Wie die Evolution KI-Algorithmen intelligenter macht

MÜNCHEN (IT BOLTWISE) – Die Evolution hat über Milliarden von Jahren erstaunliche Fähigkeiten hervorgebracht, die nun als Inspiration für die Entwicklung neuer KI-Algorithmen dienen. Forscher haben einen Algorithmus entwickelt, der die Fähigkeit des Genoms zur Informationskompression nachahmt und damit neue Einblicke in die Funktionsweise des Gehirns und mögliche technologische Anwendungen bietet.

Die Evolution hat über Milliarden von Jahren erstaunliche Fähigkeiten hervorgebracht, die nun als Inspiration für die Entwicklung neuer KI-Algorithmen dienen. Forscher haben einen Algorithmus entwickelt, der die Fähigkeit des Genoms zur Informationskompression nachahmt und damit neue Einblicke in die Funktionsweise des Gehirns und mögliche technologische Anwendungen bietet.

Dieser Algorithmus, der von Wissenschaftlern des Cold Spring Harbor Laboratory entwickelt wurde, zeigt, dass die Begrenzung der Informationskapazität des Genoms möglicherweise ein Vorteil ist. Indem er die Art und Weise nachahmt, wie Genome komplexe Verhaltensweisen mit begrenzten Daten kodieren, hebt das Modell den evolutionären Vorteil einer effizienten Informationskompression hervor. Diese Erkenntnisse eröffnen neue Wege zur Entwicklung fortschrittlicher, leichter KI-Systeme, die auf kleineren Geräten wie Smartphones laufen können.

Der Algorithmus komprimiert Informationen ähnlich wie Genome und ermöglicht so eine hohe Effizienz. Er führt Aufgaben wie Bilderkennung und das Spielen von Videospielen fast so effektiv aus wie vollständig trainierte, hochmoderne KI-Netzwerke. Diese Fähigkeit könnte beeindruckende Anwendungen in der Technologie haben, insbesondere wenn es darum geht, große KI-Modelle auf Geräten wie Smartphones auszuführen.

Die Forscher, darunter die Professoren Anthony Zador und Alexei Koulakov, stellten fest, dass der neue, untrainierte Algorithmus Aufgaben wie die Bilderkennung fast so effektiv ausführt wie hochmoderne KI. Ihr Algorithmus hält sogar in Videospielen wie Space Invaders mit. Es ist, als ob er von Natur aus versteht, wie man spielt.

Obwohl der Algorithmus noch nicht in der Lage ist, unsere natürlichen Fähigkeiten vollständig zu replizieren, bietet er dennoch Kompressionsniveaus, die in der KI bisher nicht gesehen wurden. Diese Funktion könnte in der Technologie beeindruckende Anwendungen haben. Sergey Shuvaev, der Hauptautor der Studie, erklärt, dass der Algorithmus beispielsweise verwendet werden könnte, um ein großes Sprachmodell Schicht für Schicht auf der Hardware eines Mobiltelefons zu entfalten.

Die Ergebnisse dieser Forschung legen nahe, dass das Komprimieren eines neuronalen Schaltkreises durch den genomischen Flaschenhals als Regularisierer dient, der es der Evolution ermöglicht, einfache Schaltkreise auszuwählen, die leicht an wichtige Aufgaben in der realen Welt angepasst werden können. Diese Erkenntnisse könnten die Entwicklung von KI-Systemen maßgeblich vorantreiben, die schneller und effizienter arbeiten.