Wie im Kindergarten – Mit dieser einfachen Lernmethode wird KI deutlich zuverlässiger

Bevor Kinder lesen, lernen sie das Alphabet – und bevor sie rechnen, zählen sie. Genau nach diesem Prinzip funktionieren auch Lernmethoden für KI: Erst einfache Aufgaben, dann komplexe. Ein Forschungsteam der New York University hat dieses Konzept mit Laborratten und Computermodellen getestet – mit überraschend deutlichen Ergebnissen. Die Erkenntnisse könnten entscheidend sein für die Zuverlässigkeit von Sprachassistenten, Übersetzungsprogrammen oder medizinischer Software.

Mit einfachen Aufgaben zum besseren Verständnis

KI lernt deutlich besser, wenn sie schrittweise an Aufgaben herangeführt wird – genau wie wir Menschen auch. Das zeigt ein aufwendig durchgeführter Versuch, der jetzt in der Fachzeitschrift Nature Machine Intelligence erschienen ist.

Im Mittelpunkt der Studie stehen sogenannte rekurrente neuronale Netzwerke (RNNs). Diese Programme verarbeiten Informationen nicht nur in einem Moment, sondern merken sich, was vorher passiert ist – ähnlich wie ein Gedächtnis. Sie kommen überall dort zum Einsatz, wo Zusammenhänge wichtig sind: zum Beispiel beim Verstehen gesprochener Sprache oder beim Übersetzen von Texten.

Doch genau diese Aufgaben sind oft zu komplex, wenn die Programme nicht auf den richtigen Weg gebracht werden. Deshalb haben die Forscher ein Trainingsmodell entwickelt, das sie „Kindergarten-Lehrplan“ nennen. Die Idee: Die KI beginnt mit einfachen Aufgaben – etwa Muster erkennen oder einfache Entscheidungen treffen. Erst wenn sie das beherrscht, folgen schwierigere Aufgaben.

KI-Systeme müssen erst durch den Kindergarten, um später besser komplexe Aufgaben lernen zu können.

Cristina Savin, Professorin an der New York University

Was Rattenversuche über Geduld und Verknüpfung verraten

Die Forscher testeten ihr Konzept nicht nur am Computer, sondern auch mit echten Tieren. In einem Experiment mit Laborratten mussten die Tiere eine Wasserquelle finden. Dazu mussten sie mehrere Signale richtig deuten – bestimmte Töne und Lichtzeichen bedeuteten, dass es bald Wasser geben würde. Aber eben nicht sofort. Geduld und Merkfähigkeit waren gefragt.

Die Ratten mussten lernen, dass einzelne Hinweise erst dann zur Belohnung führen, wenn sie kombiniert und richtig gedeutet werden. Genau das soll auch die KI lernen: Verknüpfungen herstellen, Abläufe erkennen, Geduld entwickeln. Der Aufbau dieser „einfachen“ Fähigkeiten ist laut den Forschern entscheidend für spätere Erfolge.

„Schon sehr früh im Leben entwickeln wir grundlegende Fähigkeiten wie das Halten des Gleichgewichts oder das Spielen mit einem Ball“, erklärt Savin. „Mit Erfahrung können diese Grundfähigkeiten kombiniert werden, um komplexes Verhalten zu unterstützen – zum Beispiel mehrere Bälle jonglieren, während man Fahrrad fährt.“

Lernmethoden für KI: Vergleich beweist den Vorteil stufenweisen Trainings

Ein besonders nützlicher Teil der Studie ist der Vergleich zwischen zwei Gruppen von RNNs: Die eine Gruppe lernte klassisch – also direkt mit komplexen Aufgaben. Die andere folgte dem Kindergarten-Prinzip. Das Ergebnis: Die Programme mit stufenweisem Einstieg lernten schneller, trafen bessere Entscheidungen und konnten Aufgaben zuverlässiger lösen.

Für Menschen, die auf digitale Helfer angewiesen sind – etwa in der Medizin, bei Assistenzsystemen oder in der Pflege – ist das eine wichtige Erkenntnis. Systeme, die frühzeitig überfordert werden, liefern schlechtere Ergebnisse. Wer sie hingegen langsam heranführt, bekommt ein deutlich stabileres und intelligenteres Werkzeug.

Erfahrung zählt – auch bei Maschinen

Die Forschung zeigt klar: Ohne Vorwissen wird auch die beste KI nicht schlau. Sie braucht, wie wir, Erfahrungen. Und die müssen sinnvoll aufeinander aufbauen. Christine Constantinople, Professorin für Datenwissenschaft an der NYU erklärt die Bedeutung dieser Erkenntnis für die Zukunft: Denn nur mit dieser Basis könnten Maschinen tatsächlich einmal so lernen wie Menschen oder Tiere.

Die Forscher fordern, KI nicht einfach mit Datenmengen zu überfluten. Stattdessen sollten wir sie gezielt ausbilden – so wie Lehrer Kinder unterrichten. Ein stufenweiser Aufbau kann dazu führen, dass Maschinen später eigenständig Probleme lösen, statt blind Zusammenhänge zu erraten.

Kurz zusammengefasst:

• Lernmethoden für KI-Systeme sind erfolgreicher, wenn sie – ähnlich wie Kinder – zuerst einfache Aufgaben bewältigen und darauf aufbauen.
• Das schrittweise Lernmodell „Kindergarten-Lehrplan“ der New York University verbesserte sowohl bei Computermodellen als auch bei Ratten die Fähigkeit, komplexe Probleme zu lösen.
• Künstliche Intelligenz braucht strukturierte Vorerfahrungen, um später verlässlich zu funktionieren.

Übrigens: Nicht nur beim Lernen zeigt KI beeindruckende Fähigkeiten – im EKG erkennt sie erste Anzeichen von Bluthochdruck, lange bevor Ärzte etwas bemerken. Mehr dazu in unserem Artikel.

Bild: © Pexels