🤖 Künstliche Intelligenz überrascht durch Verwendung einer "inneren Stimme"

Die Praxis, mit sich selbst zu sprechen, die oft als menschliche Eigenschaft wahrgenommen wird, könnte zu einem wesentlichen Vorteil für künstliche Intelligenzen werden. Genau wie dieser innere Dialog uns beim Nachdenken oder bei der Entscheidungsfindung hilft, ermöglicht er auch KI-Systemen, effizienter zu lernen und sich mit weniger Informationen an neue Umstände anzupassen.

Eine in Neural Computation veröffentlichte Studie zeigt, dass die Kombination dieses inneren Monologs mit einem speziell entwickelten Kurzzeitgedächtnis die Leistung der Modelle deutlich verbessert.


Wissenschaftler des Okinawa Institute of Science and Technology haben beobachtet, dass diese Methode es Systemen erlaubt, mehrere Aufgaben parallel zu verarbeiten und anspruchsvolle Probleme leichter zu lösen. Um dies zu erreichen, organisierten die Forscher die Trainingsdaten so, dass sie der KI beibrachten, mit sich selbst zu sprechen.

Dieser Ansatz stützt sich auf ein Arbeitsgedächtnis, das vorübergehend Daten speichert, ähnlich wie unser Gehirn, wenn es Anweisungen befolgt oder schnelle Berechnungen durchführt. Tests verglichen verschiedene Gedächtnisstrukturen und zeigten bemerkenswerte Unterschiede. Modelle mit mehreren temporären Speicherplätzen meisterten bestimmte Aufgaben besser, wie z.B. das Umkehren von Sequenzen oder das Reproduzieren von Mustern. Sie waren in der Lage, mehrere Elemente "im Kopf" zu behalten und zu manipulieren.

Die Einführung von Zielen für das innere "Selbstgespräch", bei dem das System aufgefordert wird, eine definierte Anzahl von Malen mit sich selbst zu sprechen, steigerte seine Effizienz weiter. Die deutlichsten Fortschritte wurden beim Multitasking und bei mehrstufigen Problemen verzeichnet. Darüber hinaus funktioniert diese Kombination sogar mit begrenzten Datensätzen, im Gegensatz zu den umfangreichen Mengen, die normalerweise für das Training benötigt werden. Sie bietet daher eine leichtgewichtige und ergänzende Alternative.

Die Forscher erwägen nun, diese Methode in realistischeren und weniger strukturierten Umgebungen anzuwenden. Tatsächlich finden Entscheidungen oft in lauten und unvorhersehbaren Umgebungen statt. Die Nachbildung dieser Bedingungen würde es ermöglichen, sich der menschlichen Entwicklungslehre anzunähern. Dieser Durchbruch hilft auch, bestimmte Gehirnmechanismen aufzuklären und ebnet den Weg für konkrete Anwendungen.