Neuroinformatics Group

Universität BielefeldTechnische FakultätNI

Künstliches Leben und Evolutionäre Robotik

Lecturer: Inden, Benjamin
Typ: 
Vorlesung
Zeit: 
Fr 10-12 R2-155
12801682
Öffnung Geöffnet für Hörer anderer/aller Fakultäten Inhalt Künstliches Leben als Forschungsdisziplin befasst sich mit menschengemachten Systemen, die Eigenschaften von Lebewesen aufweisen. Die traditionell analytische Vorgehensweise der Biologie wird ergänzt durch den Versuch der Synthese von Lebewesen (hauptsächlich in Computersimulationen). So untersucht man, was Leben im allgemeinen auszeichnet und welche andere Formen von Leben außer den uns bekannten möglich wären. Die Evolutionäre Robotik als Teilgebiet des künstlichen Lebens versucht, Robotern ein gewünschtes Verhalten beizubringen, indem man sie praktisch wie Nutztiere züchtet. Folgende Themen werden in der Vorlesung u.a. angesprochen: Künstliches Leben: Forschungsziele und -methoden, Kritik Techniken und Theorie der Evolutionären Algorithmen Künstliche Chemie, Zelluläre Automaten und Simulationen zur Entstehung von Leben Evolution von Neuronalen Netzen Evolutionäre Robotik: Navigation, Koevolution, Zusammenspiel von Lernen und Evolution Digitale Genetik Künstliche Embryogenese Evolution von Kommunikation und Kooperation, Künstliche Ökosysteme Künstliches Leben in nicht digitalen Medien Lernziele und Kompetenzen Teilnehmern mit unterschiedlichem Hintergrund wird ein Einblick in dieses weite Forschungsgebiet gegeben. Mit dem vermittelten Wissen ist es möglich, (typischerweise innerhalb interdisziplinärer Teams) an Fragestellungen der Theoretischen Biologie und der Neurowissenschaften zu arbeiten, bioinspirierte Methoden des maschinellen Lernens auf praktische Fragestellungen anzuwenden und die bestehenden Methoden zu erweitern, sowie bekannte Probleme der Robotik auf unkonventionelle Weise anzugehen. Der Stoff der Vorlesung bietet auch Ansatzpunkte für die künstlerische und philosophische Beschäftigung mit dem (künstlichen) Leben. Teilnahmevoraussetzungen, notwendige Vorkenntnisse Grundkenntnisse in neuronalen Netzen; Kenntnisse in Biologie hilfreich