Standort: science.ORF.at / Meldung: "Maschinen, die wie Menschen lernen"

Künstlerische Darstellung von einer schreibenden Hand und Roboterhand

Maschinen, die wie Menschen lernen

Um zu begreifen, was ein Tisch oder ein Ball ist, reicht es Menschen in der Regel, die Dinge einmal zu sehen. Ein Computer braucht hingegen tausende Beispiele, um sie nur zu erkennen. Forscher haben nun ein Programm entwickelt, das den Menschen imitiert - und dabei erstaunlich erfolgreich ist.

Künstliche Intelligenz 11.12.2015

Durchackern von Datenbergen

Die Studie in "Science":

"Human-level concept learning through probabilistic program induction" von Brenden M. Lake et al., erschienen am 11. Dezember 2015.

Computer können heute einiges, z.B. Gesichter oder Sprache erkennen. Vieles davon lernen sie sich gewissermaßen selbst. Durch maschinelles Lernen erarbeiten sich Computer neues Wissen sowie komplizierte Aufgaben. "Deep learning" nennt sich etwa der jüngste Trend in der Künstlichen Intelligenz-Forschung.

Dabei erhält der Rechner eine große Menge an Eingangsdaten, die er auf Ähnlichkeiten, Unterschiede und andere Auffälligkeiten durchsucht. Die Erkenntnisse werden in jedem neuen Lernvorgang berücksichtigt. Im Lauf vieler Durchläufe kommt der Computer nach und nach zu Kriterien, die ihm helfen, auch unbekannte Aufgaben zu bewältigen. Auch andere gängige Methoden verlassen sich vor allem auf das Durchackern riesiger Datenberge.

"Meister der Induktion"

Mit dem, wie der Mensch lernt, hat dies - trotz aller Fortschritte auf dem Gebiet - daher so gut wie gar nichts zu tun, schreiben die Autoren um Joshua B. Tennenbaum vom Massachusetts Institute of Technology in einer soeben in "Science" erschienenen Studie. Denn anstelle großer Datenmengen, braucht der Mensch z.B. oft nur ein einziges Ansichtsbeispiel, um ein neues Konzept zu lernen.

An Kindern lässt sich das gut beobachten. Wenn ein Krabbelkind ein- oder zweimal einen Ball gesehen hat, ist dieser bereits abgespeichert als ein Exemplar einer Objektklasse. Beim nächsten Mal, wird es einen Ball sofort als solchen erkennen - selbst wenn er rot statt grün ist - und wahrscheinlich wird es auch wissen, was man damit anfangen kann. "Menschliche Kinder sind Meister der Induktion, Maschine sind dagegen Novizen", wie Joshua Tennenbaum die menschliche Fähigkeit bei einer Telefonkonferenz beschreibt.

Nicht nur Kinder lernen durch Induktion - d.h., sie schließen von einem Einzelbeispiel auf das große Ganze -, auch Erwachsenen bleibt diese Gabe erhalten. "Wenn Menschen das erste Mal ein Smartphone oder ein Segway sehen, erkennen sie es nicht nur beim nächsten Mal wieder, sie bekommen auch eine Idee davon, was man damit machen kann", so Tennenbaum weiter. Maschinen seien mit dem Erkennen bereits am Ende, Menschen fangen dort erst an. Sie verstehen die Funktion hinter den Dingen, können sie in neue Kontexte einbetten oder in ihre Bestandteile zerlegen.

Ganze Modelle erfasst

Eine solche, dem Menschen ähnliche Art des Lernens haben die Forscher um Tennenbaum nun entwickelt. Ausgangspunkt ihrer Arbeit war eine Beobachtung, wie Koautor Brenden Lake von der New York University bei der Telefonkonferenz erklärt: "Wenn man Menschen - egal woher - bittet, ein neues Schriftzeichen, das sie das erste Mal gesehen haben, zu produzieren, machen sie dies überall in ganz ähnlicher Weise, z.B. was die Strichführung und deren Reihenfolge betrifft." Das zeige, dass Menschen kein statisches Zeichen sehen, sondern Modelle, die eben auch die Entstehung des Zeichens beinhalten. Genau das sollte das neue Programm auch können.

Test Mensch oder Computer

Brenden Lake

Welche Zeichen wurden von einem Computer gezeichnet? (Lösungen Reihe für Reihe: B, A; A, B; A, B.)

Das Programm funktioniert dabei anders als die meisten momentan beliebten Methoden des maschinellen Lernens, Tennenbaum nennt es ein Programm der etwas anderen Art. Es sei nicht nur ein Code, den sie geschrieben haben. Denn das, was das Programm lernt - seine Konzepte - seien wiederum Programme, die mit Wahrscheinlichkeiten hantieren. Bei jedem Durchlauf entstehen so neue Ergebnisse bzw. Programme. Das ähnle dem menschlichen Lernen, auch unsere Konzepte seien eher Programme, die Wahrscheinlichkeiten beinhalten.

Annähernd menschlich

So funktioniert das neue Programm: Auf Basis der Daten stellt der Computer mit Hilfe von Wahrscheinlichkeiten Vermutungen an. Zusätzlich soll er mehr als nur Eigenschaften erfassen oder Pixel durchrastern, sondern dahinterliegende Modelle der Produktion erkennen. In Bezug auf Schriftzeichen bedeutet das z.B., das Programm rät bzw. probiert, welches der effizienteste und einfachste Weg ist, ein Zeichen zu zeichnen. Bereits erlernte Konzepte fließen in den Verarbeitungsprozess mit ein.

Getestet wurde die Methode mit 1.600 Schriftzeichen aus 50 Schriftsystemen, darunter z.B. Sanskrit und Tibetisch, aber auch erfundene Zeichen wie jene aus der TV-Serie "Futurama". Tatsächlich lernt das Programm Schriftzeichen, auch wenn diese ihm nur wenige Male vorgelegt wurden. Laut den Forschern erzielt der Ansatz annähernd menschliche Leistungen und war im Test "Deep learning"- Methoden deutlich überlegen.

Wie ähnlich die Leistung der menschlichen war, haben die Wissenschaftler durch eine Art visuellen Turing-Test überprüft. Menschen sollten beurteilen, ob ein Zeichen von einer Maschine oder einem Menschen produziert worden ist - in den meisten Fällen konnten die Betrachter die Unterschiede nicht erkennen.

Dennoch steckt der Ansatz laut den Forschern noch in den Kinderschuhen. Menschen erkennen viel mehr verborgene Strukturen als der Algorithmus, der zudem momentan nur bei handschriftlichen Zeichen funktioniert. Aber es sei durchaus denkbar, die Idee auch auf andere symbolische Systeme wie etwa gesprochene Sprache auszuweiten.

Eva Obermüller, science.ORF.at

Mehr zum Thema: