Publiziert wurde das Paper, das in Kooperation mit Kollegen aus Exeter und Münster entstand, in der Fachzeitschrift Optica. Inspiriert wurde die Forschung von der Entdeckung der klassischen Konditionierung durch den Nobelpreistr?ger Ivan Pawlow. In seinen Experimenten stellte Pawlow fest, dass seine Hunde, wenn sie w?hrend der Fütterung einen weiteren Reiz wie den Klang einer Glocke oder eines Metronoms h?rten, eine Verbindung zwischen den beiden Erlebnissen herstellten und allein bei dem Klang Speichel-fluss aufnahmen. Die wiederholte Assoziation von zwei nicht miteinander verbundenen Ereignissen k?nnte eine erlernte Reaktion hervorrufen - einen bedingten Reflex. Die neuronalen Netze, die in den meisten KI-Systemen zum Einsatz kommen, ben?tigen w?hrend des Lernprozesses oft eine gro?e Anzahl von Datenbeispielen, um ein Modell zu trainieren, das z. B. zuverl?ssig eine Katze erkennt. Hierbei k?nnten bis zu 10.000 Katzen-/Nicht-Katzen-Bilder verwendet werden. Anstatt sich auf die Backpropagation zu verlassen, die von neuronalen Netzen zur Feinabstimmung der Ergebnisse bevorzugt wird, verwendet das assoziative monadische Lernelement (AMLE) ein Speichermaterial, das Muster lernt, um ?hnliche Merkmale in Datens?tzen miteinander zu assoziieren - es ahmt den von Pawlow beobachteten bedingten Reflex im Falle einer übereinstimmung nach. Die Eing?nge des AMLE werden mit den richtigen Ausg?ngen gepaart, um den Lern-prozess zu überwachen, und das Speichermaterial kann durch Lichtsignale zurückgesetzt werden. In Tests konnte der AMLE bereits nach einem Training mit nur fünf Bildpaaren korrekt zwischen Katzen- und Nicht-Katzenbildern unterscheiden.
展开▼
