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.


Mehr Artikel

News

Bad Bots werden immer menschenähnlicher

Bei Bad Bots handelt es sich um automatisierte Softwareprogramme, die für die Durchführung von Online-Aktivitäten im großen Maßstab entwickelt werden. Bad Bots sind für entsprechend schädliche Online-Aktivitäten konzipiert und können gegen viele verschiedene Ziele eingesetzt werden, darunter Websites, Server, APIs und andere Endpunkte. […]

Frauen berichten vielfach, dass ihre Schmerzen manchmal jahrelang nicht ernst genommen oder belächelt wurden. Künftig sollen Schmerzen gendersensibel in 3D visualisiert werden (c) mit KI generiert/DALL-E
News

Schmerzforschung und Gendermedizin

Im Projekt „Embodied Perceptions“ unter Leitung des AIT Center for Technology Experience wird das Thema Schmerzen ganzheitlich und gendersensibel betrachtet: Das Projektteam forscht zu Möglichkeiten, subjektives Schmerzempfinden über 3D-Avatare zu visualisieren. […]

Be the first to comment

Leave a Reply

Your email address will not be published.


*