindenmayer R, Rozenberg G (Hrsg) (1976) Automata, Languages, Development. North-Holland, Amsterdam

    Google Scholar 

  2. Lenneberg EH (Hrsg) (1972) Biologische Grundlagen der Sprache. Suhrkamp, Frankfurt

    Google Scholar 

  3. Sagan C (1978) Die Drachen von Eden. Das Wunder der menschlichen Intelligenz. Droemersche Verlagsanstalt Th. Knaur Nachf., München

    Google Scholar 

  4. von Neumann J (1966) Theory of Self-Reproducing Automata. University of Illinois Press, Urbana, London

    Google Scholar 

  5. Zuse K (1969) Rechnender Raum. Vieweg+Teubner, Braunschweig

    Book  Google Scholar 

  6. Berlekamp E, Conway J, Guy R (1982) Winning Ways. A K Peters/CRC Press, New York (2 Bde)

    Google Scholar 

  7. Langton CG (Hrsg) (1989) Artificial Life. Westview Press, Rewood City

    Google Scholar 

  8. Langton CG (Hrsg) (1991) Artificial Life II. Westview Press, Redwood City

    Google Scholar 

  9. Wolfram S (1986) Theory and Applications of Cellular Automata. World Scientific Pub Co Inc, Singapur

    Google Scholar 

  10. Wolfram S (2002) A New Kind of Science. Wolfram Media, Champaign/Ill

    Google Scholar 

  11. Mainzer K, Chua L (2011) The Universe as Automaton. From Simplicity and Symmetry to Complexity. Springer, Berlin

    Google Scholar 

  12. Holland J (1975) Adaption in Natural and Artificial Systems. A Bradford Book, Ann Arbor

    Google Scholar 

  13. Rechenberg I (1973) Evolutionsstrategie: Optimierung technischer Systeme nach Prinzipien der biologischen Evolution. Frommann-Holzboog, Stuttgart

    Google Scholar 

  14. Kraft DH, Petry FE, Buckles BP, Sadavisan T (1997) Genetic Algorithms for Query Optimization in Information Retrieval: Relevance Feedback. In: Sanchez E, Zadeh LA, Shibata T (Hrsg) Genetic Algorithms and Fuzzy Logic Systems. Soft Computing Perspectives. World Scientific Pub Co Inc, Singapur, S 155–173

    Chapter  Google Scholar 

  15. Goldberg DE (1989) Genetic Algorithms in Search, Optimization, and Machine Learning. Addison Wesley, Reading (Mass)

    Google Scholar 

  16. Koza JR (1994) Genetic Programming II: Atomatic Discovery of Reusable Programs. MIT Press, Cambridge

    Google Scholar 

  17. Fogel DB (1995) Evolutionary Computation: Towards a New Philosophy of Machine intelligence. A Bradford Book, Piscataway N.J.

    Google Scholar 

  18. Cho S-B (2000) Artificial Life Technology for Adaptive Information Processing. In: Kasabov N (Hrsg) Future Directions for Intelligent Systems and Information Sciences. The Future of Speech and Image Technologies, Brain Computers, WWW, and Bioinformatics. Physica, Heidelberg, S 13–33

    Google Scholar 

  19. Goonatilake S (1991) The Evolution of Information. Pinter Publishers, London

    Google Scholar 

  20. Haefner K (Hrsg). Evolution of Information Processing Systems. An Interdisciplinary Approach for a New Understanding of Nature and Society. Springer, Berlin

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

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). Algorithmen simulieren die Evolution. In: Künstliche Intelligenz – Wann übernehmen die Maschinen?. Technik im Fokus. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-48453-1_6

Download citation

Publish with us

Policies and ethics