{"id":263506,"date":"2021-02-15T11:00:00","date_gmt":"2021-02-15T10:00:00","guid":{"rendered":"http:\/\/innovationorigins.com\/?p=263506"},"modified":"2021-02-15T11:00:00","modified_gmt":"2021-02-15T10:00:00","slug":"fadenwurm-liefert-vorbild-fur-einfachere-und-intelligentere-neuronale-netze","status":"publish","type":"post","link":"https:\/\/ioplus.nl\/archive\/de\/fadenwurm-liefert-vorbild-fur-einfachere-und-intelligentere-neuronale-netze\/","title":{"rendered":"Fadenwurm liefert Vorbild f\u00fcr einfachere und intelligentere neuronale Netze"},"content":{"rendered":"\n

Dinge wie Suchmaschinen und selbstfahrende Autos basieren auf k\u00fcnstlicher Intelligenz. Dahinter stecken komplexe neuronale Netze. Bisher konnten die zugrundeliegenden mathematischen Modelle nur mit enormen Rechenleistungen umgesetzt werden und sind f\u00fcr Menschen schwer nachvollziehbar. Professor Radu Grosu<\/a>, Leiter der Forschungsgruppe Cyber Physical Systems<\/a><\/em> an der TU Wien<\/a><\/em>, denkt schon seit Jahren dar\u00fcber nach, wie Vorbilder aus biologischen Nervensystemen k\u00fcnstliche Netzwerke besser und verst\u00e4ndlicher machen k\u00f6nnten.<\/p>\n\n\n\n

\u00dcberpr\u00fcfbarkeit<\/h3>\n\n\n\n

Neuronale Netzwerke bestehen \u2013 wie die Gehirne lebendiger Wesen \u2013 aus vielen einzelnen Zellen. Wenn eine bestimmte Aufgabe zu l\u00f6sen ist, dann sendet eine aktive Zelle ein Signal an andere Zellen. Die Summe der Signale, welche eine Zelle erh\u00e4lt, entscheidet dar\u00fcber, ob diese ebenfalls aktiv wird. Wie Zellen die Aktivit\u00e4t anderer Zellen auf diese Weise beeinflussen, bleibt zun\u00e4chst unklar. Die Parameter werden in einem automatischen Lernprozess so lange angepasst, bis das neuronale Netzwerk die Aufgabe l\u00f6sen kann.<\/p>\n\n\n\n

Auch interessant<\/strong>: Auch Roboter werden kreativer, wenn man sie ihre eignen Erfahrungen machen l\u00e4sst<\/a><\/p>\n\n\n\n

F\u00fcr Menschen ist der Lernprozess von au\u00dfen kaum einsehbar und oft nicht verst\u00e4ndlich. Weshalb man von einer Black Box<\/em> spricht. Um das Vertrauen in die K\u00fcnstliche Intelligenz<\/em> zu st\u00e4rken, sind vom Menschen \u00fcberpr\u00fcfbare Systeme gefordert.<\/p>\n\n\n\n

Zuletzt versuchte Professor Grosu das Problem in einem internationalen Forschungsprojekt zu l\u00f6sen – gemeinsam mit Forschern von Massachusetts Institute of Technology<\/em> MIT USA<\/em><\/a>, TU Wien<\/a> und Institute of<\/em> Science and Technology<\/em> IST Austria<\/a>. Das biologische Vorbild lieferte der Caenorhabditis elegans<\/em>, der Fadenwurm, einer der wichtigsten Modellorganismen der Biologie. Er ist klein, durchsichtig, gen\u00fcgsam und braucht f\u00fcr seine Entwicklung nur drei Tage. Obwohl er nur \u00fcber wenige Nervenzellen verf\u00fcgt, zeigt er doch verbl\u00fcffend interessante Verhaltensmuster. Das liegt an der effizienten und harmonischen Art, in der sein Nervensystem Informationen verarbeitet, wei\u00df Professor Grosu.<\/p>\n\n\n\n

Grundlage f\u00fcr neuronale Netze<\/h3>\n\n\n\n

Trotzdem, \u201everglichen mit der Struktur von Deep Neural Networks<\/em> (DNNs) wirkt das Nervensystem des  C. Elegans<\/em> auf den ersten Blick chaotisch\u201c, sagt Mathias Lechner, PhD-Student in der Henzinger Group<\/a><\/em> am IST Austria<\/em>. Die Grundlage f\u00fcr das neuartige neuronale Netz lieferten die Funktionen der Neuronen. Lechner: \u201eNeurowissenschafter unterteilen die Neuronen des Systems in die Gruppen Sensory, Inter <\/em>und Motor<\/em>. Bei den Inter<\/em>-Neuronen gibt es zus\u00e4tzlich die Untergruppe der Command<\/em>-Neuronen, in welchen wichtige Signalwege konzentriert sind. \u201eIm C. elegans<\/em> Nervensystem gibt es zum Beispiel Command-<\/em>Neuronen f\u00fcr Vorw\u00e4rts-<\/em> und R\u00fcckw\u00e4rts-kriechen<\/em> in denen sich die Signalwege der Bewegungssteuerung konzentrieren. Die Vorw\u00e4rts- und R\u00fcckw\u00e4rtsbewegungen sind jedoch selbst wesentlich komplexer und erfordern die Zusammenarbeit von mehreren Neuronen und Muskeln.\u201c
<\/p>\n\n\n\n

Um an die Effizienz und Harmonie<\/em> des Nervensystems von C. Elegans<\/em> heranzukommen, entwickelte die Forschergruppe neue mathematische Modelle f\u00fcr Neuronen und Synapsen. Auch f\u00fcr die die Verarbeitung der Signale innerhalb der einzelnen Zellen entwickelten sie neue mathematische Regeln, die von jenen bei bestehenden Deep Learning<\/em> Modellen abweichen. Weiters vereinfachend wirkte, dass nicht jede Zelle mit jeder Zelle verbunden wurde.<\/p>\n\n\n\n

Testszenario <\/h3>\n\n\n\n

Testszenario war das Spurhalten beim autonomen Fahren. Dabei arbeitet das neuronale Netzwerk aufgrund eines Kamerabilds von der Stra\u00dfe und entscheidet automatisch, ob nach rechts oder nach links gelenkt werden muss. Bei bestehenden Deep Learning Modellen<\/em> erfordert diese Aufgabe Millionen an Parametern. Das neue Modell der Forschergruppe kommt indessen mit nur 75.000 trainierbaren Parametern aus.<\/p>\n\n\n\n

In Vorbereitung des Tests wurden gro\u00dfe Mengen an Videos von menschgesteuertem Autofahren im Raum Boston gesammelt. Diese wurden in das Netzwerk eingegeben, gemeinsam mit der Information, wie das Auto in den jeweiligen Situationen gesteuert werden soll. Dieser Trainingsprozess w\u00e4hrt so lange, bis das System die richtige Verkn\u00fcpfung von Bild und Lenkrichtung gelernt hat und auch mit neuen Situationen selbstst\u00e4ndig umgehen kann.<\/p>\n\n\n\n

Das K\u00fcnstliche Intelligenz Modell besteht aus zwei Teilen, einem konvolutionalen Netzwerk und einem Kontrollsystem. Beide Teilsysteme werden zun\u00e4chst gemeinsam trainiert. Das konvolutionale Netzwerk hat die Aufgabe, in den visuellen Daten aus der Kamera strukturelle Bildeigenschaften zu erkennen. Die relevanten Teile des Kamerabildes gibt dieses in Form von Signalen an das Kontrollsystem weiter, welches das Fahrzeug lenkt.<\/p>\n\n\n\n

Das Kontrollsystem des neuronalen Netzwerks (genannt \u201eneural circuit policy\u201c, oder NCP), das die Daten aus dem visuellen Netz in einen Steuerungsbefehl \u00fcbersetzt, besteht aus nur 19 Zellen. Damit ist es um drei Gr\u00f6\u00dfenordnungen kleiner als bestehende State-of-the-art-Modelle.<\/p>\n\n\n\n

Interpretierbare neuronale Netze<\/h3>\n\n\n\n

Das Modell erm\u00f6glicht es, genau zu untersuchen, worauf das neuronale Netzwerk seine Aufmerksamkeit beim Fahren richtet. Es konzentriert sich auf ganz bestimmte Bereiche des Kamerabildes: Auf den Stra\u00dfenrand und den Horizont. Dieses Verhalten ist h\u00f6chst erw\u00fcnscht, und es sei einzigartig bei Systemen, die auf k\u00fcnstlicher Intelligenz beruhen. <\/p>\n\n\n\n

\u201eKlassische Deep Neural Networks<\/em> (DNNs) k\u00f6nnen ebenfalls korrekte Fokussierungen erlernen, allerdings l\u00e4sst sich die Fokussierung erst nach dem Trainingsprozess bestimmen und man kann vor dem Training nicht bestimmen, welche Elemente gelernt werden. Unser von C. elegans<\/em> inspiriertes Modell hat den Trainingsprozess implizit so beeinflusst, dass die Fokussierung auf dem Horizont liegt. Warum und wie das Modell den Trainingsprozess beeinflusst hat, um dieses Ergebnis zu liefern, ist in der Forschungsarbeit nicht beantwortet, also noch offenes Forschungsgebiet.\u201c Mathias Lechner, PhD Student IST Austria<\/p><\/blockquote>\n\n\n\n

Au\u00dferdem lasse sich die Rolle jeder einzelnen Zelle bei jeder einzelnen Entscheidung identifizieren. Die Funktion der Zellen sei verst\u00e4ndlich und ihr Verhalten erkl\u00e4rbar. Dieses Ma\u00df an Interpretierbarkeit sei in gr\u00f6\u00dferen Deep Learning<\/em>-Modellen bisher unm\u00f6glich, so die Forscher.<\/p>\n\n\n\n

Robustheit<\/h3>\n\n\n\n

Ein Mangel von bestehenden Deep Learning<\/em> Modellen ist auch dass sie unf\u00e4hig sind, mit schlechter Bildqualit\u00e4t umzugehen. Experten sprechen vom sogenannten Bildrauschen<\/em>. Auch diese Eigenschaft konnte in dem neuartigen System verbessert werden. Das zeigte eine Analyse, in der das neuronale Netz mit k\u00fcnstlich besch\u00e4digten Bildern konfrontiert wurde. Diese Robustheit sei eine direkte Folge von Konzept und Architektur der Innovation, so die Forscher.<\/p>\n\n\n\n

Dar\u00fcberhinaus bed\u00fcrfen die angewendeten Methoden einer k\u00fcrzeren Trainingszeit und k\u00f6nnen folglich selbst in relativ einfache Systeme implementiert werden. Das Deep Learning-<\/em>Modell, welches das internationale Forscherteam entwickelte, macht imitierendes Lernen in einem weiten Anwendungsbereich m\u00f6glich, von automatisierter Arbeit in Lagerhallen bis hin zur Bewegungssteuerung von Robotern.<\/p>\n\n\n\n

Die Forschungsergebnisse wurden in nature.com<\/em> ver\u00f6ffentlicht:<\/p>\n\n\n\n

M. Lechner, R. Hasani, A. Amini, T. Henzinger, D. Rus, R. Grosu. 2020. Neural Circuit Policies Enabling Auditable Autonomy. Nature Machine Intelligence<\/a>. https:\/\/www.nature.com\/articles\/s42256-020-00237-3<\/p>\n\n\n\n

<\/p>\n\n\n\n

Auch interessant<\/strong>: \u201eEs ist utopisch zu glauben, dass Menschen eine unfehlbare k\u00fcnstliche Intelligenz schaffen k\u00f6nnen\u201d<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"

Dinge wie Suchmaschinen und selbstfahrende Autos basieren auf k\u00fcnstlicher Intelligenz. Dahinter stecken komplexe neuronale Netze. Bisher konnten die zugrundeliegenden mathematischen Modelle nur mit enormen Rechenleistungen umgesetzt werden und sind f\u00fcr Menschen schwer nachvollziehbar. Professor Radu Grosu, Leiter der Forschungsgruppe Cyber Physical Systems an der TU Wien, denkt schon seit Jahren dar\u00fcber nach, wie Vorbilder aus […]<\/p>\n","protected":false},"author":1688,"featured_media":519277,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"advgb_blocks_editor_width":"","advgb_blocks_columns_visual_guide":"","footnotes":""},"categories":[36843],"tags":[91162,109546,109549,30276,27543,109552,74946],"location":[28185],"article_type":[],"serie":[],"archives":[],"internal_archives":[],"reboot-archive":[],"class_list":["post-263506","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-digital-de-de","tag-autonomes-fahren-de","tag-e-elegans-de","tag-fadenwurm-de","tag-ki-de","tag-munchen-de-de","tag-neuronale-netze-de","tag-neuronale-netzwerke-de","location-oesterreich"],"blocksy_meta":[],"acf":{"subtitle":"Neuronale Netze f\u00fcr K\u00fcnstliche Intelligenz k\u00f6nnen einfacher und gleichzeitig intelligenter sein! Das effiziente Nervensystem des Fadenwurms macht es vor.","text_display_homepage":false},"author_meta":{"display_name":"Hildegard Suntinger","author_link":"https:\/\/ioplus.nl\/archive\/author\/hildegard-suntinger\/"},"featured_img":"https:\/\/ioplus.nl\/archive\/wp-content\/uploads\/2020\/12\/Neural_Network_Overlay-300x138.jpg","coauthors":[],"tax_additional":{"categories":{"linked":["Digital<\/a>"],"unlinked":["Digital<\/span>"]},"tags":{"linked":["Autonomes Fahren<\/a>","e.elegans<\/a>","Fadenwurm<\/a>","KI<\/a>","Munchen<\/a>","neuronale Netze<\/a>","neuronale Netzwerke<\/a>"],"unlinked":["Autonomes Fahren<\/span>","e.elegans<\/span>","Fadenwurm<\/span>","KI<\/span>","Munchen<\/span>","neuronale Netze<\/span>","neuronale Netzwerke<\/span>"]}},"comment_count":"0","relative_dates":{"created":"Posted 5 years ago","modified":"Updated 5 years ago"},"absolute_dates":{"created":"Posted on February 15, 2021","modified":"Updated on February 15, 2021"},"absolute_dates_time":{"created":"Posted on February 15, 2021 11:00 am","modified":"Updated on February 15, 2021 11:00 am"},"featured_img_caption":"","series_order":"","_links":{"self":[{"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/posts\/263506","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/users\/1688"}],"replies":[{"embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/comments?post=263506"}],"version-history":[{"count":0,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/posts\/263506\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/media\/519277"}],"wp:attachment":[{"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/media?parent=263506"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/categories?post=263506"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/tags?post=263506"},{"taxonomy":"location","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/location?post=263506"},{"taxonomy":"article_type","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/article_type?post=263506"},{"taxonomy":"serie","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/serie?post=263506"},{"taxonomy":"archives","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/archives?post=263506"},{"taxonomy":"internal_archives","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/internal_archives?post=263506"},{"taxonomy":"reboot-archive","embeddable":true,"href":"https:\/\/ioplus.nl\/archive\/wp-json\/wp\/v2\/reboot-archive?post=263506"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}