Wie KI-Agenten uns helfen, die Evolution des menschlichen Sehens zu verstehen

Seit Jahren fragen sich Wissenschaftler, warum wir Menschen genau solche Augen haben, wie wir sie heute haben. Der Prozess, durch den die Evolution unser Sehsystem geformt hat, ist nach wie vor weitgehend ein Rätsel. Forscher am MIT sind auf dieser Entdeckungsreise jedoch einen Schritt weitergegangen und haben mit Hilfe künstlicher Intelligenz einen neuartigen rechnergestützten Ansatz entwickelt. Es ist ein ziemlich genialer Prozess – man kann ihn sich als digitale Nachbildung der Evolution vorstellen.

Die Evolution digital nachbilden – KI in der Praxis

Dieses hochmoderne Rechenframework dient als wissenschaftlicher Spielplatz. KI-Agenten werden in virtuelle Umgebungen versetzt und damit beauftragt, über viele Generationen hinweg Augen zu entwickeln. Durch die Zuweisung von Aufgaben – wie das Erkennen von Objekten oder das Erfassen der Umgebung – entwickeln die KI-Agenten ihre Sehsysteme entsprechend weiter. Die Forscher können die Umgebungsbedingungen und die Aufgabenstellungen anpassen und so verschiedene Formen der Augenentwicklung unter unterschiedlichen Umständen untersuchen.

Das Erstaunliche daran ist, dass die Entwicklung dieser KI-Agenten unterschiedliche Wege einschlug, wenn ihnen verschiedene Aufgaben gestellt wurden. Wurden die Agenten beispielsweise mit der Navigation beauftragt, entwickelten sie Facettenaugen, wie man sie bei Insekten und Krebstieren findet und die für die räumliche Wahrnehmung gut geeignet sind. Sollten sie hingegen Objekte unterscheiden, entwickelte die KI kamerähnliche Augen mit Iris und Netzhaut, ähnlich wie beim Menschen.

Was den Aufbau betrifft, orientiert sich der Computersimulator an den Grundkomponenten einer Kamera. Sensoren, Linsen, Blenden und Prozessoren wurden in Variablen umgewandelt, die eine KI anpassen und erlernen konnte. Die KI-Agenten begannen mit einem einfachen Fotorezeptor und einem neuronalen Netzwerk zur Verarbeitung der visuellen Eingaben. Im Laufe der Zeit entwickelten sie ihre visuellen Systeme durch ein Belohnungssystem weiter, das auf der Erfüllung von Aufgaben basierte – eine Methode, die die natürliche Selektion nachahmt, bei der vorteilhafte Eigenschaften verstärkt und weitervererbt werden.

Evolution simulieren, futuristische Augen entwerfen

Eine der bahnbrechenden Funktionen dieses Frameworks ist die Möglichkeit, physikalische Einschränkungen aus der Natur durch Beschränkungen wie beispielsweise die Anzahl der verfügbaren Bildpixel nachzubilden. Die KI-Agenten müssen dann Kompromisse eingehen, genau wie es die Evolution in der Natur tun würde … und das Ergebnis? Eine große Vielfalt an Augendesigns, von denen jedes perfekt auf eine bestimmte Umweltanforderung und Aufgabe zugeschnitten ist.

Das genetische Kodierungssystem des Modells wurde genutzt, um die natürliche Evolution zu simulieren. Morphologische Gene bestimmen die Lage und Wahrnehmung der Augen; optische Gene definieren die Interaktion der Augen mit Licht, einschließlich der Anzahl der Photorezeptoren, und neuronale Gene beeinflussen die Lernfähigkeiten. Diese digitale Evolution spiegelt die Natur wider und zeigt, wie sich aus einfachen Anfängen hochentwickelte visuelle Systeme entwickeln können.

Ein Blick in die Zukunft – praktische Erkenntnisse

Diese Studie dient jedoch nicht nur der Befriedigung wissenschaftlicher Neugier. Diese Forschung kann Ingenieuren die Werkzeuge an die Hand geben, um Kameras und Sensoren für aufgabenspezifische Anwendungen in Robotern, Drohnen oder tragbaren Geräten zu entwickeln. Wir könnten die Leistung optimieren und gleichzeitig ein perfektes Gleichgewicht mit Einschränkungen wie Energieverbrauch oder Herstellungskosten finden. Zukünftige Untersuchungen könnten die Integration großer Sprachmodelle in das System vorsehen, um komplexe “Was-wäre-wenn”-Szenarien zu beantworten.

“Auch wenn wir den Evolutionsprozess nicht vollständig nachbilden können, haben wir doch ein Umfeld geschaffen, das es uns ermöglicht, ihn auf all diese unterschiedlichen Weisen nachzubilden”, sagt Kushagra Tiwary, Doktorand am MIT Media Lab und einer der Hauptautoren der Studie. Die Studie, ein Gemeinschaftsprojekt mit Wissenschaftlern des MIT, der Stony Brook University, der Rice University und der Universität Lund, wurde veröffentlicht in Science Advances.

Weitere Informationen zu dieser faszinierenden Studie finden Sie unter Originalbeitrag auf MIT News.