System der Künstlichen Intelligenz lernt durch Bestrafung und Belohnung

Ein simpler Forschungsansatz beweist, dass KI-Systeme ihr Wissen ähnlich wie Menschen für verschiedene Tätigkeiten einsetzen können, ohne im Vorfeld spezifisch trainiert worden zu sein.

Forscher des chinesischen Suchmaschinenriesen Baidu nutzen Modelle der Belohnungen und Bestrafungen, um KI-Systeme zu trainieren. Jedes Mal, wenn eine Künstliche Intelligenz im virtuellen 2D-Labyrinth an einer Wand anstieß, wurde sie bestraft. Konnte ein Objekt hingegen erfolgreich lokalisiert werden, folgte eine Belohnung. Der virtuelle Agent hat so nicht nur mit einem Begriff verknüpfte Gegenstände erkannt, sondern entwickelte auch ein grundlegendes Verständnis für Grammatik.

"Bei diesem Ansatz handelt es sich um ein behavioristisches Lernmodell, wie es in den 1950er-Jahren noch üblich war. Vor allem im menschlichen Kontext könnte man daher anmerken, dass diese Vorgehensweise etwas überholt erscheint", erläutert Peter Purgathofer vom Institut für Gestaltungs- und Wirkungsforschung der TU Wien.

Kein Training
Den Forschern zufolge ist die Durchführung einer neuen Aufgabe für Menschen leicht, während KI-Systeme noch Probleme damit haben. Obwohl diese beispielsweise wissen, wie eine Drachenfrucht aussieht, können sie den Befehl "Schneide die Drachenfrucht mit einem Messer!" erst ausführen, wenn sie mit einem Datensatz trainiert worden sind, der exakt diese Anweisung enthält. Im Gegensatz dazu hat der virtuelle Agent demonstriert, dass er das Wissen um die Erscheinung einer Drachenfrucht sowie die Aufgabe "Schneide X mit einem Messer!" erfolgreich miteinander verbunden hat, ohne explizit mit diesem Befehl trainiert worden zu sein.

Obwohl es sich hierbei um einen simplen Forschungsansatz handelt, stellt er unter Beweis, dass KI-Systeme ihr Wissen ähnlich wie Menschen für verschiedene Tätigkeiten einsetzen können, ohne im Vorfeld mit der spezifischen Aufgabenstellung konfrontiert worden zu sein.