Die Natur macht es vor, der Mensch baut es nach: KI-Forscher versuchen, das Geruchslernverhalten einer Motte als künstliches neuronales Netz nachzubilden. Offenbar mit Erfolg.
Forscher der Universität Washington in Seattle experimentieren mit einem tiefen neuronalen Netzwerk, das nach dem Geruchslernverhalten einer Motte – dem Tabakschwärmer - modelliert wurde.
Sie stützen sich bei der Entwicklung des KI-Modells auf die Erkenntnisse von Neurowissenschaftlern, die das Riechsystem der Motte bereits ausführlich analysiert und dokumentiert haben. Es besteht vereinfacht aus fünf Schichten, wobei eine Schicht Informationen verarbeitet und an die nächste Schicht übergibt. Künstliche neuronale Netze sind ähnlich angelegt.
Digitaler Botenstoff als Lernverstärker
Der Unterschied zwischen Motten- und Kunsthirn liegt im Lernprozess selbst: Ein mehrschichtiges neuronales Netz vergleicht das Ergebnis eines Lernprozesses mit einem Zielwert und rechnet mit einer möglichen Differenz rückwärts erneut durch alle Schichten (Fehlerrückführung, Backpropagation). Dabei optimiert es neuronale Verbindungen, bis der erwünschte Zielwert erreicht ist.
Die Motte hingegen nutzt einen speziellen Botenstoff, um erfolgreiche neuronale Verbindungen durch Belohnung zu verstärken. Für das Mottenmodell simulierten die KI-Forscher diesen Mechanismus, der sich bei bisherigen Untersuchungen auch digital als deutlicher Lernverstärker erwies.
Laut den Forschern arbeitet das künstliche Mottenhirn ähnlich gut wie die biologische Vorlage und kann neue Gerüche verlässlich erlernen. Diese "bioinspirierten Mechanismen" sollen zukünftig beim Aufbau neuronaler Netze helfen, die mit weniger Trainingsdaten schnell lernen.
Eine ausführliche Zusammenfassung des Forschungsprojekts steht bei Technology Review. Die wissenschaftliche Veröffentlichung ist hier zu finden.
