Schmetterlingseffekt
Aus Wiki1
| (Der Versionsvergleich bezieht 16 dazwischenliegende Versionen mit ein.) | |||
| Zeile 1: | Zeile 1: | ||
| - | Mit dem "Schmetterlingseffekt" wird ein Phänomen bei der [[Modelle und Wirklichkeit|Computersimulation]] komplexer Prozesse bezeichnet. Es zeigte sich, dass man bei | + | Mit dem "Schmetterlingseffekt" wird ein Phänomen bei der [[Modelle und Wirklichkeit|Computersimulation]] komplexer Prozesse bezeichnet. Es zeigte sich in den Anfängen der Computersimulation, dass man bei wiederholten Berechnungsläufen, z.B. eines Wettergeschehens, mit den gleichen Anfangsdaten und Parametern deutlich unterschiedliche Ergebnisse erhielt. Ein Wirbelsturm, der vorher in der Karibik wütete lag bei erneuter Berechung über Florida. Als Ursache stellten sich die Ungenauigkeiten bei der computerinternen Verarbeitung heraus. Obwohl diese sehr klein waren, wirkten sie sich trotzdem auf die Berechnungen aus. Da die Größenordungen der relevanten Ungenauigkeiten bei der Wetterberechnung in der Größenordnung eines Schmetterlingflügelschlags lagen, sprach man vom Schmetterlingseffekt. |
| - | Das folgende Diagramm visualisiert diesen Effekt | + | Das folgende Diagramm visualisiert diesen Effekt anhand eines anderen Beispiels: Ein Laserstrahl wird auf eine Reihe verspiegelter Zylinder gelenkt. Abhängig vom Eintrittswinkel wird er mehrfach umgelenkt und tritt dann an einer bestimmten Stelle aus. Mit dem Schieberegler kann der Eintrittswinkel mit einer geringen Abweichung (9. Dezimalstelle) versehen werden. Obwohl die Änderungen des Eintrittswinkels minimal sind, kommt es zu erheblichen Änderungen beim Austrittswinkel. |
<jsxgraph box="box" width="600" height="400"> | <jsxgraph box="box" width="600" height="400"> | ||
| Zeile 8: | Zeile 8: | ||
(function(){ | (function(){ | ||
const board = JXG.JSXGraph.initBoard('box', { | const board = JXG.JSXGraph.initBoard('box', { | ||
| - | boundingbox: [ | + | boundingbox: [-40, 100, 140, -20], |
| - | axis: | + | axis: false, |
showNavigation: true, | showNavigation: true, | ||
fixed: true | fixed: true | ||
| Zeile 20: | Zeile 20: | ||
const cols = 3; | const cols = 3; | ||
const rows = 6; | const rows = 6; | ||
| - | const colX = [ | + | const colX = [0, 20, 40]; // x-Positionen der 3 Spalten (kann angepasst werden) |
| - | const startY = | + | const startY = 0; // y für oberste Reihe (ändert Position der ganzen Säule) |
// Arrays zum Speichern | // Arrays zum Speichern | ||
| Zeile 44: | Zeile 44: | ||
// Startpunkt (draggable) und initiale Richtung | // Startpunkt (draggable) und initiale Richtung | ||
| - | const P0 = board.create('point', [ | + | const P0 = board.create('point', [-30, 40], {name:'Start', size:3, strokeColor:'black', fillColor:'black'}); |
// Winkel-Slider auf dem Board | // Winkel-Slider auf dem Board | ||
const angleSlider = board.create('slider', [ | const angleSlider = board.create('slider', [ | ||
| + | [ 60, 80 ], | ||
[ 100, 80 ], | [ 100, 80 ], | ||
| - | |||
[0, 5, 10] | [0, 5, 10] | ||
], { | ], { | ||
| Zeile 61: | Zeile 61: | ||
} | } | ||
| - | board.create('text',[ | + | board.create('text',[60,70,angle_in],{fixed:true}) |
| Zeile 216: | Zeile 216: | ||
</jsxgraph> | </jsxgraph> | ||
| - | [[Kategorie:Wissenschaft]] | + | HINWEIS: der Code für diese JSXGraph-Anwendung wurde mit Hilfe von [[ChatGPT]] erstellt. Er funktionierte ohne große Nacharbeit - allerdings: auch die wenigen Anpassungen erfordern einige Mindestkenntnisse zur Scriptsprache JSXGraph und zu JavaScript. Die Idee zu dieser Anwendung habe ich aus einem [https://youtube.com/shorts/ls_66dIM9-4 YouTube-Video]. |
| + | |||
| + | =Gut und Böse= | ||
| + | Was, wenn wir dem Modell eine moralische Kategorie verpassen würden? Wenn der Strahl nach unten austritt, ist das "böse", wenn er nach rechts austritt, ist das "gut". | ||
| + | |||
| + | Können wir aus dem Einfallswinkel ableiten, wann das Modell "gut" oder "böse" wird? Ich glaube, dass der Versuch, menschliches Handeln - jenseits von etwas Statistik - "mathematisch" ergründen zu wollen, naiv und anmaßend ist. Wir werden unser [[der determinierte Mensch|Denken und Handeln]] nie "berechnen" können, weil bereits ein kleines, widerborstiges [[Proteinmaschinen|Protein]] unsere Berechnungen ad absurdum führen wird - wie der Schmetterling die Wetterprognose. | ||
| + | |||
| + | [[Kategorie:Wissenschaft]][[Kategorie:KI-generiert]] | ||
Aktuelle Version vom 11:50, 23. Jan. 2026
Mit dem "Schmetterlingseffekt" wird ein Phänomen bei der Computersimulation komplexer Prozesse bezeichnet. Es zeigte sich in den Anfängen der Computersimulation, dass man bei wiederholten Berechnungsläufen, z.B. eines Wettergeschehens, mit den gleichen Anfangsdaten und Parametern deutlich unterschiedliche Ergebnisse erhielt. Ein Wirbelsturm, der vorher in der Karibik wütete lag bei erneuter Berechung über Florida. Als Ursache stellten sich die Ungenauigkeiten bei der computerinternen Verarbeitung heraus. Obwohl diese sehr klein waren, wirkten sie sich trotzdem auf die Berechnungen aus. Da die Größenordungen der relevanten Ungenauigkeiten bei der Wetterberechnung in der Größenordnung eines Schmetterlingflügelschlags lagen, sprach man vom Schmetterlingseffekt.
Das folgende Diagramm visualisiert diesen Effekt anhand eines anderen Beispiels: Ein Laserstrahl wird auf eine Reihe verspiegelter Zylinder gelenkt. Abhängig vom Eintrittswinkel wird er mehrfach umgelenkt und tritt dann an einer bestimmten Stelle aus. Mit dem Schieberegler kann der Eintrittswinkel mit einer geringen Abweichung (9. Dezimalstelle) versehen werden. Obwohl die Änderungen des Eintrittswinkels minimal sind, kommt es zu erheblichen Änderungen beim Austrittswinkel.
HINWEIS: der Code für diese JSXGraph-Anwendung wurde mit Hilfe von ChatGPT erstellt. Er funktionierte ohne große Nacharbeit - allerdings: auch die wenigen Anpassungen erfordern einige Mindestkenntnisse zur Scriptsprache JSXGraph und zu JavaScript. Die Idee zu dieser Anwendung habe ich aus einem YouTube-Video.
Gut und Böse
Was, wenn wir dem Modell eine moralische Kategorie verpassen würden? Wenn der Strahl nach unten austritt, ist das "böse", wenn er nach rechts austritt, ist das "gut".
Können wir aus dem Einfallswinkel ableiten, wann das Modell "gut" oder "böse" wird? Ich glaube, dass der Versuch, menschliches Handeln - jenseits von etwas Statistik - "mathematisch" ergründen zu wollen, naiv und anmaßend ist. Wir werden unser Denken und Handeln nie "berechnen" können, weil bereits ein kleines, widerborstiges Protein unsere Berechnungen ad absurdum führen wird - wie der Schmetterling die Wetterprognose.
