Forscher der Ohio State University haben herausgefunden, dass Tauben einige Probleme auf eine sehr ähnliche Weise lösen wie moderne KI-Modelle. Im Wesentlichen wurde festgestellt, dass Tauben eine „Brute-Force“-Lernmethode namens „assoziatives Lernen“ anwenden. Auf diese Weise können Tauben und moderne Computer-KI Lösungen für komplexe Probleme finden, die menschliche Denkmuster durcheinander bringen.
Brandon Turner, Hauptautor der neuen Studie und Professor für Psychologie an der Ohio State University, arbeitete zusammen mit Edward Wasserman, Professor für Psychologie an der University of Iowa, an der neuen Studie, die in iScience veröffentlicht wurde.
Hier sind die wichtigsten Ergebnisse:
- Tauben können ein außergewöhnlich breites Spektrum an visuellen Kategorisierungsaufgaben lösen
- Einige dieser Aufgaben scheinen fortgeschrittene kognitive und aufmerksame Prozesse zu erfordern, doch zeigen Berechnungsmodelle, dass Tauben solche komplexen Prozesse nicht einsetzen
- Ein einfacher assoziativer Mechanismus könnte ausreichen, um den Erfolg der Tauben zu erklären
Turner sagte dem Ohio State News Blog, dass die Forschung mit einer starken Vermutung begann, dass Tauben auf ähnliche Weise lernen wie Computer-KIs. Die ersten Untersuchungen bestätigten frühere Gedanken und Beobachtungen. „Wir haben wirklich starke Beweise dafür gefunden, dass die Mechanismen, die das Lernen von Tauben leiten, den Prinzipien, die modernes maschinelles Lernen und KI-Techniken leiten, bemerkenswert ähnlich sind“, so Turner.
Das „assoziative Lernen“ einer Taube kann Lösungen für komplexe Probleme finden, die für Menschen oder andere Primaten schwer zu erreichen sind. Das Denken von Primaten wird in der Regel durch selektive Aufmerksamkeit und die Anwendung expliziter Regeln gesteuert, was bei der Lösung einiger Probleme hinderlich sein kann.
Für die Studie wurden die Tauben mit einer Reihe von vier Aufgaben getestet. Bei einfacheren Aufgaben zeigte sich, dass die Tauben mit der Zeit die richtigen Entscheidungen lernen und ihre Erfolgsquote von 55 % auf 95 % steigern konnten. Bei den komplexeren Aufgaben war die Verbesserung im Laufe der Studie nicht so stark, sie stieg von 55 % auf nur 68 %. Dennoch zeigten die Ergebnisse enge Parallelen zwischen der Leistung der Tauben und der Lernleistung der KI-Modelle. Sowohl Tauben als auch maschinelle Lerner schienen sowohl assoziatives Lernen als auch Fehlerkorrekturtechniken zu nutzen, um ihre Entscheidungen zum Erfolg zu führen.
Weitere Erkenntnisse lieferte Turner in seinen Kommentaren zu den Lernmodellen Mensch vs. Taube vs. KI. Er merkte an, dass einige der Aufgaben den Menschen wirklich frustrieren würden, da das Aufstellen von Regeln nicht zur Vereinfachung der Probleme beitragen würde, was zum Abbruch der Aufgabe führen würde. Tauben (und maschinelle KI) hingegen können bei einigen Aufgaben „mit dieser rohen Gewalt von Versuch und Irrtum und assoziativem Lernen … besser abschneiden als Menschen“.
Interessanterweise erinnert die Studie daran, dass der französische Philosoph René Descartes in seinem Brief an den Marquess of Newcastle (1646) argumentierte, Tiere seien nichts weiter als tierische Mechanismen – bête-machines, die lediglich Impulsen aus organischen Reaktionen folgen.
In der Schlussfolgerung des Ohio State-Blogs wird hervorgehoben, dass die Menschen Tauben traditionell als schwachsinnig betrachten. Jetzt müssen wir uns etwas eingestehen: Unsere jüngste technologische Errungenschaft der Computer-KI beruht auf relativ einfachen Brute-Force-Lernmechanismen à la Taube.
Wird diese neue Forschung einen Einfluss auf die künftige Informatik haben? Diejenigen, die sich mit künstlicher Intelligenz und maschinellem Lernen befassen, und diejenigen, die neuromorphes Computing entwickeln, könnten hier einige nützliche Überschneidungen finden.
