Forscher der Technischen Universität München haben herausgefunden, dass künstliche neuronale Netzwerke besser funktionieren, wenn sie mit biologischen Daten aus der frühen Entwicklung des Sehsinns trainiert werden. Die Wissenschaftler nutzten dafür sogenannte retinale Wellen von Mäusen, die noch vor dem eigentlichen Sehprozess auftreten.
Die so trainierten Netzwerke konnten Bewegungen in animierten und realen Videos präziser vorhersagen als herkömmlich trainierte Systeme.
Die retinalen Wellen entstehen, bevor Wirbeltiere ihre Augen öffnen, und dienen als eine Art Trainingsprogramm für das visuelle System. Die Forscher übertrugen dieses Prinzip auf künstliche neuronale Netzwerke. In Tests mit einem Animationsfilm und realen Aufnahmen einer Katzenkamera schnitten die prä-trainierten Netzwerke deutlich besser ab. Sie waren nicht nur genauer, sondern auch schneller in ihren Vorhersagen.
Die Ergebnisse der Studie könnten für verschiedene KI-Anwendungen relevant sein, von autonomen Fahrzeugen bis zur Robotik. Die Forscher sehen in ihrem Ansatz einen vielversprechenden Weg, künstliche Intelligenz effizienter zu trainieren. Die Studie wurde im Fachjournal ‚PLoS Computational Biology‘ veröffentlicht. (dts Nachrichtenagentur)