Customize this title in frenchL’intelligence artificielle peut apprendre comme un enfant

admin0

Make this article seo compatible,Let there be subheadings for the article, be in french, create at least 700 words

Kinder entwickeln sich innerhalb weniger Jahre von schreienden Babys zu erstaunlich eloquenten Gesprächspartnern. Sie erarbeiten sich ihr Wissen über Sprache und Umgebung Schritt für Schritt durch die Verknüpfung wahrgenommener Reize. Ganz anders verhält es sich üblicherweise mit KI-Systemen. Um eine künstliche Intelligenz mit Wissen zu versorgen, speisen die Unternehmen gigantische Datenvorräte in die Algorithmen ein, auf die die Software dann zurückgreifen kann. Forschende der New York University haben sich mit der Frage beschäftigt, ob es auch anders geht. Im Rahmen einer Studie Sous la direction du spécialiste des sciences cognitives Wai Keen Vong, ils ont étudié si une intelligence artificielle était capable d’acquérir des connaissances comme un petit enfant.

Dazu haben sie einem Kind in seinen ersten eineinhalb Lebensjahren in regelmäßigen Abständen jeweils für kurze Phasen eine Stirnkamera aufgesetzt. So konnten die Wissenschaftlerinnen und Wissenschaftler stichprobenartig erfassen, wie es seine Umwelt beobachtet und welche begleitenden Lautäußerungen es wahrnimmt, um Zusammenhänge für den Spracherwerb herzustellen. Mit eineinhalb Jahren verstehen Kinder ohne gezielten Unterricht in der Regel bis zu 300 Wörter. Wai Keen Vong & Co. wollten wissen, ob einer KI das ebenfalls gelingt. Dazu teilten sie das 61 Stunden lange Videomaterial in 600.000 Einzelbilder und 37.500 begleitende Lautäußerungen auf und trainierten damit ein einfaches neuronales Netzwerk. Trotz des geringen Basismaterials, das weniger als ein Prozent der Wachphasen des Kindes widerspiegelte, gelangten sie zu erstaunlichen Ergebnissen.

Fast so gut wie herkömmlich trainierte KI

Laut Studie konnte die KI in 61 Prozent der Fälle den gezeigten Bildern das richtige Wort zuordnen und erkannte so etwa Gegenstände wie einen Ball oder eine Katze. Zum Vergleich zogen die Forschenden eine von ChatGPT-Entwickler OpenAI betriebene Bilderkennnungs-KI heran, die mit Millionen Bild- und Textpaaren trainiert worden war. Die lag im gleichen Test nur um fünf Prozentpunkte vorne. Allerdings schlug sich die Kleinkind-KI nur dann so erfolgreich, wenn das eingespeiste Bild- und Tonmaterial miteinander korrelierte. Fütterten die Forschenden das System unsortiert mit Bildern und zufälligem Tonmaterial, sank die Trefferquote auf 26 Prozent und ein Ball wurde schon mal als Katze erkannt.

Daraus lassen sich laut Untersuchung sowohl Rückschlüsse für das maschinelle als auch für das menschliche Lernen ziehen. Das Ergebnis zeigt demnach, dass eine konsistente visuelle und verbale Koexistenz für Mensch und Maschine entscheidend ist, um erfolgreich Wissen zu erwerben. Das heißt einfach ausgedrückt: Wer ungenaue und falsche Informationen erhält, stellt zwangsläufig falsche Zusammenhänge her. Besonders interessant: Die KI konnte auf Basis der eingespeisten Kleinkindinformationen auch Bilder identifizieren, die nicht Teil des Trainingsmaterials waren. Daraus leiten die Forschenden ab, dass es nicht unbedingt nötig ist, KI-Systeme mit riesigen Datensätzen zu füttern. Die aktuellen Erkenntnisse widerlegen laut Bericht auch eine Annahme aus der Kognitionsforschung über Kleinkinder. Bislang wurde angenommen, dass das klassische Wort-Bild-Lernen für Babys zu schwierig und daher uneffizient ist. Die Untersuchung habe jedoch gezeigt, dass Kinder sehr wohl in der Lage sind, auf diese Weise zu lernen.

Source link -57