Künstliches Leben (KL, oder auch englisch AL = artificial life) ist in der schwachen oder moderaten Ausprägung die Erforschung natürlicher Lebenssysteme, ihrer Prozesse und der Evolution durch computergestützte Simulation und in der radikalen oder starken Ausprägung die Erschaffung von künstlichem Leben durch synthetische Biologie.Lexikon der Biologie: künstliches Leben [Unterscheidung zweier Konzepte von künstlichem Leben]. Die Disziplin AL wurde 1986 vom amerikanischen Biologen Christopher Langton benannt.The MIT Encyclopedia of the Cognitive Sciences, The MIT Press, p.37. ISBN 978-0-262-73144-7 Es gibt drei Ansätze, soft, von Software; hard, von Hardware; und nass, von der Biochemie.
Artificial-life-Forschungsprogramm Teildisziplinen Die Forschung ist interdisziplinär und betrifft Biochemie, Philosophie, Physik, Computerwissenschaften, Mathematik, Ingenieurwissenschaften und andere. Drei Forschungsansätze greifen ineinander:Marc A. Bedau: Artificial life: organization, adaptation and complexity from the bottom up. TRENDS in Cognitive Sciences Vol. 7 No. 11, November 2003 PDF
Wet artificial life synthetisiert lebende Subsysteme niederer (Gene, Proteine) und höherer Ordnung (Gewebe, Organe, Organismen) biochemisch und entstand aus der synthetischen Biologie, der Gentechnik und Systembiologie.
Soft artificial life bildet Leben in Software-Simulationen ab und Hard artificial life als Roboter. Für hard und soft artificial life funktionieren natürliche Organismen wie Softwaresysteme und werden von IT-Ingenieuren programmiert.
Eine präzise Definition, was Leben aus Sicht von AL ist – natürlich (strong AL, Autopoiesis) oder künstlich (weak AL, Modellierung) – wird nicht als Bedingung gesehen.Wolfgang Banzhaf, Barry McMullin: Artificial LIfe in Grzegorz Rozenberg, Thomas Bäck, Joost N. Kok (Eds.): Handbook of Natural Computing. Springer 2012. ISBN 978-3-540-92909-3 (Print), ISBN 978-3-540-92910-9 (Online) Damit beschäftigen sich die Systembiologie und in der Philosophie die Phänomenologie ausgelagert. Auf natürlichem Weg und in der Simulation gewonnene Forschungsergebnisse werden in der AL als gleichwertig angesehen.
Geschichte Von Norbert Wiener (1948) stammt die Analyse selbstregulierender Prozesse. Seine Kybernetik hebt stärker auf Funktionen eines Systems ab als auf seine Bestandteile.Norbert Wiener: Cybernetics, Ort Control and Communication in the Animal and the Machine. Wiley. 1948 Der Mathematiker Alan Turing schrieb 1953 eine Pionierarbeit darüber, wie aus zellularer Inhomogenität eines Mediums morphogenetische Musterbildung entstehen kann (Turing-Mechanismus).Alan M. Turing (1952): The Chemical Basis of Morphogenesis. Philosophical Transactions of the Royal Society of London, series B, Band 237, Nr. 641, S. 37–72, doi:10.1098/rstb.1952.0012. Die Arbeit Turings wurde von Alfred Gierer und Hans Meinhardt für die biologische Musterbildung sowohl theoretisch als auch mit zahlreichen konkreten Beispielen erweitert.Alfred Gierer, Hans Meinhardt: A Theory of Biological Pattern Formation. Kybernetik 12, 1982, 30-39Meinhardt, H., 1982. Models of Biological Pattern Formation. Academic Press, London Als Arbeit der AL-Forschungsdisziplin gilt, allerdings nicht so bezeichnet, das vom Mathematiker John von Neumann 1966 vorgestellte Modell des zellularen Automaten, eine Berechnungs- und Darstellungsmethode für Probleme biologischer Organisation, Selbstreproduktion und der Evolution von Komplexität.John von Neumann: Theory of Self-Reproducing Automats. University of Illinois Press. 1966 Die Automatentheorie wurde vielfältig weiterentwickelt und auch vereinfacht. Ein weiteres Beispiel ist Conways Spiel des Lebens (1970). In Stephen Wolframs Computertheorie zellularer Automaten (1984) wurden Automaten unterschiedlicher Komplexität in vier Klassen geordnet.Stephen Wolfram. Computational Theory of Cellular Automata. Commun. Math. Phys. 96, 15-57 (1984) PDF Der amerikanische theoretische Biologe Christopher Langton legte 1986/87 den formalen Grundstein für die neue AL-Wissenschaftsdisziplin und gab ihr den Namen.Christopher Langton: Studying Artificial Life with Cellular Automata. Physics 22ID:120-149Christopher Langton: What is Artificial Life? (1987) Er definierte AL als vom Menschen gemachtes Leben im Vergleich zu natürlichem Leben. Später legte er Wert darauf, dass die Natur den Menschen beinhaltet und dieser sich einschließlich seiner Artefakte nicht außerhalb von ihr sieht. AL sollte sich daher vom Begriff der Biologie nicht entfernen, sondern anstreben, die Kluft zwischen beiden zu verringern.Langton, C.G. (1998). A new Definition of artificial life. scifunam.fisica.unam.mx. PDF
Ethische Fragen Künstliches Leben bildet existierende Lebensformen (life-as-we know-it) nach und erzeugt mögliche Lebensformen (life-as-it-could-be). Mark A. Bedau formulierte drei Fragekreise zu Künstlichem Leben. Aus ihnen entstand eine Reihe von 14 untergeordneten Forschungsaufgaben bzw. offenen ProblemenMark A. Bedau, John S. McCaskill, Norman H. Packard, Steen Rasmussen, Chris Adami, David G. Green, Takashi Ikegami, Kunihiko Kaneko, Thomas S. Ray. Open Problems in Artificial Life. Artificial Life 6: 363–376 (2000)
Was ist der Ursprung des Lebens bzw. wie entsteht Leben aus Nicht-Leben? Was sind die Potenziale und Limitierungen lebender Systeme? Wie verhält sich Leben zu Intelligenz, Kultur, Gesellschaft und menschlichen Kunstgegenständen?
Es werden Limitierungen von Computersimulationen diskutiert. So generieren Interaktionen zwischen den Komponenten lebender Systeme neue Informationen (Emergenz), die die Vorhersagbarkeit beeinflussen. Als Herausforderung gilt die Anpassungsfähigkeit von Populationen künstlicher Intelligenz, die z. B. im Internet miteinander kommunizieren, voneinander lernen und sich an komplexer werdende Umweltveränderungen evolutionär anpassen. Dass künstliches Leben nicht mehr als künstlich, sondern gleichermaßen real gesehen werden kann wie natürliches Leben, bleibt vor dem Hintergrund der damit verbundenen Herausforderungen eine Vision.
Beziehung zu künstlicher Intelligenz AL überlappt sich mit Künstlicher Intelligenz, wird als Subdisziplin von ihr oder auch umgekehrt als eine ihr übergeordnete Disziplin gesehen. AL muss KI-Erkenntnisse integrieren, da Kognition eine Kerneigenschaft von natürlichem Leben ist, nicht nur des Menschen. Die unterschiedlichen Anforderungen an AL wie etwa dynamische Hierarchien, Evolution, Evolution von Komplexität, Selbstorganisation, Selbstreplikation, Kognition und weitere sind heute in den drei Teildisziplinen wet-, soft- und hard artificial life vielfach erst in Einzelaspekten oder wenigen Kombinationen unvollständig bzw. reduktionistisch realisiert, z. B. das Ziel der Selbstreproduktion mit Evolution und zunehmender evolutionärer Komplexität. Derartige Ziele bleiben daher visionär (vgl. auch Superintelligenz).
Anforderungen Typische Anforderungen aus einer größeren Liste von Themen von AL sind:
Autonomie und Selbstorganisation Autonomie ist eine zentrale Eigenschaft von Leben. AL-Systeme benötigen daher eine gewisse Kontrolle über ihre eigene Herstellung. Das kann durch den Prozess der Selbstorganisation erreicht werden. Lebende Systeme besitzen Autopoiesis, ein begrenztes Netzwerk von Eigenschaften, die ihre Organisation aufrechterhält. Ein im strengen Sinn autonomes System erlaubt es dem Betrachter, von ihm als Individuum zu sprechen, das nach intrinsischen Zielen handelt und damit ein genuiner Agent ist. Autonomie ist eine Voraussetzung für Selbstorganisation. Selbstorganisation ist die Fähigkeit eines (künstlichen) Systems zur eigenständigen Form- bzw. Funktionsfindung. Dabei führen lokale Interaktionen im System zu systemglobalen Mustern oder Verhaltensweisen. Selbstorganisation soll in einem AL-System auf verschiedenen Hierarchieebenen stattfinden können, analog zur Biologie, wo sie etwa auf Genebene, Zellebene oder organismischer Ebene zu finden ist.
Selbstreproduktion und zunehmende Komplexität Selbstreproduktion (oder auch Fortpflanzung) kann durch Duplizierung der Datenstrukturen in Abhängigkeit von definierbaren Bedingungen erfolgen. Zu unterscheiden im Sinne von Neumanns sind: die bloße Selbstkopie (self-replication) und die anpassungsfähige Selbstreproduktion (self-reproduction). Erst Maschinen mit letzterer Eigenschaft ermöglichen theoretisch das unbegrenzte Wachstum von Komplexität mittels eines Netzwerks vererbbarer Mutationen. Das ist für AL notwendig, da natürliche Evolution langfristig ebenfalls unbegrenzt zunehmende Komplexität kennt. Es muss demnach für AL eine Lösung für das scheinbar paradoxe Problem möglich sein, dass Maschinen komplexere Maschinen erzeugen, wenn auch in einem von Generation zu Generation sehr geringem Maß. Von Neumann nannte eine solche Maschine einen „general constructive automaton“. Dieser ist in der Lage, in einer theoretisch unendlich langen Kette von Reproduktionen aus einer simplen Maschine eine unendlich komplexe Maschine herzustellen.
Der Tod eines Individuums erfolgt durch Löschung der Datenstruktur in Abhängigkeit von definierbaren Bedingungen. Auch (sexuelle) Vermehrung mit Kombination der Eigenschaften der Datenstrukturen zweier Individuen ist möglich.
Anpassung Anpassung wird für ein AL-System definiert als eine Änderung in einem Agenten oder System als Antwort auf einen Zustand der Umgebung. Die Änderung kann dem System helfen, sein Ziel zu erreichen. Ein System, das Reproduktion mit zunehmender Komplexität zulässt (s. o.) ist anpassungsfähig, Anpassung ist aber mehr: Sie kann auf einer langsamen Skala (mehrere Generationen) in Form von evolutionärer Anpassung erfolgen, auf einer mittleren Skala (eine Generation) als Entwicklung bzw. Morphogenesis (z. B. autoregulatorische Modelle der Extremitätenentwicklung) oder auf einer schnellen Skala (Abschnitt einer Generation) als Lernen. AL-Systeme müssen demnach u. a. lernfähig sein. Evolution kann realisiert werden durch Variation bei der Vermehrung und Selektion bei Vermehrung und Tod. Durch die Definition von Bedingungen für diese Ereignisse entsteht ein Selektionsdruck. Wissenschaftlich eingesetzte Programme mit der Evolutionsfähigkeit künstlichen Lebens sind z. B. das 1991 von Thomas S. Ray entwickelte Tierra, das weltweit erste digitale Medium mit spontaner Evolution oder dessen Derivat Avida der Michigan State University.
Hierarchie und Emergenz Biologische Systeme sind hierarchisch aufgebaut. Sie bestehen aus niederen und höheren Hierarchie-Ebenen wie Genen, Genprodukten (Proteinen), Zellen, Zellverbänden (Geweben), Organen, Organismen, Gesellschaften. Technische Systeme sind ebenfalls hierarchisch organisiert, etwa aus Chips, Leiterplatten, Prozessoren, Computern und dem Internet. Als zentrale Anforderung an AL muss dieses erklären können, wie robuste, dynamische Mehrebenen-Hierarchien allein aus der Interaktion der Elemente der untersten Ebenen entstehen können. Conways Spiel des Lebens kann als ein Beispiel zwar mehrere Hierarchie-Ebenen erzeugen; diese sind aber im Gegensatz zu biologischen Systemen nicht robust. Die Änderung eines einzelnen oder weniger Parameter kann das System zum Kollabieren bringen. Dynamisch meint, dass die Anzahl der Hierarchien eines Systems nicht festgelegt ist, sondern im evolutionären Verlauf variieren kann.