Skip to main content
Top

2021 | OriginalPaper | Chapter

14. Wir können über uns nachdenken – der Computer nicht

Authors : Thomas Dandekar, Meik Kunz

Published in: Bioinformatik

Publisher: Springer Berlin Heidelberg

Activate our intelligent search to find suitable subject content or patents.

search-config
loading …

Zusammenfassung

Ein Computer kann über sich selbst nicht nachdenken, denn formale Systeme haben hier grundsätzliche Schranken (von Gödel und Turing exakt bewiesen). Menschen (und Lebewesen im Allgemeinen) denken zwar nicht formal exakt, können aber deshalb erfolgreicher über sich selbst bzw. alle grundsätzlichen Fragen nachdenken. Ziele und Werte müssen und sollten deshalb immer die Menschen vorgeben, besonders wenn die Computer immer mächtiger werden. Künstliche Intelligenz, insbesondere Deep Learning-Algorithmen und neuronale Netzwerke verhelfen den Fähigkeiten des Computers zu einem weiteren starken Aufschwung. Je mehr Eigenschaften eines Lebewesens nachgebildet werden (z. B. agieren in einer künstlichen Umwelt; nachbilden von Sprache und Emotionen), umso stärker werden seine Fähigkeiten. Bioinformatisch können die Eigenschaften der künstlichen Intelligenz beispielsweise für moderne Bildverarbeitung direkt genutzt werden, aber auch ganz allgemein zum Erkennen komplexer Eigenschaften („feature extraction“), Mustererkennung aus großen Datenmengen („Trainingsdatensatz“) und danach auch für einzelne Moleküle oder Sequenzen (Vorhersagen, beispielsweise für die Sekundärstruktur im Protein, für die Lokalisation in der Zelle etc.).

Dont have a licence yet? Then find out more about our products and how to get one now:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Literature
go back to reference Dandekar T, Argos P (1994) Folding the main chain of small proteins with the genetic algorithm. J Mol Biol 236(3):844–861CrossRef Dandekar T, Argos P (1994) Folding the main chain of small proteins with the genetic algorithm. J Mol Biol 236(3):844–861CrossRef
go back to reference Dandekar T, Argos P (1996) Identifying the tertiary fold of small proteins with different topologies from sequence and secondary structure using the genetic algorithm and extended criteria specific for strand regions. J Mol Biol 256(3):645–660CrossRef Dandekar T, Argos P (1996) Identifying the tertiary fold of small proteins with different topologies from sequence and secondary structure using the genetic algorithm and extended criteria specific for strand regions. J Mol Biol 256(3):645–660CrossRef
go back to reference Dandekar T, Argos P (1997) Applying experimental data to protein fold prediction with the genetic algorithm. Protein Eng 10(8):877–893 (* Die drei Dandekar-Argos-Referenzen beschreiben, wie weit man mithilfe einer robusten und intelligenten Suchstrategie, genetischen Algorithmen, Proteinstrukturen falten und richtig vorhersagen kann. Natürlich kann man diese Methode auch für ganz andere Probleme nutzen [s. Goldberg, David Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, 1989, das klassische Lehrbuch auf dem Gebiet].) Dandekar T, Argos P (1997) Applying experimental data to protein fold prediction with the genetic algorithm. Protein Eng 10(8):877–893 (* Die drei Dandekar-Argos-Referenzen beschreiben, wie weit man mithilfe einer robusten und intelligenten Suchstrategie, genetischen Algorithmen, Proteinstrukturen falten und richtig vorhersagen kann. Natürlich kann man diese Methode auch für ganz andere Probleme nutzen [s. Goldberg, David Genetic Algorithms in Search, Optimization, and Machine Learning. Addison-Wesley, 1989, das klassische Lehrbuch auf dem Gebiet].)
go back to reference Käll L, Krogh A, Sonnhammer EL (2004) A combined transmembrane topology and signal peptide prediction method. J Mol Biol 338(5):1027–1036 (PubMed PMID: 15111065 * Vergleicht und kombiniert TMHMM und SignalP.) Käll L, Krogh A, Sonnhammer EL (2004) A combined transmembrane topology and signal peptide prediction method. J Mol Biol 338(5):1027–1036 (PubMed PMID: 15111065 * Vergleicht und kombiniert TMHMM und SignalP.)
go back to reference Maccorduck P (2004) Machines who think: a personal inquiry into the history and prospects of artificial intelligence. A K Peters, Ltd. S 482 (ISBN 1–56881–205–1) Maccorduck P (2004) Machines who think: a personal inquiry into the history and prospects of artificial intelligence. A K Peters, Ltd. S 482 (ISBN 1–56881–205–1)
go back to reference Senior AW, Evans R, Jumper J, Kirkpatrick J, Sifre L, Green T, Qin C, Žídek A, Nelson AWR, Bridgland A, Penedones H, Petersen S, Simonyan K, Crossan S, Kohli P, Jones DT, Silver D, Kavukcuoglu K, Hassabis D (2020) Improved protein structure prediction using potentials from deep learning. Nature 577(7792):706–710. https://doi.org/10.1038/s41586-019-1923-7CrossRefPubMed Senior AW, Evans R, Jumper J, Kirkpatrick J, Sifre L, Green T, Qin C, Žídek A, Nelson AWR, Bridgland A, Penedones H, Petersen S, Simonyan K, Crossan S, Kohli P, Jones DT, Silver D, Kavukcuoglu K, Hassabis D (2020) Improved protein structure prediction using potentials from deep learning. Nature 577(7792):706–710. https://​doi.​org/​10.​1038/​s41586-019-1923-7CrossRefPubMed
go back to reference Silver D, Huang A, Maddison CJ (2016) Mastering the game of Go with deep neural networks and tree search. Nature. 529(7587):484–489. https://doi.org/10.1038/nature16961 (PMID 26819042 * AlphaGo wurde von Google DeepMind in London programmiert, konnte ab Oktober 2015 ohne Handicap gegen professionelle Spieler gewinnen und schlug im Dezember 2016 Lee Sedol, einen 9-Dan-Go-Spieler) Silver D, Huang A, Maddison CJ (2016) Mastering the game of Go with deep neural networks and tree search. Nature. 529(7587):484–489. https://​doi.​org/​10.​1038/​nature16961 (PMID 26819042 * AlphaGo wurde von Google DeepMind in London programmiert, konnte ab Oktober 2015 ohne Handicap gegen professionelle Spieler gewinnen und schlug im Dezember 2016 Lee Sedol, einen 9-Dan-Go-Spieler)
go back to reference Stokes JM, Yang K, Swanson K, Jin W, Cubillos-Ruiz A, Donghia NM, MacNair CR, French S, Carfrae LA, Bloom-Ackermann Z, Tran VM, Chiappino-Pepe A, Badran AH,Andrews IW, Chory EJ, Church GM, Brown ED, Jaakkola TS, Barzilay R, Collins JJ (2020) A deep learning approach to antibiotic discovery. Cell 181(2):475–483. https://doi.org/10.1016/j.cell.2020.04.001 (Erratum for: Cell 2020 Feb 20; 180(4):688–702.e13) Stokes JM, Yang K, Swanson K, Jin W, Cubillos-Ruiz A, Donghia NM, MacNair CR, French S, Carfrae LA, Bloom-Ackermann Z, Tran VM, Chiappino-Pepe A, Badran AH,Andrews IW, Chory EJ, Church GM, Brown ED, Jaakkola TS, Barzilay R, Collins JJ (2020) A deep learning approach to antibiotic discovery. Cell 181(2):475–483. https://​doi.​org/​10.​1016/​j.​cell.​2020.​04.​001 (Erratum for: Cell 2020 Feb 20; 180(4):688–702.e13)
Metadata
Title
Wir können über uns nachdenken – der Computer nicht
Authors
Thomas Dandekar
Meik Kunz
Copyright Year
2021
Publisher
Springer Berlin Heidelberg
DOI
https://doi.org/10.1007/978-3-662-62399-2_14

Premium Partner