Kontinuierliches Lernen: KI und das Gehirn im Vergleich

Erinnerungen wie diese verändern physisch die Verbindungen in dem Gehirnbereich, der neues Lernen unterstützt. Während des Schlafs werden die Erinnerungen des vorherigen Tages in andere Teile des Gehirns transportiert, um langfristig gespeichert zu werden und Platz für neue Erfahrungen am nächsten Tag zu schaffen. Anders gesagt kann das Gehirn kontinuierlich unser tägliches Leben aufnehmen, ohne den Zugriff auf Erinnerungen an das Vorherige zu verlieren. KI hingegen nicht so sehr. GPT-4 und andere große Sprach- und multimodale Modelle, die die Welt im Sturm erobert haben, basieren auf Deep Learning, einer Algorithmusfamilie, die lose dem Gehirn nachempfunden ist.

Das Problem? „Deep Learning-Systeme mit Standardalgorithmen verlieren langsam die Fähigkeit zu lernen“, sagte kürzlich Dr. Shibhansh Dohare von der University of Alberta gegenüber Nature. Der Grund dafür liegt darin, wie sie aufgebaut und trainiert sind. Deep Learning basiert auf mehreren Netzwerken künstlicher Neuronen, die miteinander verbunden sind.

Das Team unternahm einen ersten Schritt zur Lösung des Problems mithilfe einer Theorie aus dem Jahr 1959 mit dem beeindruckenden Namen „Selfridge’s Pandemonium“. Die Theorie erfasst, wie wir kontinuierlich visuelle Informationen verarbeiten und hat die KI für die Bilderkennung und andere Bereiche stark beeinflusst.

Die Forscher sind immer noch dabei, nur an der Oberfläche des Phänomens zu kratzen. Für praktische Anwendungen geht es bei KIs darum, „Schritt zu halten“, sagte Dohare.