Revolutionärer Algorithmus lernt autonom

Forscher der University of Toronto haben einen neuen Algorithmus entwickelt, der Dinge selbstständig erlernt und damit über das Training durch einen Programmierer hinausgeht. [...]

Die Fähigkeiten wurden bereits durch das Identifizieren menschlicher Haare unter Beweis gestellt. Statt der traditionellen Methode des Trainings neuronaler Netzwerke lernt der neue Algorithmus direkt auf Basis menschlicher Instruktionen. Dieses Modell nennt sich „heuristisches Training“.

Verschleierungsmechanismus
„Das Problem, das bei diesem neuen Ansatz bestehen bleibt, ist, dass Tendenzen und Vorurteile, die schon in den Daten liegen, aus denen das System lernt, auch die Entscheidungen des Algorithmus dementsprechend beeinflussen“, so Peter Purgathofer vom Institut für Gestaltungs- und Wirkungsforschung der TU Wien gegenüber pressetext. Hierbei handle es sich um einen Verschleierungsmechanismus, durch den ein Bias, der so in das System hineinkommt, unsichtbar wirkt und unauffindbar ist. Daher lässt sich nicht mehr nachvollziehen, wo er herkommt.

Die Wissenschaftler Parham Aarabi und Wenzhi Guo von der University of Toronto haben für das Training ihres Algorithmus statt bestehenden Datensätzen menschliche Anweisungen herangezogen. Beispielsweise dienen zum Erkennen von Wasser nicht verschiedene Abbildungen davon, sondern Erklärungen wie „Meerwasser hat typischerweise verschiedene Blautöne“, mit denen der Algorithmus gefüttert wird.

Wie Lehrer-Schüler-Beziehung
Die Resultate der Versuche sind verblüffend und wegweisend für die Zukunft Künstlicher Intelligenz. Das heuristische Training neuronaler Netzwerke hat traditionelle Algorithmen des maschinellen Lernens zu 160 Prozent übertroffen. Darüber hinaus wurden menschliche Haare zu neun Prozent präziser erkannt als dies im Training erprobt worden war. Dies zeigt, dass der Algorithmus seine eigene Performance selbstständig verbessert hat.

„Unser Algorithmus hat gelernt, schwierige Grenzfälle zu klassifizieren. Dabei ist es um eine Unterscheidung der Haarstruktur von der des Hintergrunds gegangen. Was wir gesehen haben, ist wie ein Lehrer-Schüler-Verhältnis, in dem der Schüler über das ursprünglich Vermittelte hinaus lernt“, sagt Aarabi. Diese Experimente zeigen, dass neuronale Netzwerke Daten, die im Vorfeld unbekannt oder nicht klassifiziert waren, korrekt identifizieren können.