ZHAW Forschung zur Cooperative Network Architecture auf dem Cover von Neural Computation
Ein vom Gehirn inspiriertes KI Paradigma des ZHAW Centre for Artificial Intelligence wurde für das Cover der Zeitschrift Neural Computation von MIT Press ausgewählt. Die abgebildete Forschung präsentiert eine Architektur, welche die Daten und Energieeffizienz künftiger künstlicher Intelligenz deutlich verbessern könnte.
Das Cover des MIT Journals Neural Computation zeigt eine Abbildung von Netzfragmenten, die von Pascal Sager, Jan Deriu, Thilo Stadelmann und Christoph von der Malsburg vom Zentrum für Künstliche Intelligenz (CAI) der ZHAW sowie Kollegen des Grewe Labors erstellt wurde. Netzfragmente sind der zentrale Baustein ihrer vorgeschlagenen Cooperative Network Architecture (CNA).
CNA ist eine Alternative zu Standardmodellen des maschinellen Lernens. Im Gegensatz zu herkömmlichen Methoden, die Bilder als statische Pixelmatrizen verarbeiten, bildet die CNA Eingabedaten in diesen strukturierten, überlappenden Netzwerken ab. Das Lernen wird durch Hebbsche Plastizität gesteuert, wodurch das System statistische Regelmässigkeiten ohne überwachtes Training erfassen kann. Die Autoren merken an, dass dieses Paradigma die zukünftige KI Entwicklung prägen könnte, da es das Potenzial zeigt, um Grössenordnungen daten und energieeffizienter zu sein.
Der theoretische Rahmen für diesen Ansatz wurde in den vergangenen Jahrzehnten von Christoph von der Malsburg, einem assoziierten Forscher am CAI, entwickelt. Diese Art von prominenter Präsenz kann dazu beitragen, dass dieses neue Paradigma in der breiteren wissenschaftlichen Gemeinschaft bekannter wird.