Wenn sie vereinzelt auftreten, dann ergeben ihre Bewegungen keinen von außen wahrzunehmenden Sinn. Sind sie in mittelgroßen Gruppen auf Futtersuche, dann ändern sie relativ rasch ihre Richtung. Nur wenn sie in großen Gruppen kommen, dann bewegen sie sich kontinuierlich gemeinsam in die gleiche Richtung und scheinen durch nichts aufzuhalten zu sein. Die Rede ist von Heuschrecken, genauer gesagt von Wanderheuschrecken, die in Schwärmen auftretend zur Plage für Mensch und Umwelt werden, große Distanzen zurücklegen und dabei alles kahlfressen. Sie können in Größenordnungen von einer Milliarde Tieren auftreten, was einem schier unglaublichen Gewicht von 1.500 Tonnen entspricht.

Aber heißt ihr scheinbar ferngesteuertes, zielgerichtetes Tun im Schwarm auch, dass sie handeln? Hans Briegel vom Institut für Theoretische Physik der Universität Innsbruck betont, im Begriff "Handeln" liege schon eine Annahme von Absicht und von Freiheit, sich zwischen mehreren Möglichkeiten entscheiden zu können – all das könne man den Heuschrecken, einfachen Organismen, fürwahr nicht unterstellen.

"Häufig wird Schwarmverhalten durch relative einfache physikalische Modelle beschrieben, bei denen die Individuen wie strukturlose Teilchen behandelt werden", sagt Briegel, der wieder einmal die Fachgrenzen der Quantenphysik durchbricht und Antworten auf spezielle Fragen in anderen Disziplinen sucht. Diesmal geht er der Frage nach, was "Handeln" bedeutet und wie man "handelnde Systeme" (man kann sie Agenten nennen) mithilfe physikalischer Modelle beschreiben kann, die Briegel und sein Team in Innsbruck entwickeln. Lässt sich damit auch Schwarmverhalten, wie im Fall der Heuschrecken, erklären? Lernen die einzelnen Tiere und die an ihrer Stelle eingesetzten "Agenten" voneinander?

Katja Ried, Postdoc am Innsbrucker Institut für Theoretische Physik, hat Ende Februar gemeinsam mit Briegel und Thomas Müller vom Fachbereich Philosophie der Universität Konstanz ein Paper darüber im Fachjournal Plos One publiziert. Darin schlagen die Wissenschafter eine völlig neue Methode vor, Schwarmverhalten zu modellieren.

Belohnt oder bestraft

Die Individuen bewegen sich allerdings nicht nach fix vorgegebenen Regeln der Wechselwirkung, wie das in bisherigen Modellen der Fall ist. Stattdessen bilden sich diese Regeln erst aufgrund eines Lernprozesses heraus, bei dem die Individuen zufällige Verhaltensmuster ausprobieren, die zu Erfolg oder Misserfolg führen und als solche auch abgespeichert werden. Der Agent wird von der Umgebung "belohnt" oder "bestraft". Für Briegel ist das ein vielversprechender Zugang und mindestens so plausibel und realistisch wie die Beschreibung eines Individuums als einfaches Teilchen. Die Untersuchung des Schwarmverhaltens ist allerdings nur eine von mehreren Anwendungen, die er und sein Team aktuell erforschen. Andere Anwendungen liegen im Bereich der künstlichen Intelligenz und ihres Einsatzes in der Grundlagenforschung.

Maschinelles Lernen wird dort bereits verwendet, meist zur Durchforstung und Klassifizierung gigantischer Datenmengen, wie sie etwa in Experimenten am Europäischen Kernforschungszentrum Cern erzeugt werden. "Die Fragen, die wir stellen, gehen aber darüber hinaus", sagt Briegel.

Eine Art Gedächtnis

Mit seiner Arbeitsgruppe erforscht er die Möglichkeit von lernfähigen Systemen, die eigenständig Experimente entwerfen, variieren und etwas Neues ausprobieren können, es sind gewissermaßen kreative Assistenzsysteme für das Labor. Für solche Formen von künstlicher Intelligenz brauchen die Agenten eine Art von Gedächtnis und die Fähigkeit, Experimente vorab simulieren und das Ergebnis bewerten zu können: eine faszinierende Vorstellung. Erste Anwendungen dieser Art hat die Gruppe für die Stabilisierung von Quantencomputern sowie im Bereich quantenoptischer Experimente vorgeschlagen. Eine der Arbeiten wurde von Briegel und seinen Mitarbeitern, zusammen mit der Gruppe um Anton Zeilinger, bereits vor einem Jahr im Journal PNAS publiziert.

Briegel betont, dass die Forschung hier noch in den Kinderschuhen steckt. Dennoch schreitet die Entwicklung etwa im Bereich Quantum Machine Learning international schnell voran. Es erscheint absehbar, dass das Zusammenspiel von KI und der Quantenphysik in beide Richtungen eine wichtige Rolle spielen wird. "Jenseits dieser aktuellen Entwicklungen stellt sich die Frage, was künstliche Intelligenz langfristig für die Zukunft von Forschung und Wissenschaft bedeutet", meint Briegel.

Für den Physiker sind viele positive, aber auch kritische Entwicklungen denkbar. Es sei jedenfalls Zeit, sich mit dieser Frage auseinanderzusetzen. (Peter Illetschko, 28.3.2019)