Künstliche Intelligenz mit der richtigen Architektur ist leistungsfähiger als bisher gedacht. So haben Wiener Forscher ein kleines Auto mithilfe eines neuronales Netzwerks aus nur zwölf Neuronen in eine Parklücke gesteuert.
Ein kleines Fahrzeug wird in eine Parklücke gesteuert – mit einem neuronalen Netzwerk aus nur zwölf Neuronen, angelehnt an das Gehirn eines Wurms.
TU Wien
Künstliche Intelligenz muss nicht sehr kompliziert sein, um komplexe Aufgaben in einer physisch realen Umgebung zu lösen. Das belegen Forscher der TU Wien, die einen neuen Ansatz für die Programmierung neuronaler Netze entwickelt haben, der die zeitliche Entwicklung der Nervensignale völlig anders beschreibt als bisher. Als Vorbild für ihr lernfähiges System diente das Gehirn des Fadenwurms C. elegans. Aus nur zwölf künstlichen Neuronen konstruierten die Wissenschaftler ein Netzwerk, das intelligent und vielseitig genug ist, um ein kleines Auto an einen vorherbestimmten Ort zu manövrieren.
Gehirn des Fadenwurms war Vorbild
Der neue Ansatz sieht so aus: Der Forscher Ramin Hasani von Institut für Computer Engineering der TU Wien und sein Team haben eine neuartige RNN (recurrent neural networks)-Architektur entwickelt, die auf biophysikalischen Modellen von Neuronen und Synapsen beruht und zeitabhängige Dynamik erlaubt. "In einem gewöhnlichen RNN-Modell gibt es eine unveränderliche Verbindung zwischen Neuron eins und Neuron zwei, die festlegt, wie stark das eine Neron die Aktivität des anderen beeinflusst", erklärt Hasani. "In unserem neuartigen RNN ist diese Verbindung eine nichtlineare Funktion der Zeit."
Indem man zulasse, dass sich die Zellaktivität und die Verbindungen zwischen den Zellen mit der Zeit veränderten, eröffne man völlig neue Möglichkeiten, so die Forscher. Sie konnten mathematisch zeigen, dass sich mit dieser Methode im Prinzip neuronale Netze mit beliebiger Dynamik erzeugen lassen. Um die Vielseitigkeit des neuen Typs neuronaler Netze zu demonstrieren, entwickelten und trainierten sie ein spezielles kleines Neuro-Netzwerk: "Wir bildeten das Nervensystem nach, das der Fadenwurm C. elegans verwendet, um einen ganz einfachen Reflex zu realisieren – nämlich das Rückzugsverhalten bei einer Berührung", sagt Mathias Lechner (derzeit am Institute of Science and Technology Austria). "Das neuronale Netz wurde stimuliert und trainiert, um reale Aufgaben zu lösen."
Kleines Neuro-Netzwerk parkt Auto
Der Erfolg sei erstaunlich: Obwohl es sich um ein kleines, einfaches Netz mit nur zwölf Nervenzellen handele, könne es (nach der entsprechenden Optimierung der Nervenverbindungen) bemerkenswert komplexe Aufgaben lösen. So lasse sich das Netz trainieren, ein Fahrzeug in eine Parklücke zu manövrieren. "Der Output des neuronalen Netzes, der in der Natur die Bewegung des Fadenwurms steuern würde, wird bei uns in das Lenken und Beschleunigen des Fahrzeugs umgesetzt", sagt Hasani. "Wir beweisen damit, dass mit unserer Methode sehr einfache neuronale Netze komplizierte Aufgaben in einer physisch realen Umgebung lösen können".
Zusätzlich habe die neue Methode den Vorteil, dass sie einen besseren Einblick in die Funktionsweise des neuronalen Netzes biete: Während man bei bisherigen neuronalen Netzen, die oft aus vielen tausend Knotenpunkten bestanden, nur das Ergebnis analysieren kann und die Abläufe im Inneren unüberschaubar komplex sind, lasse sich beim kleineren aber leistungsfähigen Netz der TU Wien zumindest teilweise verstehen, welche Nervenzellen welche Effekte hervorrufen. "Für die Forschung und die weitere Verbesserung des Konzeptes ist das ein großer Vorteil", sagt Hasani.