0

1

2

3

4

5

6

7

8

9

0

Sem.

WS

SS

WS

SS

WS

SS

WS

SS

WS

SS

WS

SS

WS

SS

WS

SS

WS

SS

WS

SS

200x

201x

Die Lehrveranstaltung behandelt die vielversprechendsten Ideen fuer das Design von autonom lernenden und sich entwickelnden Systemen und führt Studenten in Software ein, welche es ermöglicht das Leistungsvermögen und die Grenzen dieser Ideen zu evaluieren und bessere Ideen zu entwickeln. Während sogenannte Genetische oder Evolutionäre Algorithmen die Forschung über Methoden für sich-entwickelnde, gut-funktionierende künstliche Organismen in den letzten Jahrzehnten dominiert haben (mit eingeschränktem Erfolg), hat man jetzt festgestellt, dass die Natur eigentlich andere Prinzipien für Entwicklung, Verbesserung und Erhaltung von biologischen Organismen verwendet, als jene, welche bisher in Algorithmen implementiert wurden: Da es keinen master-agent gibt, welcher die Entwicklung der biologischen Organismen überwacht, hat die Natur verteilte Methoden zur Entwicklung von funktionierenden Mehrzellenorganismen erfunden. Diese basieren auf gene regulation networks innerhalb jeder Zelle, welche komplexen Regeln folgen (kodiert in der DNA), die festlegen wie die Zelle auf externe Signale (von anderen Zellen oder der Umgebung) reagieren soll, und wann Zellkomponenten gebaut oder erneuert werden. Wir werden in dieser Lehrveranstaltung einfache mathematische Modelle diskutieren, welche die wesentlichen Aspekte dieser Designprinzipien erfassen und neue Methoden für das Design von robusten, selbst reparierenden und autonom lernenden künstlichen Organismen zur Verfügung stellen. Zusätzlich werden die Hauptaspekte von Reinforcement Learning präsentiert, welches die primäre Lernmethode von autonom lernenden biologischen Organismen ist.