Können Computer dank nachgeahmter biologischer Evolution lernen wie wir?
Wie lernen die Menschen? Im alltäglichen Leben eignen wir uns neue Kenntnisse oder Fähigkeiten an, perfektionieren bereits vorhandene Befähigungen und bilden auf der Basis unserer Erfahrungen neue Erinnerungen. Der Wissenschaft zufolge verdanken wir diese erstaunliche Anpassungsfähigkeit der synaptischen Plastizität unseres Gehirns, durch die sich die Verbindungen zwischen den Nervenzellen, die Synapsen, verändern können. Sie unterscheidet uns wesentlich von den heutigen Computern, die lediglich vorprogrammierte Aktionen ausführen können. Ein im Rahmen der EU-finanzierten Projekte Human Brain Project (HBP, HBP SGA1, HBP SGA2 und HBP SGA3) und ICEI unterstütztes Forschungsteam hat nun das Problem des maschinellen Lernens mithilfe eines neuen Ansatzes gelöst, der auf sogenannten evolutionären Algorithmen beruht. Die entwickelte Neuerung ist als E2L-Ansatz (evolving-to-learn), d. h. Ansatz des „lernfähig Werdens“, bekannt. Bei diesem Ansatz „suchen Computerprogramme nach Lösungen für Probleme, indem sie den Prozess der biologischen Evolution nachahmen, wie etwa das Konzept der natürlichen Selektion“, heißt es in der in dem Journal „eLife“ veröffentlichten Studie. Bei diesen evolutionären Algorithmen besteht die „Fitness“ eines Lösungskandidaten darin, wie gut er das zugrunde liegende Problem löst.
Drei Lernszenarien lösen
Das Forschungsteam konfrontierte die evolutionären Algorithmen mit drei typischen Lernszenarien. Im ersten Szenario musste der Computer ein sich wiederholendes Muster in einem kontinuierlichen Strom von Eingaben erkennen, ohne dass er eine Rückmeldung über sein Leistungsvermögen erhielt. Das zweite Szenario beinhaltete Lernen durch Verstärkung, wobei der Computer virtuelle Belohnungen bekam, wenn er sich in der gewünschten Weise verhielt. Im dritten Szenario des sogenannten geführten Lernens wurde dem Computer letztlich genau mitgeteilt, wie stark sein Verhalten vom gewünschten Verhalten abwich. „Für jedes dieser Szenarien waren die evolutionären Algorithmen in der Lage, Mechanismen der synaptischen Plastizität zu entdecken, und dadurch eine neue Aufgabe erfolgreich zu lösen“, sagt Studien-Ko-Erstautor Dr. Jakob Jordan von der partnerschaftlich am Projekt beteiligten Universität Bern in einer Pressemitteilung auf „EurekAlert!“. Beim Lösen der Aufgaben zeigten sich die Algorithmen überraschend kreativ. „Beispielsweise hat der Algorithmus ein neues Plastizitätsmodell gefunden, in dem von uns definierte Signale zu einem neuen Signal kombiniert werden. Tatsächlich beobachten wir, dass Netzwerke, die dieses neue Signal benutzen, schneller lernen als mit bisher bekannten Regeln“, stellt Ko-Erstautor Dr. Maximilian Schmidt vom RIKEN Center for Brain Science in Tokio, Japan, in derselben Pressemitteilung fest. Der Einsatz evolutionärer Algorithmen bei der Erforschung des Lernprozesses von Computern wird der Wissenschaft wertvolle Einblicke in die Funktionsweise von Gehirnen verschaffen. Er könnte außerdem die Grundlage für die Entwicklung von Computern bilden, die sich besser an die Bedürfnisse der Nutzenden anpassen können. „Wir sehen E2L als vielversprechenden Ansatz, um Einblicke in biologische Lernprinzipien zu gewinnen und den Fortschritt hin zu leistungsstarken Maschinen zu beschleunigen“, erläutert Hauptautor Dr. Mihai Petrovici. Dr. Jordan fasst zusammen: „Wir hoffen, dadurch die Forschung zur synaptischen Plastizität im Nervensystem voranzutreiben.“ Das Ziel des Human Brain Project (HBP) und seiner drei nachfolgenden Phasen, inklusive der jeweiligen spezifischen Finanzhilfevereinbarung, HBP SGA1 (Human Brain Project Specific Grant Agreement 1), HBP SGA2 (Human Brain Project Specific Grant Agreement 2) und HBP SGA3 (Human Brain Project Specific Grant Agreement 3) lautet, die Forschenden dabei zu unterstützen, ihr Wissen in den Bereichen Neurowissenschaften, Informatik und hirnbezogene Medizin zu erweitern. Das Projekt ICEI (Interactive Computing E-Infrastructure for the Human Brain Project) vereinte fünf der größten europäischen Hochleistungsrechenzentren, um ein speziell für die neurowissenschaftliche Forschung geeignetes System aufzubauen. Weitere Informationen: Projektwebsite von The Human Brain Project ICEI-Projektwebsite
Schlüsselbegriffe
HBP, HBP SGA1, HBP SGA2, HBP SGA3, ICEI, Human Brain Project, Gehirn, Lernen, evolutionärer Algorithmus, synaptische Plastizität, Computerprogramm
