Einparken mit zwölf Neuronen

Foto: Ramin Hasani, TU Wien: »Der Output des neuronalen Netzes wird bei uns in das Lenken des Fahrzeugs umgesetzt.« Foto: Ramin Hasani, TU Wien: »Der Output des neuronalen Netzes wird bei uns in das Lenken des Fahrzeugs umgesetzt.« Foto: TU Wien

Die TU Wien entwickelte einen neuen Ansatz für die Programmierung Künstlicher Intelligenz und nahm sich dafür natürliche Nervenbahnen zum Vorbild.

Ein natürliches Gehirn funktioniert nicht nach Befehlen mit klaren logischen Anweisungen, sondern durch ein Netz von Zellen, die miteinander kommunizieren. Wissenschafter der TU Wien erarbeiteten nun einen neuen Ansatz für die Programmierung solcher neuronalen Netze, der die zeitliche Entwicklung der Nervensignale völlig anders beschreibt als bisher.

Sie ließen sich dabei von einem besonders einfachen und gut erforschten Lebewesen, dem Fadenwurm C. elegans, inspirieren. Mittels einer Simulation seines Gehirns am Computer und speziell angepassten Lernalgorithmen gelang es, bemerkenswerte Aufgaben zu lösen. Obwohl das Netzwerk des Wurms nur über zwölf Neuronen verfügt, kann man es beispielsweise trainieren, ein Auto in eine Parklücke zu manövrieren. Auch andere Anwendungen wie Objekt- oder Spracherkennung sind möglich.

»Neuronale Netze müssen zuerst trainiert werden«, erklärt Ramin Hasani vom Institut für Computer Engineering der TU Wien. »Man liefert einen bestimmten Input und passt die Verbindungen zwischen den Neuronen so an, dass am Ende möglichst zuverlässig der richtige Output geliefert wird.« Der Input kann etwa ein Bild sein und der Output der Name der Person, die darauf zu sehen ist. Während man bei komplexeren neuronalen Netzen nur das Ergebnis analysieren kann und die Abläufe im Inneren unüberschaubar sind, lässt das kleinere Netz der TU Wien Rückschlüsse zu, welche Nervenzellen welche Effekte hervorrufen. Autos werden vermutlich auch in Zukunft nicht von Würmern eingeparkt – mit der richtigen Architektur im Hintergrund kann Künstliche Intelligenz jedoch deutlich leistungsfähiger sein, als bisher angenommen.

back to top