Wie Künstliche Intelligenz Objekte anders wahrnimmt als Menschen

LEIPZIG / LONDON (IT BOLTWISE) – Die Art und Weise, wie Künstliche Intelligenz (KI) die Welt wahrnimmt, unterscheidet sich grundlegend von der menschlichen Wahrnehmung. Wissenschaftler haben einen innovativen Ansatz entwickelt, um die Unterschiede in der Wahrnehmung von Objekten zwischen Menschen und KI zu analysieren.

In einer kürzlich durchgeführten Studie haben Forscher einen neuen Ansatz entwickelt, um die Wahrnehmung von Objekten durch Künstliche Intelligenz (KI) im Vergleich zu Menschen zu untersuchen. Dabei wurden rund fünf Millionen Ausschluss-Urteile über 1.854 Objektbilder analysiert. Die Teilnehmer der Studie wurden gebeten, aus einer Auswahl von Bildern, wie einer Gitarre, einem Elefanten und einem Stuhl, das Bild auszuwählen, das nicht zu den anderen passt.

Die Forscher nutzten tiefe neuronale Netze (DNNs), um die Bilder ähnlich wie menschliche Teilnehmer zu erkennen. Diese Netze sammelten Ähnlichkeitsurteile für die gleichen Objektbilder, die auch den menschlichen Teilnehmern gezeigt wurden. Anschließend wurde ein Algorithmus angewendet, um die Schlüsselmerkmale dieser Bilder zu ermitteln, die den Ausreißerentscheidungen zugrunde liegen.

Florian Mahner, der Erstautor der Studie, erklärt, dass diese Dimensionen verschiedene Eigenschaften von Objekten repräsentieren. Diese reichen von rein visuellen Aspekten wie ‘rund’ oder ‘weiß’ bis hin zu semantischen Eigenschaften wie ‘tierbezogen’ oder ‘feuerbezogen’. Viele Dimensionen enthalten sowohl visuelle als auch semantische Elemente.

Ein wesentlicher Unterschied wurde festgestellt: Während Menschen sich vor allem auf Dimensionen konzentrieren, die mit der Bedeutung eines Objekts zusammenhängen, verlassen sich KI-Modelle stärker auf visuelle Eigenschaften wie Form oder Farbe. Diese Erkenntnis zeigt, dass KI-Modelle die Welt auf eine Weise wahrnehmen, die sich von der menschlichen Wahrnehmung unterscheidet.

Die Ergebnisse dieser Studie haben weitreichende Implikationen für die Entwicklung von KI-Systemen. Sie könnten dazu beitragen, KI-Modelle zu verbessern, indem sie ihnen helfen, semantische Eigenschaften besser zu verstehen und zu interpretieren. Dies könnte insbesondere in Bereichen wie der Bildverarbeitung und der Objekterkennung von Bedeutung sein.

In der Praxis könnte dies bedeuten, dass KI-Systeme in der Lage sein werden, komplexere Aufgaben zu bewältigen, die ein tieferes Verständnis der Bedeutung von Objekten erfordern. Dies könnte zu Fortschritten in der Automatisierung und der Entwicklung intelligenterer Systeme führen, die in der Lage sind, menschliche Entscheidungen besser zu simulieren.

Die Studie zeigt auch, dass es noch viel Raum für Verbesserungen in der Art und Weise gibt, wie KI-Modelle trainiert werden. Indem sie lernen, sowohl visuelle als auch semantische Dimensionen zu berücksichtigen, könnten zukünftige KI-Systeme noch leistungsfähiger und vielseitiger werden.

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!