
Ramin Hasani vom Institut für Computer Engineering hat einen neuen Ansatz für die Programmierung neuronaler Netze entwickelt, der die zeitliche Entwicklung der Nervensignale völlig anders beschreibt als bisher und mit wenig Aufwand verblüffende Leistungen erzielt. Inspirieren ließ sich der Forscher dabei von einem besonders einfachen und gut erforschten Lebewesen, dem Fadenwurm C. elegans. Dessen Gehirn wurde am Computer simuliert, das Modell wurde dann mit speziell entwickelten Lernalgorithmen angepasst. So gelang es, mit einer extrem niedrigen Zahl simulierter Nervenzellen bemerkenswerte Aufgaben zu lösen. Obwohl das vom Wurm inspirierte Netzwerk nur über zwölf Neuronen verfügt, kann man es darauf trainieren, ein Auto an einen vorherbestimmten Ort zu manövrieren. Hasani präsentierte die Arbeit Ende Oktober bei der TEDx-Konferenz in Wien.
Gemeinsam mit seinen Kollegen schlug er eine neuartige RNN (recurrent neural networks)-Architektur vor, die auf biophysikalischen Modellen von Neuronen und Synapsen beruht und zeitabhängige Dynamik erlaubt. Indem man zulässt, dass sich die Zellaktivität und die Verbindungen zwischen den Zellen mit der Zeit verändern, eröffnet man völlig neue Möglichkeiten: Künstliche Intelligenz kann mit der richtigen Architektur deutlich leistungsfähiger sein als bisher gedacht.