KI hat gravierende Schwächen beim Erkennen von Formen

Mensch besser als KI

Ob eine Katze oder ein Auto: Menschen erkennen Gegenstände und Lebewesen selbst dann noch zuverlässig, wenn sie nur als grober Schattenriss zu sehen sind. Für Künstliche Intelligenz (KI) ist genau das dagegen eine oft unlösbare Hürde, wie eine Studie zeigt.

Moderne Bilderkennungsprogramme schneiden beim Erfassen übergeordneter Formen und Silhouetten deutlich schlechter ab als menschliche Betrachter, wie ein Forschungsteam um Biyu He von der New York University Grossman School of Medicine im Fachjournal «iScience» berichtet.

Ursache für die Schwäche ist die grundlegend andere Funktionsweise der Algorithmen: Während das menschliche Gehirn die Gesamtgestalt priorisiert, klammern sich selbst moderne tiefe neuronale Netze vorrangig an lokale Details, Oberflächenmuster und Texturen. Schon geringfügige Bildverzerrungen oder das Fehlen typischer Details bringen die Systeme schnell aus dem Konzept.

Mehr als 200 Modelle im Test

Für die Untersuchung verglich das Team um Erstautor Mugihiko Kato und Studienleiterin He die Sehleistung von Testpersonen mit der von mehr als 200 tiefen neuronalen Netzen unterschiedlichster Bauart und Trainingsweise. Die Forschenden manipulierten dafür 240 Abbildungen aus 48 Alltagskategorien systematisch. Gezeigt wurden unter anderem reine schwarze Silhouetten ohne jede Innenstruktur und isolierte Muster wie Felltexturen ohne erkennbare Kontur. Weiterhin wurden Darstellungen verwendet, bei denen viele kleine Objekte bildfüllend aneinandergereiht waren, sodass zwar Binnendetails erhalten blieben, der typische Umriss jedoch zerstört war.