Neue KI sieht wie der Mensch – mit 10x weniger Energie

All-Topographic Neural Networks ahmen menschliche Wahrnehmung nach. Wird das das Ende energiehungriger Bild-KIs?

gpt-image-1 | All-AI.de

Forscher aus Osnabrück stellen eine neue KI vor, die menschliches Sehen überraschend gut nachahmt. Ihre sogenannten „All-Topographic Neural Networks“ (All-TNNs) zeigen nicht nur menschliche Sehgewohnheiten, sondern verbrauchen auch deutlich weniger Energie als herkömmliche Modelle. Ist das der Weg zu KI, die tatsächlich biologischer denkt?

Topografie statt Kopie: Menschliches Sehen als Vorbild

Die von Tim Kietzmann entwickelte All-TNN-Architektur unterscheidet sich wesentlich von klassischen „Convolutional Neural Networks“ (CNNs). Statt ihre Filter gleichmäßig über das Bild zu verteilen, setzt sie für jeden Bildbereich eigene Parameter ein. Das Ergebnis sind organisch wirkende, glatte Muster, vergleichbar mit topografischen Landkarten.

Dieser Ansatz orientiert sich direkt am Gehirn: Anders als in technischen Systemen kann das menschliche Gehirn Wissen nicht beliebig kopieren, sondern nutzt lokal begrenzte Lernprozesse. Genau dies imitiert das All-TNN – eine Abkehr vom üblichen Engineering-Prinzip, bei dem möglichst identische Filter mehrfach eingesetzt werden, um schneller zu lernen.

Natürliche Sehgewohnheiten im Netzwerk

Spannend ist, wie die All-TNNs typische Wahrnehmungsmuster nachbilden. Wie der Mensch lernt das Netzwerk, Flugzeuge eher oben und Schuhe eher unten im Bild zu erwarten. In Experimenten zeigte sich, dass die Ergebnisse des All-TNNs deutlich enger mit menschlichem Sehverhalten übereinstimmen als bei klassischen CNNs – in Zahlen: dreimal stärker.

Die Kehrseite dieser menschlichen Nähe ist eine geringere Genauigkeit bei der reinen Bildklassifikation. Während CNNs weiterhin die besten Werte liefern, liegt die Stärke der All-TNNs in ihrer Interpretierbarkeit: Sie liefern nachvollziehbare Antworten, keine undurchsichtigen Entscheidungen aus einer Blackbox.

Effizienz trotz großer Parameterzahl

Eine überraschende Stärke der neuen Architektur ist ihre Energieeffizienz. Obwohl das Netzwerk mit rund 107 Millionen Parametern deutlich größer ausfällt als CNNs mit etwa 8 Millionen Parametern, verbraucht es zehnmal weniger Energie. Möglich wird das, weil nur jene Neuronen aktiviert werden, die in bestimmten Bildregionen wichtig sind – ganz ähnlich, wie wir Menschen unsere Aufmerksamkeit lenken.

Damit könnte das All-TNN auch für mobile Anwendungen interessant werden, wo wenig Energieverbrauch entscheidend ist. Doch wichtiger ist den Forschern ein anderer Punkt: Sie sehen die Architektur als ersten Schritt hin zu einer KI, die tatsächlich wie ein Gehirn funktioniert – und nicht einfach nur Datenberge auswertet.

Kostenlose News und Tutorials – mit minimaler Werbung und maximalem Mehrwert. Damit das so bleibt und wir uns stetig verbessern können, freuen wir uns über deine Unterstützung.

Teile diesen Beitrag

Folge uns auf Social Media

Keine KI-News mehr verpassen und direkt kommentieren!

Unterstütze uns direkt

Mit einer YouTube-Mitgliedschaft (ab 0,99 €) oder einmalig über PayPal. So helft ihr uns, unabhängig neue Tools zu testen und noch mehr Tutorials für euch zu erstellen. Vielen Dank für euren Support!