Ein neuronales Netzwerk kann lernen, die Welt, die es sieht, in Konzepten zu organisieren – genau wie wir es tun

Gabriel Santiago | abspritzen





GANs oder Generative Adversarial Networks sind das Social-Media-Starlet der KI-Algorithmen. Sie sind verantwortlich für die Erstellung des ersten KI-Gemäldes, das jemals zu einem Preis verkauft wurde Kunstauktion und für Promi-Gesichter überlagern auf den Körpern von Pornostars. Sie arbeiten, indem sie zwei neuronale Netze gegeneinander ausspielen, um realistische Ausgaben basierend auf dem, was ihnen zugeführt wird, zu erzeugen. Füttere einen mit vielen Hundefotos und es können völlig neue Hunde entstehen; Füttere es mit vielen Gesichtern und es kann neue Gesichter erschaffen .

So gut sie Unheil anrichten können, erkannten Forscher des MIT-IBM Watson AI Lab, dass GANs auch ein mächtiges Werkzeug sind: Weil sie malen, was sie denken, könnten sie Menschen einen Einblick geben, wie neuronale Netzwerke lernen und argumentieren. Dies ist etwas, was die breitere Forschungsgemeinschaft seit langem gesucht hat – und es wird immer wichtiger, da wir uns zunehmend auf Algorithmen verlassen.

Wir haben die Möglichkeit, zu lernen, was ein Netzwerk weiß, wenn es versucht, die visuelle Welt neu zu erschaffen, sagt David Bau, ein MIT-Doktorand, der an dem Projekt mitgearbeitet hat.



Also begannen die Forscher, die Lernmechanik eines GAN zu untersuchen, indem sie es mit verschiedenen Fotos von Landschaften fütterten – Bäume, Gras, Gebäude und Himmel. Sie wollten sehen, ob es lernen würde, die Pixel in sinnvolle Gruppen zu organisieren, ohne dass ihnen explizit gesagt wird, wie.

Erstaunlicherweise tat es das im Laufe der Zeit. Indem sie verschiedene Neuronen ein- und ausschalteten und das GAN baten, zu malen, was es dachte, fanden die Forscher unterschiedliche Neuronencluster, die beispielsweise gelernt hatten, einen Baum darzustellen. Andere Cluster stellten Gras dar, während wieder andere Wände oder Türen darstellten. Mit anderen Worten, es war gelungen, Baumpixel mit Baumpixeln und Türpixel mit Türpixeln zu gruppieren, unabhängig davon, wie diese Objekte im Trainingssatz die Farbe von Foto zu Foto änderten.

Die GAN weiß, keine Türen in den Himmel zu malen. MIT-Labor für Informatik und künstliche Intelligenz



Diese GANs sind Lernkonzepte, die sehr stark an Konzepte erinnern, denen Menschen Worte gegeben haben, sagt Bau.

Nicht nur das, die GAN schien auch zu wissen, welche Art von Tür je nach Art der auf einem Bild abgebildeten Wand gestrichen werden sollte. Es würde eine Tür im georgianischen Stil auf ein Backsteingebäude mit georgianischer Architektur oder eine Steintür auf ein gotisches Gebäude malen. Es weigerte sich auch, irgendwelche Türen auf ein Stück Himmel zu malen. Ohne dass man es ihm gesagt hätte, hatte die GAN irgendwie bestimmte unausgesprochene Wahrheiten über die Welt erfasst.

Das war eine große Offenbarung für das Forschungsteam. Es gibt bestimmte Aspekte des gesunden Menschenverstands, die sich abzeichnen, sagt Bau. Es war bisher unklar, ob es eine Möglichkeit gibt, so etwas [durch Deep Learning] zu lernen. Dass es ist Möglich deutet darauf hin, dass Deep Learning uns der Funktionsweise unseres Gehirns näher bringen kann, als wir bisher dachten – obwohl dies noch lange nicht eine Form von Intelligenz auf menschlicher Ebene ist.



Andere Forschungsgruppen haben laut Bau damit begonnen, ähnliche Lernverhalten in Netzwerken zu finden, die mit anderen Arten von Daten umgehen. In der Sprachforschung hat man beispielsweise Neuronencluster für Pluralwörter und Geschlechtspronomen gefunden.

In der Lage zu sein, zu erkennen, welche Cluster welchen Konzepten entsprechen, ermöglicht es, die Ausgabe des neuronalen Netzwerks zu steuern. Baus Gruppe kann zum Beispiel nur die Baumneuronen einschalten, damit das GAN Bäume malt, oder nur die Türneuronen einschalten, damit es Türen malt. Sprachnetzwerke können auf ähnliche Weise manipuliert werden, um ihre Ausgabe zu ändern – sagen wir, um das Geschlecht der Pronomen zu tauschen, während sie von einer Sprache in eine andere übersetzen. Wir fangen an, einer Person die Möglichkeit zu geben, Eingriffe vorzunehmen, um unterschiedliche Ergebnisse zu erzielen, sagt Bau.

Das Team hat jetzt eine App namens veröffentlicht GANpaint das macht diese neu entdeckte Fähigkeit zu einem künstlerischen Werkzeug. Es ermöglicht Ihnen, bestimmte Neuronencluster einzuschalten, um Szenen von Gebäuden auf Grasfeldern mit vielen Türen zu malen. Abgesehen von seiner Dummheit als spielerisches Ventil spricht es auch für das größere Potenzial dieser Forschung.

Das Problem mit der KI ist, dass man ihr enormes Vertrauen entgegenbringt, wenn man sie bittet, eine Aufgabe für einen zu erledigen, sagt Bau. Du gibst deinen Input, es denkt „genial“ und gibt dir etwas Output. Selbst wenn Sie einen menschlichen Experten hätten, der superschlau ist, möchten Sie auch nicht so mit ihm zusammenarbeiten.

Mit GANpaint fangen Sie an, den Deckel der Blackbox abzulösen und eine Art Beziehung herzustellen. Sie können herausfinden, was passiert, wenn Sie dies tun, oder was passiert, wenn Sie das tun, sagt Hendrik Strobelt, der Schöpfer der App. Sobald Sie mit diesem Zeug spielen können, gewinnen Sie mehr Vertrauen in seine Fähigkeiten und auch in seine Grenzen.

Eine gekürzte Version dieser Geschichte erschien ursprünglich in unserem KI-Newsletter The Algorithm. Um es direkt in Ihren Posteingang geliefert zu bekommen, abonnieren Sie es hier kostenlos.

verbergen