Würzburg, Universiẗat, Diss., 2004.

Im Rahmen dieser Arbeit wird rationales Herdenverhalten anhand der Informationskaskadenmodelle sowie der Reputationsmodelle (Prinzipal-Agent-Kontext bei Existenz relativer Leistungsbewertung) analysiert. Im Bereich der Theorie wird die Frage beantwortet, welche Annahmen unverzichtbar sind für das Auftreten von Herdenverhalten. Bezüglich der Empirie werden zwei Fragestellungen untersucht. Zum einen wird analysiert, dass vorliegende, spezifische empirische Befunde zum Herdenverhalten eher mit Hypothesen vereinbar sind, die aus dem Informationskaskadenmodell abgeleitet werden. Zum anderen wird dargestellt, dass die empirisch festgestellte, unterschiedliche Neigung zum Herdenverhalten für Fondsmanager, Analysten und Topmanager mit der Vergütungsstruktur dieser Akteure erklärt werden kann. Zuletzt wird bei der Untersuchung von Lösungsansätzen bei beiden Modellansätzen nach Mechanismen gesucht, die die negativen Konsequenzen aus dem Auftreten von rationalem Herdenverhalten abmildern können. Hierbei werden verschiedene Ansätze diskutiert. Beispielsweise können im Informationskaskadenmodell Fehlentscheidungen der Akteure verhindert werden, wenn öffentlich verfügbare Information zur Verfügung gestellt wird. Das Hauptergebnis der Analyse ist, dass bei der Diskussion von Lösungsansätzen ein Kosten/Nutzen-Kalkül beachtet werden muss. / This thesis analyzes two major theories of rational herding: information cascade models and reputational models (principal-agent models with relative performance evaluation). Assumptions that are needed to generate herd behaviour are investigated on a theoretical basis. Furthermore, two major problems concerning empirical results about herd behaviour are analyzed. Firstly, existing different empirical results about herd behaviour are most consistent with hypotheses derived from information cascade models. Secondly, the specific compensation structure of fund managers, analysts and top managers can explain their inclination to herd. Finally, methods of solution are needed that can attenuate the negative consequences arising from rational herding. Different mechanisms are discussed, for example the role of publicly available information in preventing wrong decisions in information cascade models. A major result of the analysis is that costs and benefits of different methods of solutions must be carefully examined.

Zugl.: Greifswald, Univ., Diss., 2008

Zugl.: Göttingen, Universiẗat, Diss., 2008.

Zugleich: Diss. Regensburg. / Literaturverz.

Zugl.: Klagenfurt, Univ., Diss., 2008

Physical processes rely on the transmission of energy and information across scales. In the last century, theoretical tools have been developed in the field of statistical physics to infer macroscopic properties starting from a microscopic description of the system. However, less attention has been devoted to the remodelling of microscopic degrees of freedom by macroscopic feedback. In recent years, ideas from non-equilibrium physics have been applied to characterise biological and artificial intelligence systems. These systems share in common their structure in discrete scales of organisation that perform specialised functions. To correctly regulate these functions, the accurate transmission of information across scales is crucial. In this thesis we study the role of macroscopic feedback in the remodelling of microscopic degrees of freedom in two paradigmatic examples, one taken from the field of biology, the self-organisation of specialisation and plasticity in a social wasp, and one from artificial intelligence, the remodelling of deep neural networks in a stochastic many-particle system. In the first part of this thesis we study how the primitively social wasp Polistes canadensis simultaneously achieves robust specialization and rapid plasticity. Combining a unique experimental strategy correlating time-resolved measurements across vastly different scales with a theoretical approach, we characterise the re-establishment of the social steady state after queen removal. We show that Polistes integrates antagonistic processes on multiple scales to distinguish between extrinsic and intrinsic perturbations and thereby achieve both robust specialisation and rapid plasticity. Furthermore, we show that the long-term stability of the social structure relies on the regulation of transcriptional noise by dynamic DNA methylation. In the second part of this thesis, we ask whether emergent collective interactions can be used to remodel deep neural networks. To this end, we study a paradigmatic stochastic manyparticle model where the dynamics are defined by the reaction rates of single particles, given by the output of distinct deep neural networks. The neural networks are in turn dynamically remodelled using deep reinforcement learning depending on the previous history of the system. In particular, we implement this model as a one dimensional stochastic lattice gas. Our results show the formation of two groups of particles that move in opposite directions, diffusively at early times and ballistically over longer time-scales, with the transition between these regimes corresponding to the time-scale of left/right symmetry breaking at the level of individual particles. Over a hierarchy of characteristic time-scales these particles develop emergent, increasingly complex interactions characterised by short-range repulsion and long-range attraction. As a result, the system asymptotically converges to a regime characterised by the presence of anti-ferromagnetic particle clusters. To conclude, we characterise the impact of memory effects and demographic disorder on the dynamics. Together, our results shed light on how non-equilibrium systems can employ macroscopic feedback to regulate the propagation of fluctuations across scales.

Magnetfelder und sichtbares Licht präsentieren zwei Operationen externe Reize für eine schnelle, ferngesteuerte, zuverlässige und heilende der Kleinrobotik weicher und harter Körper. Umden Anforderungen verschiedener Anwendungen gerecht zu werden, wurden selbstfahrende Bewegungen und komplexere Bewegungsmuster mit kleinen Robotern in der Längenskala von Mikro-bis Zentimeter demonstriert. In Bezug auf die begrenzte Betätigungsleistung und die mangelhafte Untersuchung der nicht linearen Dynamik von Hochgeschwindigkeitsbewegungsmustern in magnetischen weichen Robotern und der durch Niedrigenergie verursachten ineffizienten Bewegung von Mikrorobotern unter sichtbarem Licht konzentriert sich diese Arbeit auf drei Hauptthemen: ultraschnelle Roboter mit weichem Körper, angetrieben durch ein Magnetfeld, hoch-bewegliche, durch sichtbares Licht angetriebene Janus-Mikroroboter aus Silber/Silberchlorid (Ag/AgCl), sowie betätigt aktivierter effizienter Ausschluss zwischen plasmonischen Ag/AgCl-Mikrorobotern und passiven Partikeln mittels sichtbares Licht. Im ersten Teil der Arbeit wird wir eine Reihe von simulationsgesteuerten, leichten, langlebigen, nicht angegeschlossee und ultraschnellen magnetischen Robotern mit weichem Körper, demonstriert die Deformationen mit großer Amplitude (Drehw-inkel > 90◦) bei hohen Frequenzen von bis zu 100 Hz ausführen. Unsere Roboter können mit einem sehr kleinen Magnetfeld von nur 0.5 mT angetrieben werden, was 20-mal weniger ist als das der allgemeine Magnetroboter. Desweiteren werde ein numerisches Modell entwickelt, welches das grundlegende Verständnis dieser nicht linearen Dynamik in ultraschnellen weichen Robotern erklärt. Ein inspirierendes, blütenförmiges, weiches Roboterdesign mit ultraschneller Betätigung kann eine leb ende Fliege in 35msfür einen Moment einwickeln. Die Schließgeschwindigkeit ist etwa achtmal höher als die der Venusfliegenfalle. Wenn unsere mehrarmigen Roboter mit weichem Körper in einem bestimmten Bereich hoher Frequenzen reagieren, zeigen sie eine stark nicht lineare dynamische Betätigung, die als “Kreuzklatsch” - Bewegung bezeichnet wird, die durch Simulation vorhergesagt und durch Experimente beobachtet wird. Unsere multifunktionalen Roboter mit weichem Körper können mit externen Magneten laufen, schwimmen, schweben und Fracht transportieren. Weiterhin wird demonstrieren die Bewegung von Janus-Polystyrolpartikel (PS)/Ag/ AgCl-Mikrorobotern vorgestellt, die große Verschiebungen in reinem Wasser unter blauem Licht zeigen, und mögliche Verwendung in menschlichem Speichel, phosphatgepufferter Salzlösung (PBS) und Rhodamin B (RhB) Lösungen. Finden der auf Janus Ag/AgCl basierende Mikroroboter kann die mittlere quadratische Verschiebung (MSD) in reinem Wasser in 8 s auf einen bemerkenswerten Wert von 800 μm2 steigern, welcher etwa siebenmal höher ist als die zuvor in der Literatur angegebenen MSDWerte für AgCl-basierte Mikroroboter. Es wird zudem eine Untersuchung experimentelle, unter Verwendung numerischer Simulationen, der Bewegung einzelner Janus-Partikel in kleinen (bestehend aus 2 und 3 einzelnen Janus-Partikeln) und großen Clustern (bestehend aus vielen einzelnen Janus-Partikeln) vorgestellt. Die höchsten Bewegungsgeschwindigkeiten und größten MSD-Werte wurden bei einzelnen Janus-Partikeln beobachtet. Mit zunehmender Anzahl von Einzelpartikeln, die einen aktiven Mikroroboter bilden, nehmen die detektierten Geschwindigkeiten und die MSD. Infolge der Aufhebung der Eigenbitgeschwindigkeiten der Janus-Partikelbestandteile aufgrund ihrer zufälligen Anordnung in den Baugruppen ab. Diese Studie kann dazu genutzt werde, umneue Designs von Mikrorobotern mit sichtbarem Licht zu realisieren, welche auf dem Oberflächenplasmonresonanzeffekt (SPR) basieren, sowie fortschrittliche Anwendungen zu entwickeln, die für die biomedizinischen und ökologischen Wissenschaften relevant sind. Anschließend wird eine Reihe von des welche Lichte aktivierende kollektiven Verhaltensweisen zwischen aktiven Ag/AgCl-basierten Mikrorobotern (Einzel-, Doppel-, Dreifach- und Cluster), durch sichtbares und passiven PS-Partikeln in reinemWasser. Bei Beleuchtung mit sichtbarem Licht lösen die Janus-Mikroroboter eine selbstfahrende Bewegung aus und schließen die umgebenden PS-Partikeln aus. Die ausschließliche Wirkung der passiven PS-Partikel ist bei großen Clustern von Janus-Partikeln aufgrund der starken Strömung der Produkte der chemischen Reaktion aus großen Clustern viel stärker als bei einzelnen Mikrorobotern. Dieses komplexe gemischte System mit beweglichen passiven und aktiven Objekten bietet Einblick in den interaktiven Effekt zwischen den PS-Partikeln und bietet vielversprechende Auswirkungen auf den licht aktivierten Antriebstransport und die chemische Erfassung.

Kollektive biologische Systeme sammeln Informationen und leiten diese intern weiter, um Umweltveränderungen zu detektieren und auf sie zu reagieren. In Tiergruppen können die probabilistischen Entscheidungen von Individuen durch diese kollektive Informationsverarbeitung verbessert werden. Die dem sozialen Austausch zu Grunde liegenden Sinneswahrnehmungen finden jedoch in gängigen Modellen kollektiven Verhaltens kaum Beachtung. Hier untersuche ich, wie der individuelle Zugang zu sozialen Informationen durch visuelle Wahrnehmung und räumliche Gruppenstruktur geformt wird. Zuerst untersuche ich Fluchtwellen in Fischschwärmen in zwei als unterschiedlich riskant wahrgenommenen Kontexten mithilfe empirisch ermittelter visueller Interaktionsnetzwerke. Die beobachtete strukturelle Änderung der Gruppen zwischen den Kontexten erweist sich als essenziell, um die Änderung der Fluchtwellengröße zu erklären und optimiert potenziell die kollektive Informationsverarbeitung im jeweiligen Kontext. Von optimaler Informationsverarbeitung wird in biologischen Systemen oft angenommen, dass sie an Phasenübergängen in deren kollektiver Dynamik stattfindet, sogenannten kritischen Punkten. Die beobachtete strukturelle Änderung ändert den Abstand des Schwarmverhaltens zu einem solchen kritischen Punkt. Jedoch bleiben die Gruppen subkritisch in beiden Kontexten, vermutlich aus Notwendigkeit, tatsächliche Warnungen zu verstärken und falsche zu unterdrücken. Im zweiten Teil vergleiche ich visuelle Netzwerke mit anderen räumlichen Netzwerken bezüglich ihrer Struktur und dem Verhalten von Ausbreitungsprozessen auf ihnen. Einzig visuelle Netzwerke zeigen bei mittleren Gruppendichten Optima in zentralen Netzwerkeigenschaften und behalten realistische Eigenschaften bei hohen und niedrigen Dichten. Abschließend entwickle ich eine analytische Näherung zentraler Netzwerkeigenschaften solcher visuellen Netzwerke. / Collective biological systems gather information and propagate it internally to detect and react to environmental changes. In animal groups the probabilistic decisions of individuals can be improved by this collective information processing. Animals rely on sensory cues for social communication, yet common models of collective behavior neglect this sensory basis of interactions. Here, I investigate how an individual’s access to social information is shaped by visual sensory limitations and spatial group structure. First, escape waves in fish schools are studied under two levels of perceived environmental risk using empirically inferred visual interaction networks. Group-structural change is found to be crucial to explain the observed differences in size of escape waves and potentially optimize collective information processing according to the state of the environment. Optimal information processing in biological systems is often hypothesized to occur at phase transitions in their collective dynamics, so-called critical points. Here, the observed change in group structure modifies the schools’ distance to a critical point. Yet groups stay subcritical in both experimental setups, which may manage a trade-off between sensitivity to true alarms and robustness to false ones. In a second part, visual networks are compared to other spatial networks in structure and behavior of spreading processes on them. Visual networks show a unique dependence on group density with optima in network structural measures at intermediate densities, making them more realistic than other networks at high and low densities. Finally, an analytical approximation of central properties of visual networks is developed. Overall, this thesis identifies group structure as a potential control mechanism of collective information processing, highlights the trade-off associated with criticality in noisy systems and provides a systematic study and analytic approximation of visual sensory networks.

Das Zusammenleben in Gruppen ist im Tierreich ein weit verbreitetes Phänomen. Einer der Vorteile des Gruppenlebens könnte die sogenannte „Schwarmintelligenz“ sein, das heißt die Fähigkeit von Gruppen kognitive Probleme zu lösen, die die Problemlösekompetenz einzelner Individuen übersteigt. In der vorliegenden Dissertation untersuchte ich, ob die Gruppengröße beim Menschen und bei Fischen mit einer verbesserten Entscheidungsfindung einhergeht. Beim Menschen analysierte ich zunächst das Abschneiden von Einzelpersonen, die später als Teil einer Gruppe getestet wurden, in einfachen Einschätzungsaufgaben sowie komplizierteren Satz-Rekonstruktionstests. Meine Frage war, ob es Individuen in Gruppen gelingt bessere Entscheidungen zutreffen als das einem durchschnittlichen Individuum der Gruppe alleine möglich wäre und ob Gruppen sogar die Leistung ihres besten Mitglieds in den individuellen Tests überbieten könnten. Tatsächlich konnte ich zeigen, dass Gruppen die Leistung des besten Mitglieds übertreffen, wenn die Problemstellung für Einzelpersonen zu komplex ist oder sich häufig wiederholt. Weiterhin gelang mir zu zeigen, dass Gruppen von Menschen bei einer simulierten Prädationssituation, ähnlich wie es bereits für andere Tierarten beschrieben wurde, anhand von so genannten „Quorum“-Regeln durch non-verbale Kommunikation entscheiden, ob sie bleiben oder flüchten. Dabei dienen einfache Bewegungsmuster als Schlüsselreiz. Individuen einer Gruppe erhöhen durch diesen Mechanismus gleichzeitig ihre echt positiven und verringern ihre falsch positiven Entscheidungen. Beim Guppy, einem Süßwasserfisch aus Trinidad, untersuchte ich in deren natürlichem Habitat, ob die Fähigkeit einzelner Individuen zwischen einer genießbaren und einer ungenießbaren Futterquelle zu unterscheiden, mit der Gruppengröße ansteigt. Meine Ergebnisse zeigen, dass Guppys mit größerer Wahrscheinlichkeit eine genießbare Futterquelle identifizierten, sobald sie Teil einer größeren Gruppe waren. / Group living is a widespread phenomenon. One of its assumed advantages is collective cognition, the ability of groups to solve cognitive problems that are beyond single individuals’ abilities. In this thesis, I investigated whether decision-making improves with group size in both humans and fish, thus using the strengths of each system. In humans, I tested individual performance in simple quantity estimation tasks and a more difficult sentence reconstruction task first alone and then as part of a group. My question was whether groups were able to improve not only on average individual decisions, but also to beat their best members. Indeed, when a given problem is recurrent or too complex for individuals, groups were able to outperform their best members in different contexts. Furthermore, I showed that in a simulated predation experiment, groups of humans decided to stay or to escape using quorum thresholds based on movement behaviour without verbal communication, as has been shown in other animals. This simple movement mechanism allowed individuals in groups to simultaneously increase true positives and decrease false positives. In the guppy, a freshwater fish from Trinidad, I tested in their natural environment whether individuals’ ability to distinguish between an edible and a non-edible food item increases with group size. My results indicate that guppies had better chances to identify the edible food item when part of bigger groups. By investigating several populations with different ecological backgrounds, in particular differing in predation levels, I found that, despite a lower sampling activity in high predation habitats, predation did not affect the improvement of decisions in groups.