Die Prozesse, auf denen Künstliche Intelligenz heute aufbaut, sind immer noch schlicht dumm. Bochumer Forscher wollen sie aber schlauer machen.
Das Thema Künstliche Intelligenz ist ein großer Hype. Forscher des Instituts für Neuroinformatik an der RUB (Ruhr-Universität Bochum) befassen sich schon seit 25 Jahren mit dieser Thematik. Nach ihrem Ansatz müssen neue Strategien maschinelles Lernen erst einmal effizienter und flexibler machen, damit KI intelligent agieren kann.
Maschinelles Lernen
Laut Laurenz Wiskott vom Lehrstuhl „Theorie Neuronaler Systeme“ der RUB gibt es heute zwei erfolgreiche Arten maschinellen Lernens: „Tiefe neuronale Netze“ (Deep Learning) und „Verstärkungslernen“. Beide trainieren ein System auf eine bestimmte Aufgabe wie das Treffen einer Entscheidung. Man gibt dazu das gewünschte Ergebnis zusammen mit der Aufgabe vor. Nach einigen Durchläufen lernt das KI-System, diese Aufgabe immer schneller treffsicher zu lösen – oft besser als der Mensch. Laurenz Wiskott (links) und Tobias Glasmachers (rechts) orientieren sich auch an den Prozessen des menschlichen Gehirns (Bild: Roberto Schirdewahn, RUB
Mangelnde Intelligenz
Das Problem mit diesen Formen maschinellen Lernens ist, dass sie ziemlich dumm und zudem alt sind: Sie stammen aus den 1980er Jahren. Dass sie überhaupt praktikabel sind, liegt nur daran, dass heute größere Rechenkapazitäten und mehr Daten zur Verfügung stehen. Die eigentlich ineffizienten Lernprozesse mit unzähligen Durchgängen kann man heute in kürzester Zeit absolvieren und so stupides Training in akzeptabler Zeit erreichen.
Doch wie kann man maschinelles Lernen flexibler machen? Stupid trainierte Systeme sind ja nur in genau dem Aspekt gut, für den sie trainiert wurden. Verallgemeinern oder Fähigkeiten auf verwandte Aufgaben übertragen können solche Systeme nicht.
Neue Ansätze
Die Forscher setzen daher auf neue Strategien, bei der KI-Systeme Strukturen selbstständig entdecken. Ein Beispiel wäre die Aufgabe, Cluster zu bilden oder langsame Veränderungen in Videos zu entdecken und auszuwerten. Durch unüberwachtea Lernen können Computer die Welt eigenständig entdecken und somit auch Aufgaben angehen, für sie nicht explizit trainiert wurden.
