Erforschung der menschlichen Intelligenz durch die Köpfe der Maschinen

Wenn Sie Fragen zum Thema Intelligenz stellen, denken Sie dann nur an die menschliche Intelligenz? Für Phillip Isola, außerordentlicher Professor am Fachbereich Elektrotechnik und Informatik (EECS) des MIT, trifft dies nicht zu. Für Isola ist die Erforschung der Intelligenz eine komplexe Schnittstelle zwischen Kognition und Berechnung, an der Menschen, Tiere und sogar Maschinen jeweils faszinierende Einblicke bieten.

Als begeistertes Mitglied des Computer Science and Artificial Intelligence Laboratory (CSAIL) am MIT widmet sich Isola in seiner Forschung den Feinheiten des Computer Vision und des maschinellen Lernens. Er interessiert sich dafür, wie Modelle der künstlichen Intelligenz (KI) die Welt um sich herum interpretieren und verstehen und wie dies unerwartete Facetten unserer kognitiven Prozesse offenbart.

Wie alles begann

Isola wuchs in Nordkalifornien auf, und seine Begeisterung für das Verständnis natürlicher Prozesse nahm bereits in seiner Kindheit während seiner Erkundungstouren durch die örtlichen Hügel und Küstengebiete ihren Anfang. Diese Neugier begleitete ihn auf seinem akademischen Weg, der ihn von der breit gefächerten Auseinandersetzung mit zahlreichen Fachgebieten an der Yale University direkt ins Herz der Kognitionswissenschaft führte. Unter der Betreuung von Prof. Brian Scholl am Institut für Psychologie der Yale University übertraf Isolas Faszination für die Komplexität des menschlichen Gehirns sogar sein Interesse an der Planetenentstehung. Dies war der Ausgangspunkt für sein lebenslanges Streben nach einem Verständnis der Intelligenz.

Sein Weg führte ihn dann zunächst ein wenig in Richtung der Entwicklung von Indie-Videospielen, bevor er ein Aufbaustudium in Gehirn- und Kognitionswissenschaften am MIT aufnahm. Unter der Anleitung von Ted Adelson, Professor für Sehwissenschaften, fand Isola einen intellektuellen Zufluchtsort, an dem das Streben nach tiefgreifendem, grundlegendem Verständnis mehr geschätzt wurde als oberflächliche Leistungsindikatoren. Hier begann sich seine Arbeit mit dem Gebiet der künstlichen Intelligenz zu überschneiden, was ihn dazu veranlasste, zu untersuchen, wie computergestützte Modelle neue Einblicke in unser Verständnis der Kognition liefern könnten. Isolas Dissertation, die sich auf die Wahrnehmungsgruppierung konzentrierte, ebnete schließlich den Weg für das selbstüberwachte Lernen – eine Technik, die es der KI ermöglicht, aus unbeschrifteten Daten zu lernen.

Während seiner Postdoc-Tätigkeit an der UC Berkeley wandte sich Isola in seiner Forschung noch intensiver der Informatik zu. Er wagte den Einstieg in den Bereich der Bild-zu-Bild-Übersetzungsmodelle und leistete dabei bedeutende Beiträge zur Entwicklung früher generativer KI-Systeme. Diese Systeme waren in der Lage, einfache Skizzen in realistische Bilder umzuwandeln und sogar Schwarz-Weiß-Fotografien zu kolorieren. Im Anschluss an diese Erfahrung verbrachte er ein Jahr bei OpenAI, wo ihn sowohl die Unternehmensphilosophie als auch der Schwerpunkt auf verstärktem Lernen anzogen.

Sein größtes Ziel war es jedoch, eine eigene Forschungsgruppe zu leiten – ein Ziel, das er nach seiner Rückkehr an das MIT als Fakultätsmitglied erreichte.

Eine Vision entwickeln, Grenzen überwinden

Sein Betätigungsfeld sind nun sein Labor und sein Team, mit dem er die Begeisterung teilt, neue Erkenntnisse zu gewinnen. Gemeinsam erforschen sie, wie Maschinen und Menschen innere Repräsentationen der Welt bilden, insbesondere im Hinblick auf den Lernprozess. Interessanterweise stellten sie fest, dass KI-Modelle – unabhängig davon, ob sie auf Sprache, Bilder oder Audio trainiert wurden – alle ähnliche innere Strukturen zu entwickeln scheinen, je komplexer sie werden.

Dieser Durchbruch veranlasste ihn, die ’Platonische Repräsentationshypothese“ aufzustellen. Diese Idee, die auf Platons Höhlengleichnis zurückgeht, geht davon aus, dass sich das Realitätsverständnis all dieser Modelle trotz ihrer unterschiedlichen Eingabedaten angleicht. Laut Isola lernen diese Modelle alle unterschiedliche ”Schatten“ derselben zugrunde liegenden Welt kennen.

Isolas Forschung befasst sich auch mit dem selbstüberwachten Lernen, einem wertvollen Instrument zur Überwindung der mit der Datenkennzeichnung verbundenen Einschränkungen und Kosten. Sein Ansatz, der sich eher an Erkenntnissen und Prinzipien als an Leistungsbenchmarks orientiert, umfasst risikoreiche Forschungsvorhaben, von denen er glaubt, dass sie zu bedeutenden Durchbrüchen im Verständnis der Intelligenz führen werden.

Die Köpfe formen, die die Zukunft gestalten

Isolas Leidenschaft geht über die Forschung hinaus und erstreckt sich auch auf die Lehre. Er war Mitinitiator des Deep-Learning-Kurses am MIT, und dank seiner Initiative ist die Zahl der Studierenden von 30 auf über 700 gestiegen. Trotz des exponentiellen Wachstums und der Fortschritte im Bereich der KI betont er gegenüber seinen Studierenden, dass intelligente Maschinen immer noch relativ einfach sind, und ermutigt sie, die heutigen „Wahrheiten“ zu hinterfragen.

Isolas Zukunftsvision sieht Menschen und Maschinen in einer Koexistenz, in der beide ihre Einzigartigkeit und ihre Bestimmung bewahren. Er betont: “Es wird eine Koexistenz geben, und ich beginne darüber nachzudenken, welche Rolle ich in dieser Zukunft spielen kann.” Seine Neugier ist unerschöpflich und gründet auf einer Weisheit, die die Einfachheit der Intelligenz erkennt, sobald man sie einmal verstanden hat. Dieser unstillbare Wissensdurst sorgt dafür, dass sein Weg ebenso faszinierend bleibt wie sein Ziel.