Forscher der MRC Brain Network Dynamics Unit und des Fachbereichs Informatik der Universit\u00e4t Oxford haben eine neue Methode zum Vergleich des Lernens von KI-Systemen und des menschlichen Gehirns gefunden.\u00a0<\/b><\/p>\n
Die Studie befasst sich zun\u00e4chst mit einem grundlegenden Problem sowohl beim menschlichen als auch beim maschinellen Lernen: der Kreditvergabe. Dieses Konzept zeigt auf, welche Teile des Lernprozesses f\u00fcr Fehler verantwortlich sind, was dem Lernprozess selbst immanent ist.\u00a0<\/span><\/p>\n Bei KI-Systemen erfolgt dies durch Backpropagation, d. h. die Anpassung von Parametern, um Fehler in der Ausgabe zu korrigieren.\u00a0<\/span><\/p>\n Backpropagation funktioniert wie eine R\u00fcckkopplungsschleife. Wenn eine KI eine Vorhersage oder Entscheidung trifft, die sich als falsch herausstellt, f\u00fchrt diese Methode durch die Schichten des Netzwerks zur\u00fcck.\u00a0<\/span><\/p>\n Dabei wird ermittelt, welche Teile der Berechnung zum Fehler beigetragen haben, und diese Teile werden dann angepasst, um den Entscheidungsprozess der KI f\u00fcr k\u00fcnftige Vorhersagen zu verfeinern.<\/span><\/p>\n Die <\/span>Studie<\/span><\/a>Die in der Zeitschrift Nature Neuroscience ver\u00f6ffentlichte Studie erkl\u00e4rt, wie sich die Backpropagation von der Lernmethode des menschlichen Gehirns deutlich unterscheidet.\u00a0<\/span><\/p>\n Neue Forschung von @MRCBNDU<\/a> zeigt, dass die Art und Weise, wie das Gehirn lernt, sich von der Art und Weise, wie Systeme der k\u00fcnstlichen Intelligenz lernen, unterscheidet und besser ist als diese: https:\/\/t.co\/Tg1d9vdsKy<\/a>#OxfordAI<\/a><\/p>\n - Nuffield Department of Clinical Neurosciences (@NDCNOxford) 3. Januar 2024<\/a><\/p><\/blockquote>\n\n