Forschung, News, zAufi
Schreibe einen Kommentar

Damit die KI Struktur im Daten-Chaos entdeckt

Ein Hirnfaltungs-Schwellenwert im Bauplan verschiedenetr Säugetiere entscheidet darüber, wie schnell das Hirn eines Embryos im Mutterleib wächst - und zu welchen Intelligenz-Leistungen dieses Lebewesen letztlich imstand ist. Grafik: MPI-CBG

Grafik: MPI-CBG

Biokybernetiker aus Dresden wollen mit „Koaleszenz-Einbettung“ versteckte Muster auf Facebook und im Gehirn entdecken

Dresden, 10. Dezember 2017. Was hat das menschliche Gehirn mit Facebook und den Rechnerwolken des Digitalzeitalters zu tun? Sie alle sind komplexe Systeme, die selten durch einfache Gesetze beschrieben werden können à la: „Wenn Bedingung A erfüllt ist, dann passiert Folge B“. Sie ordnen sich nach komplexen Mustern, die für den einzelnen Menschen nicht mehr durchschaubar sind. Ein internationales Forscherteam um Dr. Carlo Vittorio Cannistraci am BIOTEChnologischen Zentrum der TU Dresden hat aber nun mit einer sogenannten „Koaleszenz-Einbettung“ (von lat. coalescere = „zusammenwachsen“ ein Formelwerk entwickelt, um diese Muster im scheinbaren Chaos zu entdecken – allerdings mit Maschinenhilfe.

Komplexe Systeme als Netzwerke interpretierbar

Die Dresdner Nachwuchsgruppe für „Biomedizinische Kybernetik“ ging dabei von dem Gedanken aus, dass sich viele komplexe Systeme als Netzwerke mit einer versteckten Geometrie darstellen lassen. Um diese versteckten Muster zu identifizieren, füttert die Gruppe leistungsfähige Computer mit speziellen Formeln, die das Datenchaos immer mehr vereinfachen und dabei Techniken des „Maschinellen Lernens“ einsetzen. Danach reden die Menschen der „Künstlichen Intelligenz“ auch nicht mehr weiter in ihre Arbeit hinein: Die Computer analysieren so lange unbeaufsichtigt die Datenmassen, bis sie eine Struktur entdeckt haben.

Kranke Connectome im Hirn von Parkinson-Patienten gefunden

„Experimente in vielen Netzwerken zeigten, dass unser Algorithmus in der Lage ist, in wenigen Sekunden eine genauere Einbettung zu ermöglichen, als die, die durch frühere Techniken nach stundenlangem Rechnen erreicht wurde“, betonten Alessandro Muscoloni und Josephine Maria Thomas, die Erstautoren der Studie. „Dies ebnet den Weg zur Untersuchung von Großsystemen.“ Eingesetzt werden könne die neue Analyse-Technik zum Beispiel, um getarnte Gruppen auf Facebook zu identifizieren, die Wege von Datenpaketen durch die Weiten des Internets oder die krankhaften Verbindungen („Connectome“) in den Hirnen von Parkinson-Patienten zu entschlüsseln. hw

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.