In diesem Abschnitt werden die Studierenden an die grundlegende Idee herangeführt, dass Künstliche Intelligenz (KI) Biologie nicht auf die gleiche Weise versteht wie Menschen. Stattdessen interpretiert KI biologische Systeme anhand von Daten, Mustern und mathematischen Darstellungen.

Der Zweck dieser Explore-Phase besteht darin, den Lernenden zu helfen, ein konzeptuelles Fundament darüber aufzubauen, wie biologische Informationen in digitale Daten umgewandelt werden und wie KI-Systeme lernen, Strukturen, Zusammenhänge und Regelmäßigkeiten in diesen Daten zu erkennen.

1.3 Lernen von der Natur: Bio-Inspiration und Künstliche Intelligenz

Interessanterweise sind viele KI-Systeme selbst von der Biologie inspiriert. Dieser Ansatz wird als Bio-Inspiration bezeichnet, bei dem natürliche Prozesse als Modelle für technologische Lösungen dienen.

Beispiele sind:

Künstliche neuronale Netze, inspiriert von der Struktur und Funktionsweise der Neuronen im menschlichen Gehirn.
Evolutionäre Algorithmen, die die natürliche Selektion nachahmen, indem sie Lösungen durch Variation und Auswahl schrittweise sop verbessern.
Selbstorganisierende Systeme, die nach biologischen Systemen modelliert sind, die sich an wechselnde Umgebungen anpassen.

Diese bio-inspirierten Ansätze ermöglichen es KI-Systemen:

Aus Fehlern zu lernen.
Sich an neue biologische Daten anzupassen, z. B. neuartige Moleküle für jugendliche Medikamentendesigns zu erzeugen.
Die Leistung im Laufe der Zeit zu verbessern,

Bio-Inspiration schafft eine starke konzeptionelle Brücke zwischen Biologie, Künstlicher Intelligenz und Ingenieurwesen und unter anchert die interdisziplinäre Natur der modernen MINT-Bildung.