The D'Arcy-Machine

Der Top-Down-Forschungsansatz

Ein Ansatz der KI-Forschung ist die sogenannte „Top-Down“-Vorgehensweise. Die Vertreter dieses Ansatzes interessieren sich weniger dafür, die Mechanismen und Strukturen mit denen das menschliche Gehirn arbeitet nachzuahmen, sondern interessieren sich lediglich für das, was hinterher dabei herauskommt. Die Hauptsache ist also, dass das Ergebnis stimmt.

Die Computer der Top-Down-Forscher kopieren nicht das menschliche Gerhirn, sondern sie simulieren sein Verhalten und seine Leistungen. Der Top-Down-Forscher Robert Trappl hat für seinen Forschungsansatz eine anschauliche Erklärung parat: "Wenn wir einen Taschenrechner haben und eine Division darauf machen, macht es der Taschenrechner von der Logik her völlig anders, als Sie als Mensch das machen würden, und dennoch ist er viel schneller."

Nach diesem Ansatz entwickelt werden schon heute „intelligente“ Suchmaschinen und Expertensysteme in vielen Bereichen eingesetzt. So zum Beispiel im Fall der D'Arcy-Machine.

The D'Arcy-Machine

Der NASA-Forscher David Noever entwickelte the d'Arcy-Machine, ein Bilderkennungsprogramm, welches lernen soll, in Nahaufnahmen von marsianischen Boden- und Gesteinsproben Mikroorganismen und deren Spuren zu finden. Seinen Namen hat the D'Arcy-Machine übrigens von dem Biologen und Biomathematiker D'Arcy Thompson, einem Forscher des frühen 20. Jahrhunderts, dessen Forschungen die mathematische Grundlage für den NASA-Roboter the D'Arcy Machine sind.

Damit the D'Arcy-Machine eine möglichst effiziente Forschungsdrohne ist, füttert Noever sie mit einer Unmenge an Abbildungen von irdischen Lebensformen aus dem Bereich der Mikrobiologie. Will der Forscher nun an the D'Arcy-Machine den Auftrag erteilen, nach bestimmten Lebensformen zu suchen, so gibt er dem Forschungsroboter einige Bilder, auf denen die gesuchten Mikroorganismen abgebildet sind. The D'Arcy-Machine filtert dann aus den Bildern von Bakterien, Viren und Algen wesentliche Informationen wie Form, Farbe, Größe und Struktur heraus und speichert diese Informationen ab. Auf die gleiche Art und Weise verarbeitet der Computer zudem einige Aufnahmen, auf denen normale Gesteinsformen ohne die gesuchten Lebensformen abgebildet sind und speichert jene als „unauffällig“ ab.

Besonders effektiv ist zudem, dass das Programm während dieser Lernphase nicht nur immer neue Informationen speichert, es verändert dabei auch gleichzeitig seine Programmarchitektur und passt sich so flexibel veränderten Gegebenheiten an.

Nach diesen vielen Vorteilen hat die Sache dennoch einen Haken: „the D'Arcy Machine“ benötigt unendlich viel Rechenleistung. Wenn das Programm so weit gelernt hat, dass es tatsächlich die tausenden von Marsaufnahmen der vergangenen und der noch bevorstehenden Marsmissionen analysieren kann, hofft Noever daher auf die Unterstützung der Internet-Gemeinschaft. Nach dem SETI@home-Prinzip soll dann jeder teilnehmende Rechner jeweils ein Datenpäckchen über das Web erhalten, es bearbeiten und anschließend das Ergebnis an die Zentrale zurückmelden.

The D'Arcy-Machine scheitert also nicht am theoretischen Potential seiner Software, sondern an der Technik: Ein einzelner Rechner könnte nach bisherigem Forschungsstand niemals die Menge an Daten verarbeiten, die the D'Arcy Machine zu Lernen vermag.

Quelle: Das Wissensmagazin scinexx