Neuronale Netzwerke ohne Dirigenten: Ein neuer Ansatz in der KI

LONDON (IT BOLTWISE) – In der Welt der Künstlichen Intelligenz gibt es immer wieder neue Ansätze, die versuchen, die Funktionsweise des menschlichen Gehirns nachzuahmen. Ein Forscherteam hat nun einen innovativen Typ von neuronalen Netzwerken entwickelt, der sich stärker am biologischen Vorbild orientiert und ohne zentrale Steuerung auskommt.

Die Verarbeitung von Daten in neuronalen Netzwerken stellt eine der größten Herausforderungen in der Künstlichen Intelligenz dar. Während herkömmliche Computerprogramme sequenziell arbeiten, verteilen neuronale Netzwerke die Rechenlast parallel über viele Knotenpunkte. Dies führt dazu, dass die Informationsverarbeitung nicht an einem bestimmten Punkt, sondern über das gesamte Netzwerk hinweg erfolgt. Besonders bei großen Netzwerken wird es schwierig, die Prozesse nachzuvollziehen und zu verstehen, ob die Ergebnisse sinnvoll sind.

Ein Forscherteam hat nun einen neuen Typ von neuronalen Netzwerken entwickelt, der sich stärker am biologischen Vorbild orientiert. Anstatt die Informationsverarbeitung über das gesamte Netzwerk zu verteilen, wird sie lokal organisiert. Dies bedeutet, dass die Lernprozesse der Neuronen hauptsächlich von ihrem direkten Umfeld bestimmt werden. Diese lokale Organisation erleichtert das Verständnis der Lernprozesse und die Interpretation des Netzwerkverhaltens.

Zur Entwicklung dieses neuen Typs von neuronalen Netzwerken wurde eine neuartige Version der Informationstheorie verwendet, die sogenannte ‘partielle Informationszerlegung’. Diese Theorie ermöglicht es, für einzelne Neuronen Zielfunktionen zu definieren, die festlegen, wie Informationen aus verschiedenen Quellen kombiniert und weitergegeben werden sollen. Im Gegensatz zu herkömmlichen neuronalen Netzwerken, bei denen das gesamte Netzwerk eine Aufgabe erhält, können bei diesem neuen Ansatz benachbarte Neuronen die Informationen selbstständig untereinander aufteilen.

In der Praxis bedeutet dies, dass bestimmte Neuronen oder Neuronenverbände in der Lage sind, spezifische Merkmale zu erkennen, wie zum Beispiel die Form von Ohren oder Nasen auf Bildern. Diese Organisation der Informationsverarbeitung wird als ‘infomorphe Neuronen’ bezeichnet. Beim Training des Netzwerks müssen den Neuronen neben der Zielfunktion zusätzliche Signale als Kontext gesendet werden. Dennoch organisiert sich das Netzwerk beim Lernen selbstständig, ohne dass eine Optimierung von außen notwendig ist.

Derzeit arbeitet das Forscherteam mit Netzwerken von etwa 2000 künstlichen Neuronen. Obwohl diese Netzwerke in einfachen Fällen bereits vergleichbare Leistungen zu etablierten Modellen erzielen können, stellt die Einrichtung tiefer Netzwerke mit mehreren Schichten eine Herausforderung dar. Diese tiefen Netzwerke sind jedoch entscheidend für die jüngsten Durchbrüche in der Künstlichen Intelligenz.

Ob dieser neue Ansatz in Zukunft als Künstliche Intelligenz genutzt werden kann, bleibt abzuwarten. Es ist jedoch wichtig zu beachten, dass auch die Entwicklung der heutigen tiefen neuronalen Netzwerke viele Jahre in Anspruch genommen hat. Die Forscher stehen mit ihren infomorphen Neuronen noch am Anfang, doch die bisherigen Ergebnisse sind vielversprechend.

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