Was wäre, wenn eine KI wie ein Baby lernen könnte? KI-Modelle werden auf großen Datensätzen trainiert, die aus Milliarden von Datenpunkten bestehen. Forscher der New York University wollten herausfinden, was solche Modelle bewirken können, wenn sie auf einem viel kleineren Datensatz trainiert werden: den Bildern und Geräuschen, die ein einzelnes Kind beim Sprechen lernt. Zu ihrer Überraschung lernte ihre KI viel von einem neugierigen Baby namens Sam.

Forscher befestigten eine Kamera an Sams Kopf und er trug sie anderthalb Jahre lang ab und zu, von seinem sechsten Lebensmonat bis kurz nach seinem zweiten Geburtstag. Das von ihm gesammelte Material ermöglichte es Forschern, einem neuronalen Netzwerk beizubringen, Wörter den Objekten zuzuordnen, die sie darstellen, berichtet Cassandra Willyard in dieser Geschichte. (Der Klick lohnt sich allein schon wegen der unglaublich süßen Bilder!)

Nahaufnahme eines lächelnden Babys, das eine Headset-Kamera trägt, mit den Gitterstäben eines Kinderbetts im Hintergrund

WAI KEEN VONG

Diese Forschung ist nur ein Beispiel dafür, wie Babys uns näher daran bringen könnten, Computern beizubringen, wie Menschen zu lernen und letztendlich KI-Systeme zu bauen, die genauso intelligent sind wie wir. Babys inspirieren Forscher seit Jahren. Sie sind aufmerksame Beobachter und ausgezeichnete Lerner. Auch Babys lernen durch Versuch und Irrtum, und Menschen werden immer intelligenter, je mehr wir über die Welt erfahren. Entwicklungspsychologen sagen, dass Babys ein intuitives Gespür dafür haben, was als nächstes passieren wird. Sie wissen zum Beispiel, dass ein Ball existiert, auch wenn er versteckt ist, dass der Ball fest ist und seine Form nicht plötzlich ändert und dass er auf einer kontinuierlichen Flugbahn rollt und sich nicht plötzlich woanders hin teleportieren kann.

Forscher von Google DeepMind versuchten, einem KI-System den gleichen Sinn für „intuitive Physik“ beizubringen, indem sie ein Modell trainierten, das lernt, wie sich Dinge bewegen, indem es sich auf Objekte in Videos und nicht auf einzelne Pixel konzentriert. Sie trainierten das Modell anhand Hunderttausender Videos, um zu lernen, wie sich ein Objekt verhält. Wenn Babys durch etwas wie einen aus dem Fenster fliegenden Ball erschreckt werden, liegt die Theorie zufolge daran, dass sich das Objekt auf eine Weise bewegt, die das physikalische Verständnis des Babys beeinträchtigt. Den Forschern von Google DeepMind gelang es außerdem, ihr KI-System dazu zu bringen, „Überraschung“ zu zeigen, wenn sich ein Objekt anders bewegte, als es gelernt hatte, dass sich Objekte bewegten.

Yann LeCun, Gewinner des Turing-Preises und leitender KI-Wissenschaftler bei Meta, argumentierte, dass es der Weg zu intelligenteren Systemen sein könnte, KI-Systemen beizubringen, wie Kinder zu beobachten. Er sagt, dass Menschen eine Simulation der Welt oder ein „Weltmodell“ in unserem Gehirn haben, das uns intuitiv erkennen lässt, dass die Welt dreidimensional ist und dass Objekte nicht verschwinden, wenn sie verschwinden. Damit können wir in wenigen Sekunden vorhersagen, wo sich ein springender Ball oder ein rasendes Fahrrad befinden wird. Er ist damit beschäftigt, völlig neue Architekturen für KI zu entwickeln, die von der Art und Weise, wie Menschen lernen, inspiriert sind. Wir haben hier seine große Wette für die Zukunft der KI besprochen.

Heutige KI-Systeme eignen sich hervorragend für bestimmte Aufgaben, etwa beim Schachspielen oder beim Erzeugen von Texten, die wie etwas aussehen, das von einem Menschen geschrieben wurde. Aber im Vergleich zum menschlichen Gehirn, der leistungsstärksten Maschine, die wir kennen, sind diese Systeme fragil. Ihnen fehlt der gesunde Menschenverstand, der es ihnen ermöglichen würde, in einer chaotischen Welt reibungslos zu agieren, differenzierter zu denken und den Menschen nützlicher zu sein. Zu untersuchen, wie Babys lernen, könnte uns dabei helfen, diese Fähigkeiten freizuschalten.

Tiefergehendes Lernen

Dieser Roboter kann einen Raum ohne Hilfe reinigen

Roboter sind in bestimmten Aufgaben gut. Sie sind zum Beispiel großartig darin, Dinge aufzuheben und zu bewegen, und sie werden sogar besser im Kochen. Während Roboter solche Aufgaben in einem Labor problemlos erledigen können, stellt es eine echte Herausforderung dar, sie in einer unbekannten Umgebung zum Arbeiten zu bringen, in der nur wenige Daten verfügbar sind.

By rb8jg

Leave a Reply

Your email address will not be published. Required fields are marked *