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 R\u00e4tsel. Forscher am MIT sind auf dieser Entdeckungsreise jedoch einen Schritt weitergegangen und haben mit Hilfe k\u00fcnstlicher Intelligenz einen neuartigen rechnergest\u00fctzten Ansatz entwickelt. Es ist ein ziemlich genialer Prozess \u2013 man kann ihn sich als digitale Nachbildung der Evolution vorstellen.<\/p>\n
Dieses hochmoderne Rechenframework dient als wissenschaftlicher Spielplatz. KI-Agenten werden in virtuelle Umgebungen versetzt und damit beauftragt, \u00fcber viele Generationen hinweg Augen zu entwickeln. Durch die Zuweisung von Aufgaben \u2013 wie das Erkennen von Objekten oder das Erfassen der Umgebung \u2013 entwickeln die KI-Agenten ihre Sehsysteme entsprechend weiter. Die Forscher k\u00f6nnen die Umgebungsbedingungen und die Aufgabenstellungen anpassen und so verschiedene Formen der Augenentwicklung unter unterschiedlichen Umst\u00e4nden untersuchen.<\/p>\n
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 f\u00fcr die r\u00e4umliche Wahrnehmung gut geeignet sind. Sollten sie hingegen Objekte unterscheiden, entwickelte die KI kamer\u00e4hnliche Augen mit Iris und Netzhaut, \u00e4hnlich wie beim Menschen. <\/p>\n
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 Erf\u00fcllung von Aufgaben basierte \u2013 eine Methode, die die nat\u00fcrliche Selektion nachahmt, bei der vorteilhafte Eigenschaften verst\u00e4rkt und weitervererbt werden.<\/p>\n
Eine der bahnbrechenden Funktionen dieses Frameworks ist die M\u00f6glichkeit, physikalische Einschr\u00e4nkungen aus der Natur durch Beschr\u00e4nkungen wie beispielsweise die Anzahl der verf\u00fcgbaren Bildpixel nachzubilden. Die KI-Agenten m\u00fcssen dann Kompromisse eingehen, genau wie es die Evolution in der Natur tun w\u00fcrde \u2026 und das Ergebnis? Eine gro\u00dfe Vielfalt an Augendesigns, von denen jedes perfekt auf eine bestimmte Umweltanforderung und Aufgabe zugeschnitten ist.<\/p>\n
Das genetische Kodierungssystem des Modells wurde genutzt, um die nat\u00fcrliche Evolution zu simulieren. Morphologische Gene bestimmen die Lage und Wahrnehmung der Augen; optische Gene definieren die Interaktion der Augen mit Licht, einschlie\u00dflich der Anzahl der Photorezeptoren, und neuronale Gene beeinflussen die Lernf\u00e4higkeiten. Diese digitale Evolution spiegelt die Natur wider und zeigt, wie sich aus einfachen Anf\u00e4ngen hochentwickelte visuelle Systeme entwickeln k\u00f6nnen.<\/p>\n
Diese Studie dient jedoch nicht nur der Befriedigung wissenschaftlicher Neugier. Diese Forschung kann Ingenieuren die Werkzeuge an die Hand geben, um Kameras und Sensoren f\u00fcr aufgabenspezifische Anwendungen in Robotern, Drohnen oder tragbaren Ger\u00e4ten zu entwickeln. Wir k\u00f6nnten die Leistung optimieren und gleichzeitig ein perfektes Gleichgewicht mit Einschr\u00e4nkungen wie Energieverbrauch oder Herstellungskosten finden. Zuk\u00fcnftige Untersuchungen k\u00f6nnten die Integration gro\u00dfer Sprachmodelle in das System vorsehen, um komplexe \u201cWas-w\u00e4re-wenn\u201d-Szenarien zu beantworten.<\/p>\n
\u201cAuch wenn wir den Evolutionsprozess nicht vollst\u00e4ndig nachbilden k\u00f6nnen, haben wir doch ein Umfeld geschaffen, das es uns erm\u00f6glicht, ihn auf all diese unterschiedlichen Weisen nachzubilden\u201d, 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 Universit\u00e4t Lund, wurde ver\u00f6ffentlicht in Science Advances<\/em>.<\/p>\n