Direkt zum Inhalt
Login erforderlich
Dieser Artikel ist Abonnenten von Gehirn&Geist frei zugänglich.

Künstliche Intelligenz: Lernen wie ein Kind

Kinder begreifen oft blitzschnell. ­Wie ihnen das gelingt, untersuchen inzwischen auch ­Neuroinformatiker. Ihr Wissen soll intelligente Maschinen dazu ­bringen, eigenständig zu lernen.
Roboter mit Geduldsspiel

Wie schaffen es kleine Kinder, in so kurzer Zeit so viel zu lernen? Seit Platons Zeiten zerbrechen sich Philosophen den Kopf darüber, haben jedoch bislang keine befriedigende Antwort gefunden. Mein fünfjähriger Enkel Augie etwa weiß jede Menge über Pflanzen, Tiere und Uhren, von Dinosauriern und Raumschiffen ganz zu schweigen. Außerdem hat er eine Ahnung davon, was andere Menschen von ihm erwarten, wie sie denken und fühlen. Er ordnet mit diesem Wissen neue Eindrücke ein und zieht daraus seine Schlüsse. So erklärte er mir vor Kurzem, die zurzeit im American Museum of Natural History in New York ausgestellte, neu entdeckte Art von Titanosauriern zähle ebenfalls zu den Pflanzenfressern, sei also eher harmlos.

Dabei ist die Information, die Augie von seiner Umwelt aufnimmt, sehr abstrakt und besteht lediglich aus Photonen, die auf die Netzhaut seiner Augen treffen, und Luftschwingungen, die seine Trommelfelle in Bewegung versetzen. Gleichwohl schafft es der neuronale Computer, der sich hinter Augies blauen Augen verbirgt, damit allerhand Wissen über Pflanzen fressende Titanosaurier anzuhäufen. Da stellt sich die Frage: Können elektronische Rechner das auch? …

5/2018

Dieser Artikel ist enthalten in Gehirn&Geist 5/2018

Kennen Sie schon …

45/2018

Spektrum - Die Woche – 45/2018

In dieser Ausgabe widmen wir uns Flüssen, der Teilchenphysik und den Pflanzen.

Künstliche Intelligenz - Wie Maschinen lernen lernen

Spektrum Kompakt – Künstliche Intelligenz - Wie Maschinen lernen lernen

Es ist schon lange keine Sciencefiction mehr: Maschinen lernen, teils komplett auf sich selbst gestellt, Dinge oder Prozesse, die bislang nur Menschen beherrschten. Doch wie funktioniert das? Was steckt hinter Begriffen wie maschinelles Lernen, deep learning und neuronale Netze?

Spezial Physik - Mathematik - Technik 3/2018

Spektrum der Wissenschaft – Spezial Physik - Mathematik - Technik 3/2018: Technik für morgen

Elektromobilität • Künstliche Intelligenz • Bitcoin • Autonomes Fahren • Quantencomputer • Blockchain • Neuronale Netze

Lesermeinung

Beitrag schreiben

Wir freuen uns über Ihre Beiträge zu unseren Artikeln und wünschen Ihnen viel Spaß beim Gedankenaustausch auf unseren Seiten! Bitte beachten Sie dabei unsere Kommentarrichtlinien.

Tragen Sie bitte nur Relevantes zum Thema des jeweiligen Artikels vor, und wahren Sie einen respektvollen Umgangston. Die Redaktion behält sich vor, Leserzuschriften nicht zu veröffentlichen und Ihre Kommentare redaktionell zu bearbeiten. Die Leserzuschriften können daher leider nicht immer sofort veröffentlicht werden. Bitte geben Sie einen Namen an und Ihren Zuschriften stets eine aussagekräftige Überschrift, damit bei Onlinediskussionen andere Teilnehmer sich leichter auf Ihre Beiträge beziehen können. Ausgewählte Lesermeinungen können ohne separate Rücksprache auch in unseren gedruckten und digitalen Magazinen veröffentlicht werden. Vielen Dank!

  • Quellen

Gopnik, A., Tenenbaum, J.: Bayesian Networks, Bayesian Learning and Cognitive Development. In: Developmental Science 10, S. 281-287, 2007

Gopnik, A.: The Gardener and the Carpenter: What the New Science of Child Development Tells Us about the Relationship between Parents and Children. Farrar, Straus & Giroux, New York 2016

Lake, B. M. et al.: Human-Level Concept Learning through Probabilistic Program Induction. In: Science 350, S. 1332-1338, 2015

Mnih, V. et al.: Human-Level Control through Deep Reinforcement Learning. In: Nature 518, S. 529-533, 2015