Schon Kinder sehen auf einen Blick, dass ein vierrädriges Spielzeug ein Auto darstellt, während etwas mit zwei Rädern wohl ein Fahr- oder Motorrad ist – und dass beides Menschen befördert. Ein noch so leistungsstarker Computer tut sich damit ungleich schwerer. Bis er eine bestimmte Klasse von Objekten halbwegs richtig erkennt, müssen menschliche Lehrer ihn lange trainieren, indem sie ihm Hunderte von Beispielen vorführen. Mit der Spontaneität und Flexibilität menschlicher Begriffsbildung kann bislang keine Maschine auch nur entfernt mithalten.

Wie schaffen wir es, Dinge augenblicklich zu identifizieren? Lässt sich ein Computer ähnlich schlau machen? Die Informatiker Brenden M. Lake von der New York University und Ruslan Salakhutdinov von der University of Toronto (Kanada) sowie der Kognitionsforscher Joshua B. Tenenbaum vom Massachusetts Institute of Technology in Cambridge präsentieren nun eine neue Methode dazu: bayessches Programmlernen, kurz BPL.

Der von den drei Forschern entwickelte Algorithmus ermittelt bedingte Wahrscheinlichkeiten, wie sie der englische Mathematiker Thomas Bayes (1701 – 1761) erstmals vorschlug, um in die Abschätzung eines mutmaßlichen Resultats bereits gewonnenes Vorwissen einfließen zu lassen. Das Programm probiert mögliche Begriffe aus, indem es schon bekannte Informationen nutzt – etwa: Das Runde da ist wahrscheinlich ein Rad, ein Wagen hat meist vier Stück davon, also ist das Ganze vermutlich ein Auto. ...