Eine aktuelle Studie, veröffentlicht in der Zeitschrift Patterns, beleuchtet die Unterschiede im Sehvermögen zwischen Mäusen und einem KI-Modell zur Bilderkennung. Forscher der Scuola Internazionale Superiore di Studi Avanzati (SISSA) in Italien gelangen zu dem Ergebnis, dass Mäuse gedrehte, skalierte sowie teilweise verdeckte Objekte effektiver erkennen können als gegenwärtige KI-Systeme. In der Studie wurde festgestellt, dass das KI-Modell zwar ähnliche Leistungen wie die Mäuse erreichte, jedoch mehr Ressourcen und Rechenleistung benötigte.
Die Forscher stellten fest, dass beide, Mäuse und KI, in der Lage sind, Objekte in ihrer ursprünglichen Position problemlos zu erkennen. Bei transformierten Objekten war die KI jedoch gezwungen, ihre Leistung zu steigern, um mit den natürlichen Fähigkeiten der Mäuse Schritt zu halten. Mäuse, die Augen an den Seiten des Kopfes haben, profitieren von einem breiteren Sichtfeld und können ihre Augen unabhängig bewegen, was ihre Wahrnehmung erheblich verbessert. In Experimenten wurden Mäuse trainiert, Objekte auf einem Bildschirm zu erkennen und durch Berührungen zu bestätigen.
Leistung von KI im Vergleich
Das KI-Modell, welches als Convolutional Neural Network (CNN) konzipiert ist, wurde inspiriert vom visuellen Kortex von Säugetieren. CNNs nutzen Klassifikatoren zur Objekterkennung, benötigen jedoch zusätzliche Schichten, um komplexere Bilder zu verarbeiten. Während Mäuse in der Lage sind, auch teilweise verdeckte Objekte zuverlässig zu erkennen, stößt die KI auf Schwierigkeiten in solchen Situationen. Die Ergebnisse der Studie zeigen deutlich, dass das Sehvermögen von Mäusen flexibler und anpassungsfähiger ist als das der gegenwärtigen KI-Modelle.
Die Autoren diskutieren auch mögliche zukünftige Entwicklungen in der KI, einschließlich der Herausforderungen, die es in Bereichen wie medizinischen Diagnosen und rechtlichen Dokumenten noch zu überwinden gilt. Zudem wird darauf hingewiesen, dass KI von Menschen und Tieren lernen kann, was für die weitere Forschung von Bedeutung ist.
Ergänzende Informationen über Convolutional Neural Networks finden sich in einem Artikel von Zhuwei Qin und Kollegen, in dem die beeindruckenden Leistungen dieser Technologien in Computer Vision Aufgaben wie Objekterkennung, Bilderkennung und Bildretrieval beschrieben werden. Der Artikel, der eingereicht wurde am 30. April 2018 und letzte Überarbeitung am 31. Mai 2018, thematisiert außerdem die geringe Interpretierbarkeit der gelernten Features aus menschlicher Sicht und beleuchtet verschiedene Visualisierungsmethoden, um interne Features in visuell wahrnehmbare Muster zu übersetzen.
Für weitere Details zur Studie über Mäuse und KI können Sie [Vietnam.vn](https://www.vietnam.vn/de/ai-thua-chuot-khi-nhan-dien-vat-the-bi-che-khuat) besuchen. Informationen zu Convolutional Neural Networks finden Sie in dem Artikel auf [arXiv.org](https://arxiv.org/abs/1804.11191).
