Forscher bei Ohio State Universität haben herausgefunden, dass Tauben einige Probleme auf sehr ähnliche Weise angehen wie moderne Computer-KI-Modelle. Im Wesentlichen wurde festgestellt, dass Tauben eine „Brute Force“-Lernmethode anwenden, die als „assoziatives Lernen“ bezeichnet wird. So können Tauben und moderne Computer-KI Lösungen für komplexe Probleme finden, die menschliche Denkmuster durcheinander bringen.
Brandon Turner, Hauptautor der neuen Studie und Professor für Psychologie an der Ohio State University, arbeitete mit Edward Wasserman, einem Professor für Psychologie an der University of Iowa, an der neuen Studie, veröffentlicht in iScience.
Hier die wichtigsten Erkenntnisse:
- Tauben können ein außergewöhnlich breites Spektrum visueller Kategorisierungsaufgaben lösen
- Einige dieser Aufgaben scheinen fortgeschrittene kognitive und Aufmerksamkeitsprozesse zu erfordern, doch Computermodelle deuten darauf hin, dass Tauben solche komplexen Prozesse nicht einsetzen
- Ein einfacher assoziativer Mechanismus könnte ausreichen, um den Erfolg der Taube zu erklären
Turner erzählte dem Ohio State News Blog, dass die Forschung mit der starken Vermutung begann, dass Tauben auf ähnliche Weise lernten wie Computer-KIs. Erste Recherchen bestätigten frühere Gedanken und Beobachtungen. „Wir haben wirklich starke Beweise dafür gefunden, dass die Mechanismen, die das Lernen von Tauben steuern, den gleichen Prinzipien, die moderne maschinelle Lern- und KI-Techniken leiten, bemerkenswert ähnlich sind“, sagte Turner.
Das „assoziative Lernen“ einer Taube kann Lösungen für komplexe Probleme finden, die für Menschen oder andere Primaten schwer zu lösen sind. Das Denken von Primaten wird typischerweise durch selektive Aufmerksamkeit und die explizite Anwendung von Regeln gesteuert, was der Lösung mancher Probleme im Wege stehen kann.
Für die Studie wurden Tauben mit einer Reihe von vier Aufgaben getestet. Es wurde festgestellt, dass Tauben bei einfacheren Aufgaben mit der Zeit die richtigen Entscheidungen erlernen und ihre Erfolgsquote von etwa 55 % auf 95 % steigern konnten. Bei den komplexesten Aufgaben kam es im Laufe der Lernzeit nicht zu einer so starken Verbesserung, nämlich von 55 % auf nur 68 %. Dennoch zeigten die Ergebnisse enge Parallelen zwischen der Leistung der Tauben und der Lernleistung des KI-Modells. Sowohl Tauben- als auch maschinelle Lernende schienen sowohl assoziatives Lernen als auch Fehlerkorrekturtechniken zu nutzen, um ihre Entscheidungen zum Erfolg zu führen.
Weitere Einblicke lieferte Turner in seinen Kommentaren zu den Lernmodellen Mensch vs. Taube vs. KI. Er stellte fest, dass einige der Aufgaben die Menschen wirklich frustrieren würden, da das Aufstellen von Regeln nicht zur Vereinfachung von Problemen beitragen würde, was zum Abbruch der Aufgabe führen würde. Bei Tauben (und maschinellen KIs) hingegen „hilft ihnen diese brutale Methode des Versuchs und Irrtums und des assoziativen Lernens … bei einigen Aufgaben, bessere Leistungen als Menschen zu erbringen.“
Interessanterweise erinnert die Studie daran Brief an den Marquess of Newcastle (1646)Der französische Philosoph René Descartes argumentierte, dass Tiere nichts anderes als tierische Mechanismen seien – Bête-Maschinen, die einfach den Impulsen organischer Reaktionen folgen.
Die Schlussfolgerung des Ohio State Blogs machte deutlich, dass Menschen Tauben traditionell als dumm angesehen haben. Jetzt müssen wir etwas zugeben: Unsere neueste technologische Spitzenleistung der Computer-KI basiert auf relativ einfachen, taubenähnlichen Brute-Force-Lernmechanismen.
Wird diese neue Forschung irgendeinen Einfluss auf die Informatik in der Zukunft haben? Es scheint, als ob diejenigen, die sich mit KI/maschinellem Lernen befassen, und diejenigen, die neuromorphes Computing entwickeln, hier eine nützliche Überschneidung finden könnten.