DE | Deutsch
Wenn Maschinenhirne denken – künstliche Intelligenz visualisiert.
Nicht nur biologische Gehirne können lernen, sondern auch artifizielle Denkapparate. Diesen Prozess hat das britische Start-up Graphcore während seiner Arbeit mit verschiedensten neuronalen Netzen bildlich festgehalten. Künstlichen Intelligenzen also, deren Architektur der des menschlichen Gehirns nachempfunden ist.

(Bilder ©  Graphcore
Die entstandenen Aufnahmen sind abstrakte Visualisierungen der Vorgänge, die ablaufen, während die Systeme den Aufbau und die Muster eines Bildes aufschlüsseln, um so dessen Inhalt zu klassifizieren. Eine Aufgabe, die für den Menschen sehr einfach, aber für einen digitalen Verstand sehr herausfordernd ist.

Die Anhäufungen und Verdichtungen, die zu sehen sind, sind das Resultat der Kommunikation zwischen den einzelnen Prozessen. Dazwischen spannen sich dann die Verbindungen unter den einzelnen Ebenen, in denen diese angeordnet sind.


Sally Doherty, Graphcore

Ähnlich dem menschlichen Gehirn agieren nämlich auch hier Nervenzellen und leitfähige Bahnen – nur eben in Form künstlich-digitaler Repliken. Diese sind in hierarchisch nachgeordneten Schichten sortiert. Je mehr Schichten und Neuronen vorhanden sind, umso größer wird das Abstraktionsvermögen der künstlichen Intelligenz. Je dichter und kompakter die Zusammenballungen auf den Bildern ausfallen umso konzentrierter arbeiten Kollektive von Neuronen gemeinsam an einem Problem. Vor allem in dieser Hinsicht gleichen die Visualisierungen, die als Beiwerk des Software-Frameworks Poplar entstanden, den sogenannten Magnetoenzephalografieaufnahmen eines biologischen Denkapparats.

maschinenhirne_2.jpg

Diese Bilder sind visuelle Interpretationen der Arbeit von künstlichen neuronalen Netzen. Optisch erinnern sie an MEG-Aufnahmen eines Gehirns oder eines lebenden Zellkerns. Die zellartigen Häufungen repräsentieren miteinander verkoppelte Prozesse. Die feinen Linien dazwischen zeigen Verbindungen durch die Schichten, auf denen die Neuronen angeordnet sind.

Die Grafiken entstanden als Beiwerk der Software Poplar. Das Framework des Start-ups Graphcore soll künstliche Intelligenzen einfacher und schneller programmierbar machen. Eines der Ziele bei der Entwicklung neuronaler Netze ist es, ihnen nebst einer sequenziellen auch die parallele Verarbeitung von Informationen zu ermöglichen.

Die bei einzelnen Aufgaben anfallenden Resultate und gesammelten Daten helfen einem neuronalen Netz später bei weiteren Problemstellungen. Laut Sally Doherty wäre dies das „digitale Äquivalent zur menschlichen Erfahrung“. Sei es etwa die Erkenntnis, dass Katzen spitze Ohren haben oder Manager meist Krawatten tragen. Daher können neuronale Netze durch Trainingsprozesse wie das Deep Learning gezielt für das Erkennen spezieller Muster ausgebildet werden.

 

Die Leistungen solcher Systeme entwickeln sich rasant. Geht es nach Technologievisionären wie Google-Forscher Ray Kurzweil, könnten Menschen schon in weniger als 20 Jahren stetig mit intelligenten Computersystemen verknüpft sein. Diese würden uns dann beim Denken unterstützen und beispielsweise in einem fremden Landeigentlich unbekannte Straßenzüge erkennen oder Sprachen verstehen lassen.

 

maschinenhirne_1.jpg

Hier absolviert ein von Microsoft realisiertes künstliches neuronales Netz der Architektur ResNet ein Training zur Bilderkennung. Seit 2010 gibt es mit der ImageNet Challenge einen gesonderten Wettbewerb in dieser Disziplin.

Verschiedene künstliche Intelligenzen basieren auf unterschiedlichen Architekturen, die jeweils eigene Spezialisierungen möglich machen. Das System AlexNet ist vor allem für Tätigkeiten wie Gesichtserkennung prädestiniert.

Bislang ist die Nutzbarkeit von künstlichen Intelligenzen noch recht begrenzt. Doch in wenigen Jahren können sie psychologische Störungen diagnostizieren und ganze Städte planen. Visionäre glauben gar, sie würden zu einem Teil unserer Denkprozesse werden.

Veröffentlicht am 20.11.2017.