Neuroscienten entwerfen Modell, um menschliches visuelles Lernen nachzuahmen

Durch die Programmierung computerbasierter künstlicher Intelligenz (KI), um eine schnellere Technik zum Lernen neuer Objekte zu verwenden, beginnt die KI, mehr wie menschliche Intelligenz zu funktionieren. Dies geschieht, als zwei Neuroscienten ein Modell entwarfen, um menschliches visuelles Lernen nachzuahmen.

Die Forschung von Maximillian Riesenhuber, PhD, Professor für Neuroscientie am Georgetown University Medical Center, und Joshua Rule, PhD, Postdoktorand an der UC Berkeley, wurde in der Zeitschrift Frontiers in Computational Neuroscience veröffentlicht. 

KI-Lernen neuer visueller Konzepte

Die Neuroscienten demonstrierten, wie der neue Ansatz die Fähigkeit der KI-Software verbessert, schnell neue visuelle Konzepte zu lernen.

“Unser Modell bietet eine biologisch plausiblere Möglichkeit für künstliche neuronale Netze, neue visuelle Konzepte aus einer kleinen Anzahl von Beispielen zu lernen”, sagt Riesenhuber. “Wir können Computer dazu bringen, viel besser aus wenigen Beispielen zu lernen, indem wir vorheriges Lernen auf eine Weise nutzen, die wir denken, was das Gehirn tut.”

Menschen haben die Fähigkeit, neue visuelle Konzepte aus spärlichen Daten sehr schnell und genau zu lernen. Wir besitzen diese Fähigkeit bereits im sehr jungen Alter, bereits mit drei Monaten. Computer benötigen jedoch viele Beispiele desselben Objekts, um es schließlich zu erkennen.

“Die Rechenleistung der Hierarchie des Gehirns liegt in der Möglichkeit, das Lernen durch die Nutzung vorher gelernter Repräsentationen aus einer Art Datenbank zu vereinfachen”, sagt Riesenhuber.

Künstliche neuronale Netze vs. menschliches visuelles System

Riesenhuber und Rule fanden heraus, dass künstliche neuronale Netze neue visuelle Konzepte viel schneller lernen können, was dem menschlichen Niveau nahe kommt.

“Anstatt hohe Konzepte in Bezug auf niedrige visuelle Merkmale zu lernen, erklärt unser Ansatz sie in Bezug auf andere hohe Konzepte”, sagt Rule. “Es ist, als würde man sagen, dass ein Plattkopfbeutler ein bisschen wie eine Ente, ein Biber und ein Seehund aussieht.”

Menschliches visuelles Konzeptlernen hängt stark von den neuralen Netzen ab, die am Objekterkennungsprozess beteiligt sind, und der anterior temporale Lappen des Gehirns soll die Fähigkeit haben, über Formen hinaus zu gehen, was die Konzeptrepräsentationen betrifft. Da diese neuralen Hierarchien, die am visuellen Erkennen beteiligt sind, so komplex sind, können Menschen neue Aufgaben lernen und vorheriges Lernen nutzen.

“Indem wir diese Konzepte wieder verwenden, können wir neue Konzepte, neue Bedeutungen, wie die Tatsache, dass ein Zebra einfach ein Pferd mit einem anderen Streifenmuster ist, viel leichter lernen”, sagt Riesenhuber.

Die KI hat noch nicht das gleiche Niveau wie das menschliche visuelle System erreicht, das eine überlegene Fähigkeit hat, aus wenigen Beispielen zu generalisieren, mit Bildvariationen umzugehen und Szenen zu verstehen. Es gibt jedoch Fortschritte, die es näher bringen.

“Unsere Ergebnisse deuten nicht nur auf Techniken hin, die Computern helfen könnten, schneller und effizienter zu lernen, sondern können auch zu verbesserten Neuroscientie-Experimenten führen, die darauf abzielen, zu verstehen, wie Menschen so schnell lernen, was noch nicht gut verstanden ist”, sagt Riesenhuber.