Das DeepMind-Team hat seine Forschungsergebnisse in dem wissenschaftlichen Fachjournal Nature veröffentlicht. Daraus geht hervor, dass DNC mit einer externen Speichereinheit ausgestattet wurde und sich selbst in dem für reguläre neuronale Netzwerke typischen Trial-and-Error-Verfahren beigebracht hat, es zu nutzen. In dem Paper heißt es dazu: „Wenn ein DNC eine Antwort ausgibt, vergleichen wir sie mir einer angestrebten korrekten Antwort. Mit der Zeit lernt die Steuereinheit, Antworten zu generieren, die immer dichter und dichter an der korrekten Antwort liegen. Im Verlauf dieses Prozesses lernt sie, ihr eigenes Gedächtnis zu verwenden.“
In ihrem Versuch fütterten die Wissenschaftler ihre KI mit dem vollständigen U-Bahn-Fahrplan von London. Anschließend konnte sie komplexe Fragen beantworten, indem sie die gespeicherten Informationen in einen deduktiven Denkprozess einband. Eine Frage lautete beispielsweise: „Wenn du von der Bond Street startest und mit der Central Line eine Station, mit der Circle Line vier Stationen und mit der Jubilee Line zwei Stationen in eine Richtung fährst, an welcher Haltestelle landest du dann?“
Die Ergebnisse sind beeindruckend und verdeutlichen die Entwicklung, die Künstliche Intelligenzen derzeit durchlaufen. Deep Learning bietet im Vergleich zum Machine Learning ein weitaus größeres Leistungspotenzial. Die künstlichen neuronalen Netze sind in der Lage, ihre Denkprozesse zu konditionieren. Für Aufsehen sorgten die Google-Forscher zuletzt mit ihrer AlphaGo-KI, die in der Lage war, den Go-Weltmeister Lee Sedol zu besiegen.
+++ Mehr von WIRED regelmäßig ins Postfach? Hier für den Newsletter anmelden +++
