Ein internationales Team hat ein Modell künstlicher Intelligenz entwickelt, das Handlungen planen kann, ohne systematisch alle möglichen Lösungen zu erkunden. Inspiriert von Mechanismen, die mit dem Hippocampus verbunden sind, kombiniert das System kognitive Karten, Zufallsberechnungen und wiederverwendbare Elemente, um ein Ziel zu erreichen.
Kognitive Karten stellen die Beziehungen zwischen Objekten oder Situationen in geometrischer Form dar. Sie geben dem Modell eine Art allgemeine Richtung vor. Dieses kann dann Zwischenschritte testen, diejenigen behalten, die es dem Ziel näher bringen, und schnell weniger vielversprechende Wege verwerfen.
Dieser Ansatz beruht außerdem auf neuronalem Sampling. Das System erzeugt mehrere mögliche Szenarien, ohne jede Bahn bis zum Ende zu berechnen. Anschließend bewertet es deren Ausrichtung in der kognitiven Karte, bevor es die als am nützlichsten erachteten Optionen weiterverfolgt.
Die Forscher fügen eine sogenannte kompositionelle Organisation hinzu. Informationen und Pläne werden in Elemente unterteilt, die in verschiedenen Situationen wiederverwendet werden können. Dieses Prinzip ermöglicht es dem Modell, eine neue Strategie aus bereits verfügbaren Bausteinen zusammenzusetzen, anstatt sein Lernen vollständig neu zu beginnen.
Das System wurde an drei Kategorien von Aufgaben getestet. Es musste sich in einem zweidimensionalen Raum bewegen, sich in einer abstrakten Umgebung mit mehreren Dimensionen orientieren und schließlich eine aus verschiedenen Teilen bestehende Figur zusammensetzen und wieder auseinandernehmen.
Nach Angaben der Autoren kann sich das Modell auch anpassen, wenn sich die Situation ändert, ohne ein vollständiges neues Training zu erfordern. Diese Fähigkeit könnte für Roboter, autonome Fahrzeuge oder Geräte interessant sein, die lokal mit begrenzten Ressourcen arbeiten.
Die Forscher stellen ihre Methode zudem als weit weniger energieintensiv dar als mehrschichtige neuronale Netze oder große Sprachmodelle.
Das Team versucht also nicht, alle Funktionen einer allgemeinen künstlichen Intelligenz nachzubilden. Vielmehr schlägt es eine spezialisierte Architektur für Planung und Problemlösung vor.